JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Not a member yet
596 research outputs found
Sort by
IDENTIFIKASI PENYAKIT TUMBUHAN TOMAT DAN ANGGUR MENGGUNAKAN CNN DENGAN ARSITEKTUR VGG-16
Full text linkTanaman tomat dan anggur dikenal sebagai tanaman yang populer di Indonesia. Mayoritas penyakit yang menyerang kedua tanaman ini dapat teridentifikasi melalui gejala yang muncul pada daunnya. Penelitian ini mengusulkan identifikasi penyakit tanaman tomat dan tanaman anggur menggunakan algoritma Convolutional Neural Network dengan arsitektur VGG-16 didalamnya dengan tujuan membantu masyarakat yang memiliki kedua tanaman tersebut agar dapat menganalisis penyakit dari tanaman anggur dan tanaman tomat. Hasil akurasi yang berhasil diperoleh dari penelitian ini dengan ujicoba epoch sebanyak 100 menghasilkan akurasi sebesar 92% dari total sampel data sebanyak 10.717 yang Merupakan gabungan dari penyakit tanaman anggur dan tanaman tomat. Penyakit tanaman anggur yang digunakan yaitu black rot, esca, healthy, dan leaf blight. Sedangkan penyakit tanaman tomat yang digunakan yaitu bacteria spot, early blight, healthy, late blight, leaf mold, septoria leaf spot, spider mites, target spot, mosaic virus, dan yellow leaf curl virus
ANALISIS PERBANDINGAN METODE LOGISTIC REGRESSION, RANDOM FOREST, GRADIENT BOOSTING UNTUK PREDIKSI DIABETES
Full text linkSalah satu penyakit yang paling umum pada manusia adalah diabetes. Hampir 350 juta orang menderita diabetes dan jumlah kematian akibat penyakit ini meningkat setiap tahun. Karena kurangnya pengetahuan dasar tentang diabetes, banyak orang awalnya tidak tahu mereka mengidap diabetes. Saat ini, metode untuk mendeteksi diabetes menggunakan tes laboratorium, yang memakan waktu yang lama. Salah satu metode yang dapat digunakan untuk mengembangkan sistem untuk memprediksi diabetes sejak dini adalah data mining dengan prinsip analitik. Dalam penelitian ini menggunakan tiga metode Logistic Regression, Random Forest, Gradient Boosting untuk membedakan karakteristik pemodelan dan mengetahui metode mana yang tepat untuk prediksi penyakit diabetes dengan cara membuat perbandingan antara ketiga metode tersebut. Tujuan penelitian ini adalah untuk membandingkan nilai akurasi terbaik dari tiga metode Logistic Regression, Random Forest, Gradient Boosting dalam memprediksi diabetes. Model ini kemudian dievakuasi menggunakan metrik kinerja seperti presisi, perolehan, dan skor F1 untuk membandingkan efektivitas masing-masing metode dalam memprediksi diabetes. Berdasarkan pengujian ketiga metode tersebut kita bisa tau bahwa metode Random Forest dengan precision 85%, recall 69%, dan F1 score 76%.
RANCANG BANGUN SISTEM INFORMASI DIREKTORAT SAMAPTA POLDA MENGGUNAKAN ALGORTIMA RC4 BERBASIS WEBSITE
Full text linksistem informasi kepegawaian adalah untuk data menangani kepegawaian, hal ini sangatlah penting mengingat kebutuhan akan ada data peningkatan dan informasi. Saat ini Direktorat Samapta Polda Sulteng masih mengolah data personel terutama dengan manual, termasuk pengolahan data dan penyimpanan informasi. File sangat penting untuk menjaga data kerahasia, terutama untuk dokumen yang isinya hanya dapat diakses oleh individu yang berwenang. Tanpa tindakan pencegahan keaman, kerahasia dan intersepsi akan terancam menjadi penghambat produktivitas pekerja. Demi menjaga kerahasiaan berkas dokumen yang merupakan aset berharga Direktorat Samapta Polda Sulteng, RC4 dalam penelitian ini dimanfaatkan untuk membantu pengarsipan data dan data perlindungan. Pengujian keberhasilan sistem menggunakan Delone Dan Mclean ADALAH Model Sukses menunjukan bahwa pengguna puas dengan sistem informasi pegawai ditsamapta polda provinsi Sulawesi Tengah Menggunakan RC4 beserta kualitas informasi yang disajikan
Implementation of BiLSTM and IndoBERT for Sentiment Analysis of TikTok Reviews
Full text linkThe significant increase in users on TikTok has led to a notable rise in the number of reviews in the form of opinions given to the application. The large number of opinions can be analyzed to identify the prevailing sentiment among the community towards the application. The sentiment analysis method employing machine learning is particularly well-suited to this problem due to its practicality and efficiency. The objective of this research is to develop a model that can be utilized as a sentiment analysis tool with a high degree of accuracy. In this research, the BiLSTM algorithm, combined with IndoBERT, a pre-trained model, is employed. The BiLSTM can comprehend the interrelationships between words within a sentence in a bidirectional manner. IndoBERT is pertinent to this research as it is a model that has been fine-tuned using Indonesian language datasets from various sources on the Internet. To support this research, a scenario was created by considering various aspects when adding methods as an optimization scheme until the optimal model was identified. The outcomes of experimentation demonstrate that sentiment analysis using the BiLSTM+IndoBERT method achieved the highest accuracy, reaching 81% in the classification report test and an average accuracy of 92.03% in cross-validation testing with a total of 10 folds
OPTIMALISASI BONUS TAHUNAN PEGAWAI DENGAN MENGGUNAKAN METODE WEIGHT PRODUCT (WP)
Full text linkManajemen sumber daya manusia (SDM) memegang peranan penting dalam perkembangan perusahaan di era bisnis yang kompetitif. Tujuan dari penelitian ini adalah mengembangkan Sistem Pendukung Keputusan (DSS) yang menggunakan metode Weighted Product (WP) untuk menentukan bonus tahunan bagi pegawai PT PLN Lampung Barat secara objektif dan transparan. SPK ini bertujuan untuk memberikan panduan yang lebih baik dalam penentuan bonus, dengan tujuan meningkatkan keadilan, transparansi, dan efisiensi dalam manajemen SDM. Pengumpulan data dilakukan melalui kuesioner kepada bagian HRD PT PLN Lampung Barat untuk mendukung pengembangan SPK. Kriteria yang ditetapkan langsung oleh bagian HRD PT PLN Lampung Barat, yaitu absensi, profesionalitas, kebersihan, kreativitas, kerjasama, tanggung jawab, penampilan, dan tata krama. Hasil implementasi menunjukkan penentuan bonus tahunan yang lebih akurat dan efisien. Dalam penelitian ini berhasil menerapkan metode WP dalam pengambilan keputusan bonus tahunan dengan peringkat tertinggi.Implementasi penelitian ini melibatkan lebih banyak kriteria daripada penelitian sebelumnya, dengan mempertimbangkan 8 kriteria yang berbeda. Metode ini memungkinkan analisis yang komprehensif terhadap berbagai aspek kinerja pegawai, yang kemudian digunakan untuk menilai bonus secara objektif dan transpara
Prediction of Stunting Nutritional Status in Toddlers Using Naïve Bayes Classifier Algorithm
Full text linkStunting is a chronic nutritional problem in toddlers that affects children's physical growth and cognitive development. Early identification and prediction of toddlers' nutritional status are crucial for timely intervention. This study aims to predict the nutritional status of stunting in toddlers using the Naïve Bayes Classifier algorithm. The data used in this study is derived from community health surveys with variables such as age, weight, height, and parental nutritional status. The research process began with data collection and pre-processing to ensure high-quality data. Subsequently, the data was trained using the Naïve Bayes Classifier algorithm, known for its simplicity and efficiency in data classification. Prediction results were then evaluated using metrics of accuracy, precision, recall, and F1-score to measure the model's performance. The study results indicate that the Naïve Bayes Classifier algorithm has high accuracy in predicting stunting status in toddlers, with an accuracy rate of 85%. Precision and recall also showed satisfactory results, at 82% and 87%, respectively. This model can be used as a tool for health workers to identify toddlers at risk of stunting, enabling earlier preventive measures. In conclusion, the use of the Naïve Bayes Classifier algorithm is proven effective in predicting the nutritional status of stunting in toddlers. The implementation of this model is expected to support child health programs and accelerate the reduction of stunting prevalence in the community
RANCANG BANGUN GAME ADVENTURE 2D BELAJAR BERHITUNG USIA DINI
No full textGame edukasi sangat menarik untuk dikembangkan, Permainan edukatif memiliki beberapa keunggulan dibandingkan metode pengajaran tradisional. Salah satu keunggulan utama permainan edukasi adalah visualisasi permasalahan nyata. Perkembangan dan dukungan teknologi digital telah menawarkan peluang baru bagi anak-anak untuk belajar dalam bentuk permainan edukatif digital. Dari hasil penelitian ini telah selesai dibuat sebuah aplikasi game edukasi berbasis Android yang sangat bermanfaat bagi anak usia dini, karena selain untuk pendidikan sekolah formal, anak-anak juga dapat belajar sambil bermain dengan aplikasi ini. Oleh karena itu penulis membuat sebuah game pembelajaran berbasis petualangan dengan harapan anak-anak dapat segera menggunakan aplikasi game tersebut dan menambah pengetahuan serta mengubah metode belajarnya agar tidak bosan. tidak hanya untuk bersenang-senang dan menghilangkan kebosanan dalam belajar, namun banyak juga permainan mengasah berpikir dan logika yang dapat memberikan materi yang lebih menarik untuk diterima dan dipahami terutama bagi anak-anak yang masih dalam usia dini. Pada anak usia dini, anak usia 3 hingga 6 tahun merupakan masa emas perkembangan otaknya
PENGARUH KEAMANAN DATA, KEPERCAYAAN DAN KUALITAS WEBSITE TERHADAP KEPUTUSAN PEMBELIAN PADA TIKTOK SHOP DAN FACEBOOK MARKETPLACE PADA KOTA SALATIGA
Full text linkPenelitian ini bertujuan untuk membandingkan pengaruh Keamanan Data, Kepercayaan, dan Kinerja Website terhadap Keputusan Pembelian pada platform E-Commerce TikTok Shop dan Facebook Marketplace di Kota Salatiga. Metode penelitian yang digunakan adalah penelitian kuantitatif komparatif dengan pengumpulan data dilakukan melalui survei menggunakan kuesioner terhadap 120 responden yang pernah melakukan transaksi di kedua platform tersebut. Analisis data dilakukan dengan menggunakan teknik deskriptif statistik, regresi berganda, uji t, dan uji F.Hasil penelitian menunjukkan bahwa terdapat hubungan linear antara variabel Keamanan Data, Kepercayaan, Kinerja Website, dan Keputusan Pembelian baik pada TikTok Shop maupun Facebook Marketplace. Korelasi antara variabel-variabel tersebut juga menunjukkan hubungan yang positif dan signifikan, dengan pengaruh yang lebih besar pada Facebook Marketplace dibandingkan dengan TikTok Shop. Koefisien determinasi menunjukkan bahwa faktor-faktor yang diteliti memberikan kontribusi yang lebih besar pada Keputusan Pembelian di Facebook Marketplace (74,9%) daripada TikTok Shop (51,2%). Dalam konteks uji hipotesis, variabel Keamanan Data dan Kepercayaan secara signifikan mempengaruhi Keputusan Pembelian baik pada TikTok Shop maupun Facebook Marketplace. Namun, Kinerja Website hanya berpengaruh signifikan pada Facebook Marketplace. Implikasi temuan ini adalah bahwa sementara Facebook Marketplace memiliki pengaruh yang lebih besar terhadap Keputusan Pembelian, preferensi individu dan aspek lain seperti keamanan data dan kepercayaan juga perlu dipertimbangkan dalam memilih platform E-Commerce yang sesuai
EFEKTIVITAS MODEL COOPERATIVE LEARNING TEAM GAMES TOURNAMENT (TGT) BERBANTUAN BOOKWIDGETS TERHADAP HASIL BELAJAR
Full text linkPembelajaran bermakna menuntut strategi yang sesuai dengan karakteristik siswa. Di SMP Negeri 3 Malang, rendahnya minat belajar dan kesulitan siswa dalam memahami materi konseptual seperti Keamanan Data menjadi tantangan tersendiri. Penelitian ini bertujuan untuk mengkaji efektivitas model Cooperative Learning tipe Team Games Tournament (TGT) berbantuan media interaktif BookWidgets dalam meningkatkan hasil belajar siswa kelas IX. Penelitian menggunakan pendekatan kuantitatif dengan desain pra-eksperimental tipe one group pretest-posttest pada 30 siswa. Instrumen yang digunakan berupa tes pilihan ganda sebanyak 25 soal. Analisis data dilakukan dengan uji normalitas, paired sample t-test, dan uji N-Gain. Hasil menunjukkan rata-rata nilai meningkat dari 72 (pretest) menjadi 93 (posttest), dengan signifikansi 0,000 (p < 0,05) dan skor N-Gain sebesar 0,7742 (kategori tinggi). Model TGT efektif diterapkan karena mampu meningkatkan partisipasi aktif melalui kompetisi positif dan kerja sama kelompok, sementara BookWidgets membantu memperjelas materi kontekstual melalui visualisasi dan refleksi. Dengan demikian, penerapan model TGT berbasis BookWidgets terbukti efektif dalam meningkatkan hasil belajar siswa pada materi Keamanan Dat
Geographical Information System Shortes Path Delivery Of Goods Using The Bellman-Ford And Dijkstra Algorithm (Case Study J&T Palu City)
Full text linkThe demand for goods delivery services (expedition services) is currently growing very rapidly to support the many e-commerce companies that have sprung up in Indonesia. In the delivery process, there is often a delay in delivery due to the random delivery path of the delivery service courier. The development of information technology, especially computer technology, can be used to solve problems in various fields of work. This study aims to optimize the determination of Goods Delivery routes using the Bellman-Ford and Dijkstra Algorithms. The case study was conducted at JT Goods Delivery Services in Palu City, Central Sulawesi. The data used in this study is the distance data between the delivery location points of goods taken from Google Maps. This research was conducted by collecting data on the distance between the source point and the location of the delivery of goods. By using the Bellman-Ford and Dijkstra Algorithms, the Bellman-Ford Algorithm is used to handle graphs with negative weights and detect negative cycles, while the Dijkstra Algorithm is more efficient on graphs with positive weights, focusing on finding the shortest path from one point to all other points, the distance and time required for shipping goods can be minimized so that the efficiency of shipping goods can be increase