JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Not a member yet
596 research outputs found
Sort by
Interaksi Augmented Reality Menggunakan Boxcollider Dalam Aplikasi Pembelajaran Bahasa Inggris
Full text linkTeknologi Augmented Reality (AR) telah menjadi salah satu inovasi terdepan dalam meningkatkan pengalaman belajar interaktif. Penelitian ini mengkaji penggunaan AR dalam aplikasi pengenalan bahasa Inggris dengan memanfaatkan fitur BoxCollider untuk interaksi pengguna. Ap-likasi ini dirancang untuk membantu pengguna, terutama pelajar, dalam mengenali dan memahami kosakata bahasa Inggris melalui pengalaman visual dan interaktif. BoxCollider digunakan untuk mendeteksi interaksi antara pengguna dan objek virtual yang ditampilkan di layar, memung-kinkan respons langsung terhadap tindakan pengguna seperti menyentuh atau menggerakkan objek. Hasil penelitian menunjukkan bahwa penggunaan BoxCollider dalam AR meningkatkan keterlibatan pengguna dan memudahkan proses belajar. Pengguna dapat berinteraksi dengan berbagai objek yang mewakili kata-kata bahasa Inggris, sehingga mem-berikan konteks visual yang kuat dan mendukung pemahaman kosakata secara lebih efektif. Aplikasi ini diharapkan dapat menjadi alat bantu yang efektif dalam pengajaran bahasa Inggris, menawarkan metode bela-jar yang lebih menarik dan interaktif dibandingkan dengan metode kon-vensiona
Pengembangan Media Pembelajaran KARPACA Berbasis Augmented Reality untuk Meningkatkan Kemampuan Membaca Permulaan Peserta Didik Kelas I SDN 2 Buduan Situbondo
Full text linkBerangkat dari kondisipembelajaran di pendidikan sekolah dasar yang masih memanfaatkan media pembelajaran konvensional di tengah dinamika persaingan dan perkembangan teknologi.Dengan adanya hal tersebut, maka perlu adanya media pembelajaran bagi siswa denganyang lebih menarik dan interaktif berbasis teknologi. Adapun rumusan masalah dari penelitian ini adalah; (1)Bagaimana pengembangan media pembelajaran KARPACAberbasis AR untuk meningkatkan kemampuan membaca permulaan siswa kelas I SDN2 Buduan Situbondo; (2) Bagaimana hasil validitas ahli, keefektifan, dan kepraktisan pengembangan media pembelajaran KARPACA berbasis ARuntuk meningkatkan keterampilan membaca permulaan siswa kelas I SDN 2 BuduanSitubondo? Tujuan dari penelitian ini adalah; (1) Untuk mendeskripsikan hasil pengembangan media pembelajaran KARPACA berbasis augmented reality; (2) Untuk mendeskripsikan hasil validitas ahli, keefektifan relatif, dan kepraktisan pengembangan media pembelajaran KARPACA berbasis augmented reality.Penelitian ini menggunakanpendekatan penelitian dan pengembangan (RD) dengan model Borg Gall. Media pembelajaran yang dikembangkan diujicobakan pada siswa kelas I SDN 2 BuduanSitubondo melalui angket dan tes. Data yang terkumpul dianalisis menggunakan analisis deskriptif untuk menilai kevalidan, keefektifan, dan kepraktisan media
KLASIFIKASI SOAL MENGGUNAKAN MULTI-LABEL PROBLEM TRANSFORMATION DENGAN METODE RANDOM FOREST DAN K-NEAREST NEIGHBOR
Full text linkPendidikan merupakan komponen utama dalam membangun sumber daya manusia yang berkualitas. Ujian merupakan bagian dari proses evaluasi pendidikan untuk mengukur kemampuan siswa dalam memahami materi yang dipelajari. Proses ujian secara online memerlukan fasilitas mengenai pengelolaan soal, sehingga diperlukan klasifikasi untuk mengelompokkan soal sesuai dengan topiknya. Klasifikasi multi-label adalah proses pengelompokan data ke dalam beberapa kelas berdasarkan kesamaan ciri atau karakteristik data, di mana setiap soal dapat memiliki lebih dari satu topik. Penelitian ini berfokus pada pengklasifikasian soal mata pelajaran Bahasa Indonesia tingkat SMP dengan menggunakan metode Problem Transformation dan algoritma Random Forest serta K-Nearest Neighbor (K-NN). Metode Problem Transformation yang digunakan yaitu Binary Relevance, Classifier Chain, dan Label Powerset. Metrik evaluasi untuk menentukan kinerja terbaik yaitu berdasarkan F1-Score dengan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan kinerja terbaik dibandingkan K-NN dengan nilai F1-Score terbaik di semua metode Problem Transformation. Nilai F1-Score terbaik dengan metode Label Powerset pada algoritma Random Forest sebesar 69%, dan K-NN sebesar 44%. Berdasarkan hasil tersebut, algoritma Random Forest dengan Label Powerset lebih efektif dalam mengklasifikasikan soal multi-label. Diharapkan penelitian ini dapat memberikan kontribusi dalam meningkatkan efisiensi pengelolaan soal ujian pada sistem pembelajaran online seperti Learning Management System (LMS)
Analisis Sentimen pada Ulasan LMS Pembelajaran Menggunakan Metode Natural Language Processing
Full text linkCoursera merupakan sebuah LMS yang dapat di akses oleh siapa saja dan di mana saja. Bagi pengguna android dapat mengunduhnya melalui Google Play Store. Selain mengunduh pengguna juga dapat memberikan nilai dan komentar terhadap aplikasi yang di gunakan. Komentar masyarakat yang ada di Google Play Store cukup beragam dan memiliki sifat acak. Agar dapat mengetahui komentar yang di tulis oleh pengguna merupakan komentar positif atau negatif, maka dilakukan analisis sentimen terhadap komentar pengguna. Peneliti menggunakan data komentar dari 3 negara sebagai pembanding tren komentar setiap negara. Selain itu juga peneliti menggunakan 3 algoritma berbeda untuk menghitung hasil dari komentar masyarakat. 3 algoritma yang digunakan ialah Naive Bayes, SVM, dan KNN. Untuk mendapatkan hasil yang maksimal dari analisis sentimen maka digunakan metode ensemble dengan menggabungkan 3 algoritma. Dengan menggunakan metode ensemble hasil yang di dapatkan menjadi lebih optimal sehingga mengetahui tren komentar masyarakat dari 3 negara lebih mengarah ke positif. Dari ketiga negara, Amerika merupakan negara dengan presentase komentar positif tertinggi
INTEGRASI ALGORITMA APRIORI DAN K-MEANS DALAM ANALISIS POLA PEMBELIAN UNTUK MENINGKATKAN STRATEGI PEMASARAN
Full text linkUMKM pada bidang usaha kuliner sedang mengalami peningkatan yang signifikan sehingga muncul persaingan dalam dunia bisnis yang semakin tidak terelakkan. Selain itu, kebiasaan pelanggan dalam melakukan pembelian yang membutuhkan waktu lama menjadi perhatian khusus bagi pemilik bisnis Premium Salad.co untuk dapat membuat penawaran produk yang lebih sesuai dengan keinginan pelanggann. Oleh karena itu, penelitian ini bertujuan untuk membentuk sebuah strategi pemasaran dalam bentuk rekomendasi paket menu atau dapat juga digunakan sebagai paket bundling produk dengan memperhatikkan produk apa saja yang memiliki frekuensi penjualan yang sering dibeli secara bersamaan oleh pelanggan, hal ini bertujuan untuk meningkatkan daya tarik pelanggan. pada saat memilih dan membeli produk, meningkatkan keuntungan penjualan, pemerataan penjualan produk, sekaligus inovasi baru untuk mengimbangi adanya persaingan bisnis kuliner. Data transaksi yang sebelumnya tidak dimanfaatkan secara optimal oleh Premium Salad.co kini dapat dimanfaatkan untuk mencari pengetahuan lebih dalam mengenai gambaran penjualan produk yang terjadi secara keseluruhan dengan bantuan data mining. Pada penelitian ini metode data mining yang digunakan yaitu clustering dan aturan asosiasi. Algoritma k-means berperan untuk mengelompokkan data dalam 4 cluster dengan nilai uji validitas Davies Bouldin Index (DBI) sebesar 0,465. Algoritma apriori berpartisipasi dalam pencarian aturan asosiasi pada cluster. Tujuan dari penggabungan dua metode ini agar menghasilkan aturan asosiasi yang lebih variatif dan lebih sesuai dengan penyelesaian masalah yang dibutuhkan. Dengan menetapkan dukungan minimum sebesar 0,01 dan kepercayaan minimum sebesar 0,5. Pada cluster 0 dengan dataset 321 transaksi menghasilkan 1 aturan dengan tingkat kepercayaan tertinggi sebesar 75%. Cluster 3 dengan dataset paling kecil yaitu 127 transaksi mampu menghasilkan sejumlah 16 aturan dengan tingkat kepercayaan tertinggi mencapai 100%
DESIGN AND BUILD AN ONLINE RESERVASTION SYSTEM FOR HEALTH SERVICES AT PET CLINICS USING THE PRIORITY SCHEDULING ALGORITHM
Full text linkThe limited number of veterinarians and the absence of an online reservation service at Louis Pet Shop Palu, which requires prospective patients or customers to come in person to take a queue number and wait to receive medical services. The long queues that often occur cause inconvenience and waste of time for customers. In addition, the mismatch of schedules with customer preferences adds to the inconvenience, which can result in customer dissatisfaction and potential losses for the clinic as customers seek services elsewhere that are more convenient. This research uses the Black Box testing method to ensure the smooth running of the created program. In conclusion, this problem can be overcome by building an online reservation information system that integrates a priority-based queue management mechanism. The implementation of this feature uses Priority Scheduling Algorithm combined with WhatsApp Gateway as a reminder
PERANCANGAN ARCHITECTURE ENTERPRISE DENGAN ARTIFICIAL INTELLIGENCE DALAM PELAYANAN PENERBITAN TANDA TANGAN ELEKTRONIK DISKOMINFO KOTA PALU MENGGUNAKAN TOGAF ADM
Full text linkSeiring perkembangan teknologi di era industri 5.0 telah mempengaruhi berbagai aspek terutama pada pelayanan tanda tangan elektronik, dimana pada era teknologi saat ini tidak hanya menjadi atau untuk memfasilitasi kehidupan sehari-hari tetapi juga mendorong inovasi di berbagai bidang untuk memecahkan masalah global dan meningkatkan kualitas hidup secara keseluruhan. Namun penerapan teknologi informasi pada diskominfo masih menghadapi beberapa tantangan, seperti proses bisnis dan prosedur standar operasional yang tidak terstruktur dan terorganisir serta masih kurangnya efisiensi dalam penggunaan teknologi. Oleh karena itu, untuk meningkatkan kualitas pada pelayanan pada tanda tangan maka solusi yang dibutuhkan yaitu membangun perancangan arsitektur perusahaan dengan kecerdasan buatan dengan menggunakan TOGAF ADM dalam meningkatkan pelayanan organisasi dalam mendukung pengembangan kota pintar di Kota Palu. Sedangkan tahapan yang dikerjakan pada perancangan menggunakan TOGAF ADM dimulai dari Tahap Pendahuluan, visi arsitektur, arsitektur bisnis, sistem informasi, arsitektur, dan arsitektur teknologi selaras dengan standar yang diperlukan proses bisnis dan prosedur operasional standar. Hasil perancangan akan menghasilkan rencana strategi yang akan menyatukan arsitektur bisnis, data, aplikasi dan teknologi dalam hubungan untuk mendekati satu sama lain
SEGMENTASI DENGAN METODE ACTIVE CONTOUR UNTUK PENINGKATAN AKURASI KLASIFIKASI CITRA USG KANKER PAYUDARA MENGGUNAKAN K-NEAREST NEIGHBOR (KNN)
Full text linkKanker payudara, sebuah penyakit yang mengancam, ditandai oleh pertumbuhan sel yang tak terkendali yang dapat menyerang jaringan sehat dalam payudara. Segmentasi citra digital menjadi penting untuk memisahkan gambaran kanker dari latar belakangnya, memungkinkan analisis yang lebih mendalam. Dalam penelitian ini, metode Grayscale, Median Filtering, dan Aktif Kontur diadopsi untuk mengidentifikasi morfologi kanker dalam citra, sementara proses klasifikasi menggunakan metode K-Nearest Neighbor dengan ekstraksi fitur melalui Gray Level Co-Occurrence Matrix untuk menganalisis tekstur kanker. Temuan dari penelitian ini menegaskan bahwa proses aktif kontur digunakan untuk melihat morfologi kanker, diikuti dengan pemotongan citra asli sesuai dengan kontur yang dihasilkan. Selain itu, hasil pengujian K-Nearest Neighbor pada K=18 dengan pembagian data 90% untuk Data Training dan 10% untuk Data Uji menggunakan K-Fold Cross Validation, menunjukkan akurasi algoritma sebesar 68% yang diperoleh melalui Confusion Matrix
ANALISIS PERFORMA ARSITEKTUR CNN INCEPTIONV3 DAN VGG16 DALAM KLASIFIKASI DETEKSI KANKER OTAK
Full text linkKanker otak merupakan salah satu jenis kanker paling mematikan dengan tingkat kematian yang tinggi. Keterlambatan dalam diagnosis dan rendahnya kesadaran masyarakat menjadi faktor utama tingginya angka kematian tersebut, sehingga diperlukan metode deteksi yang efektif untuk diagnosis dini. Penelitian ini bertujuan untuk mengevaluasi kinerja dua arsitektur Convolutional Neural Network (CNN), yaitu InceptionV3 dan VGG16, dalam klasifikasi deteksi kanker otak menggunakan dataset MRI berlabel dari Kaggle. Langkah-langkah penelitian meliputi pengumpulan dataset, Analisis Data Eksplorasi (EDA), preprocessing, pembuatan model, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model InceptionV3 mencapai akurasi sebesar 91,67% dengan test loss 0,3329, sementara VGG16 mencapai akurasi sebesar 82,14% dengan test loss 0,5027. Model VGG16 mengalami fluktuasi signifikan dibandingkan dengan InceptionV3, yang mengindikasikan adanya overfitting. Selain itu, InceptionV3 menunjukkan hasil precision, recall, dan F1-score yang lebih tinggi dibandingkan dengan VGG16. Evaluasi menggunakan confusion matrix menunjukkan bahwa InceptionV3 memiliki performa yang lebih baik dalam memprediksi kanker otak dengan jumlah kesalahan prediksi yang lebih rendah dibandingkan dengan VGG16. Hasil ini menunjukkan bahwa InceptionV3 lebih andal dan akurat dalam mendeteksi kanker otak dibandingkan dengan VGG16
SISTEM REKOMENDASI PEMBERIAN KREDIT PADA NASABAH KOPERASI ARSIYAH DENGAN METODE FUZZY TSUKAMOTO BERBASIS WEB
Full text linkSalah satu lembaga pemberi pinjaman di Kabupaten Lamongan adalah Koperasi Arsiyah. Koperasi ini menawarkan pinjaman kepada nasabah di wilayah Kabupaten Lamongan setiap harinya. Koperasi Arsiyah memiliki aturan yang menyatakan bahwa pinjaman hanya dapat disetujui hingga 40% dari harga jaminan debitur. Terkadang Koperasi Arsiyah masih enggan untuk memberikan pinjaman meskipun lebih dari 50%. Dengan menawarkan estimasi alternatif dan mengkonfirmasi kelayakan pinjaman yang dibuat debitur, sistem pendukung keputusan pinjaman membantu divisi analisis kredit Koperasi Arsiyah di Kabupaten Lamongan membuat pilihan. Sistem ini berisi beberapa kriteria, termasuk jangka waktu pinjaman, biaya agunan, dan kondisi barang, dan menggunakan pendekatan fuzzy Tsukamoto untuk memperkirakan kelayakan debitur untuk mendapatkan pinjaman. Berdasarkan situs web yang dapat digunakan oleh para analis dan pemberi pinjaman Koperasi Arsiyah, metode prediksi ini dibuat