{"title":"Evaluasi Kinerja Internet Kampus Universitas Tanjungpura dengan Analisis Quality of Service dan User Acceptance Test","authors":"Herry Sujaini, Muanuddin -, Fitri Imansyah, Yus Sholva, Ferry Hadary, Eva Dolorosa, Andi Ihwan, M. M. Danial, Silvia Uslianti, P. ., Dwi Zulfita, Aktris Nuryanti, Rommy Patra, Yuline -, Stepanus Sahala Sitompul, Syaifurrahman -, Alhadiansyah -, M. Yusuf, Achmadi -, Rachmawati -, Wendy -, H. -, Syarif Hasyim Azizurrahman, Witarsa -, Endang Purwaningsih, Syamswisna -, Bistari -, Ade Mirza, Asep Nursangaji, Ratna Herawatiningsih, Kurniati Ningsih, Surachman -, Meiran Panggabean, Siti Hadijah, Rahmidiyani -, Priyo Saptomo, Memet Agustiar, Vivi Bachtiar, Afrizal -, S. Budi, Y. G. Sutapa, Windhu Putra, Nurmainah -, Elly Suharlina, Zubaidah R, Erni Djun Astuti, M. -, Riduansyah -, Agustina Listiawati, Imam Ghozali, Ade Elbani, Yulis Jamiah, Edy Suasono, Ismawartati -, Aswandi -, Uti Asikin, Siti Halidjah","doi":"10.26418/jp.v9i1.63541","DOIUrl":"https://doi.org/10.26418/jp.v9i1.63541","url":null,"abstract":"Paper ini membahas tentang evaluasi kualitas layanan internet di Universitas Tanjungpura. Penulis menggunakan dua metode analisis, yaitu Quality of Service (QoS) dan User Acceptance Test (UAT) untuk mengukur kinerja internet di kampus Universitas Tanjungpura. Pada analisis QoS, penulis mengukur beberapa parameter kinerja internet, seperti throughput, delay, packet loss, dan jitter, untuk setiap fakultas di kampus. Hasil analisis menunjukkan bahwa throughput tertinggi berada di Fakultas Teknik (FT) dengan nilai rata-rata 87,90 MB, sementara delay dan packet loss terendah terdapat di Fakultas Ekonomi dan Bisnis (FEB) dengan nilai rata-rata 0,16 ms dan 0,00% secara berturut-turut. Sementara itu, pada analisis UAT, penulis melakukan survei terhadap mahasiswa untuk mengetahui penggunaan internet di kampus dan kepuasan mereka terhadap layanan internet yang disediakan. Hasil survei menunjukkan bahwa mayoritas mahasiswa menganggap internet di kampus memadai dan lancar, serta sering digunakan untuk belajar dan mengakses media sosial.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"21 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89556672","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Anggi Srimurdianti Sukamto, W. Setiawan, E. Pratama
{"title":"Data Mining untuk Pengelompokan Saham pada Sektor Energi dengan Metode K-Means","authors":"Anggi Srimurdianti Sukamto, W. Setiawan, E. Pratama","doi":"10.26418/jp.v9i1.62509","DOIUrl":"https://doi.org/10.26418/jp.v9i1.62509","url":null,"abstract":"Saham adalah kepemilikan hak oleh perorangan (pemegang saham) pada suatu perusahaan berdasarkan pemberian modal sehingga dianggap memiliki kepemilikan dan pengawasan perusahaan tersebut berdasarkan bagian tertentu. Menurut data dari Indonesia Stock Exchange (IDX) pada tahun 2020, jumlah investor di Pasar Modal Indonesia yang terdiri dari investor saham, reksadana dan obligasi, mengalami kenaikan 56 persen yaitu 3,87 juta Single Investor Identification (SID) sampai pada tanggal 29 Desember 2020. Kenaikan ini menjadi 4 kali lipat lebih tinggi sejak 4 tahun terakhir. Investor saham juga mengalami kenaikan sebanyak 53 persen menjadi 1,68 juta SID. Hal tersebut menunjukkan besarnya minat masyarakat terhadap keikutsertaan pada kepemilikan saham. Namun dalam berinvestasi terdapat risiko. Risiko dalam berinvestasi di pasar modal sebenarnya dapat diminimalisir dengan pemilihan saham yang benar terutama dalam hal fundamendal perusahaan. Penelitian ini menggunakan metode K-Means untuk mengelompokan saham sesuai dengan karakteristiknya. Berdasarkan perhitungan, didapatkan sebanyak 5 kali Iterasi untuk 4 Kelas/Cluster yang telah didefinisikan diawal. Selain itu, didapatkan hasil bahwa Kelas/Cluster 1 dan 4 diisi oleh emiten-emiten yang memiliki fundamental buruk serta Kelas/Cluster 2 berisi emiten pemberi dividen yang tinggi. Secara keseluruhan, didapatkan kesimpulan bahwa algoritma K-Mean dapat digunakan untuk membantu para Investor dalam melakukan pencarian emiten yang sesuai dengan karakteristik yang diinginkan.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"104 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"80523415","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Hengky Anra, Helen Sastypratiwi, Muslimah Muslimah
{"title":"Perancangan Game Visual Novel sebagai Alat Ukur Tingkat Social Anxiety Disorder Remaja","authors":"Hengky Anra, Helen Sastypratiwi, Muslimah Muslimah","doi":"10.26418/jp.v9i1.61849","DOIUrl":"https://doi.org/10.26418/jp.v9i1.61849","url":null,"abstract":"The Indonesia National Adolescent Mental Health Survey (I-NAMHS) yang bekerja sama dengan Universitas Gadjah Mada Di Indonesia menyatakan 2,45 juta remaja didiagnosis mengalami gangguan jiwa gabungan sosial fobia dan kecemasan umum dalam 12 bulan terakhir. Social Anxiety Disorder atau fobia sosial dapat disebabkan oleh beberapa faktor eksternal dan internal. Kurangnya budaya dalam menormalisasi konseling bersama tenaga kesehatan menyebabkan gangguan ini sulit terdeteksi serta stigma masyarakat yang menyebabkan kegiatan ini semakin dihindari. Meskipun demikian, tak jarang dari mereka memiliki keinginan untuk berkonsultasi dengan profesional meskipun terbatas dalam berbagai hal. Penelitian ini bertujuan untuk mengidentifikasi kemungkinan gamifikasi pada dunia kesehatan mental terkhususnya pada bidang Social Anxiety Disorder. Dengan merancang sebuah game visual novel yang berupa game-based assessment dan diharapkan dapat digunakan sebagai alat ukur tingkat social anxiety pada remaja. Metodologi penelitian yang digunakan meliputi tahap perancangan game, pengujian game melalui Skala Likert, dan analisis data hasil pengujian. Hasil utama dari penelitian ini adalah pengembangan game visual novel sebagai alat ukur social anxiety pada remaja yang dapat diimplementasikan pada masa depan.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"2001 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89984485","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Tri Widodo, Angga Bayu Santoso, Sahrial Ihsani Ishak, Ramli Rumeon
{"title":"Sistem Kendali Proporsional Kualitas Air berupa Ph dan Suhu pada Budidaya Ikan Lele Berbasis IoT","authors":"Tri Widodo, Angga Bayu Santoso, Sahrial Ihsani Ishak, Ramli Rumeon","doi":"10.26418/jp.v9i1.59607","DOIUrl":"https://doi.org/10.26418/jp.v9i1.59607","url":null,"abstract":"Banyaknya kematian bibit yang masih kecil dalam pemeliharaan disebabkan oleh kurangnya perhatian dari media dan pemeliharaan kondisi air. Kegagalan budidaya ikan dapat disebabkan oleh air dengan keasaman (pH) yang terlalu asam atau basa, dan suhu yang tidak sesuai akan mempengaruhi angka kematian. Tingkat keasaman (pH) air yang baik untuk ikan lele adalah 6,5 – 8,5. Tingkat pH 9 ke atas akan menyebabkan nafsu makan ikan lele menurun dan tingkat pH air di bawah 5 akan menyebabkan penggumpalan lendir di insang ikan lele dan mudah berkembang biaknya jamur atau bakteri patogen. Suhu air yang baik untuk pertumbuhan ikan adalah antara 20-30°C. Perubahan cuaca yang sewaktu-waktu berubah secara ekstrem, hujan yang terus menerus dan kemudian panas yang tinggi akan membuat suhu dan pH air berubah drastis sehingga menyebabkan ikan lele mengalami stress dan kematian. Berdasarkan pengamatan tersebut, diperlukan suatu alat yang mampu menjaga kualitas air berupa suhu dan pH air. Sistem Pengendalian Kualitas Air berupa pH dan suhu air dengan kontrol proporsional dapat mengontrol keasaman pH dan suhu air pada budidaya ikan lele. Sistem ini terbukti berhasil meningkatkan pertumbuhan pada kolam A dengan sistem. pertumbuhan ikan lele dari 4 cm ke ukuran 5 – 6 cm meningkat 7.7% lebih tinggi dari kolam B tanpa sistem. Pertumbuhan ikan lele ke ukuran 7 – 8 cm pada kolam A 3.5% lebih tinggi daripada kolam B. Pertumbuhan ikan lele ke ukuran 9 cm pada kolam A 4% lebih tinggi dan angka kematian pada kolam A dengan sistem 16% lebih rendah dibandingkan dengan kolam B tanpa sistem. Sistem kendali kualitas air berupa pH dan suhu air ini terbukti mampu meningkatkan pertumbuhan dan menekan kematian ikan lele dengan menjaga kestabilan suhu dan pH air kolam pada nilai setpoint dan aplikasi android yang dibuat berhasil menampilkan nilai dari pembacaan dari sensor pH dan suhu yang telah ditampung di dalam cloud firebase sehingga memonitoring kualitas air berupa suhu dan pH air dapat dilakukan dari jarak jauh.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"7 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"87848587","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Reduksi Atribut Menggunakan Chi Square untuk Optimasi Kinerja Metode Decision Tree C4.5","authors":"Anirma Kandida Br Ginting, Maya Silvi Lydia, Elviawaty Muisa Zamzami","doi":"10.26418/jp.v9i1.56542","DOIUrl":"https://doi.org/10.26418/jp.v9i1.56542","url":null,"abstract":"Pada metode decision tree C4.5, proses split atribut masih belum dapat secara maksimal mengoptimalkan kinerja akurasi pada decision tree yang disebabkan oleh noisy pada atribut yang kurang relevan. Hal tersebut berimplikasi terhadap ukuran dari pohon keputusan menjadi over-fitting sehingga perolehan akurasi pengujian menjadi kurang maksimal. Reduksi atribut merupakan salah satu cara yang dapat dilakukan dalam melakukan seleksi terhadap atribut data yang memiliki persentase pengaruh cenderung kecil sehingga diharapkan mampu dalam meningkatkan akurasi pada metode klasifikasi data. Adapun metode yang diusulkan pada penelitian ini yang digunakan untuk mereduksi atribut yang kurang relevan dari dataset yaitu dengan metode Chi Square sehingga menghasilkan atribut yang mempunyai pengaruh besar terhadap data dan kemudian diklasifikasikan menggunakan decision tree C4.5. Untuk melakukan pengujian terhadap model yang diusulkan, maka penelitian ini menggunakan dataset dari kaggle.com yaitu South Germany Credit yang terdiri dari 1000 records data dengan 20 atribut. Evaluasi kinerja klasikasi yang diusulkan yaitu berdasarkan Confusion Matrix. Dari hasil uji metode yang diusulkan, didapatkan kesimpulan bahwa metode yang diusulkan mampu meningkatkan akurasi decision tree c4.5 dengan rata-rata peningkatan akurasi sebesar 2.5%.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"43 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"81990904","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Hartinah Hartinah, Ady Wahyudi Paundu, Amil Ahmad Ilham
{"title":"Deteksi Malware Ransomware Berdasarkan Panggilan API dengan Metode Ekstraksi Fitur N-gram dan TF-IDF","authors":"Hartinah Hartinah, Ady Wahyudi Paundu, Amil Ahmad Ilham","doi":"10.26418/jp.v9i1.58721","DOIUrl":"https://doi.org/10.26418/jp.v9i1.58721","url":null,"abstract":"Ransomware merupakan ancaman malware yang paling menakutkan saat ini karena memiliki kemampuan mengenkripsi data, selain itu jumlah serangan ransomware yang terus meningkat mengakibatkan kerugian yang tidak sedikit. Penanganan atas serangan ini semakin sulit dilakukan dikarenakan varian ransomware yang terus berkembang. Dibutuhkan suatu sistem yang mampu mendeteksi ransomware bahkan untuk varian ransomware terbaru. Melalui penelitian ini kami membuat suatu sistem yang mampu mendeteksi ransomware dan normalware menggunakan metode machine learning dengan memanfaatkan data panggilan API dari ransomware dan normalware. Pada penelitian ini kami hanya melakukan binary classification untuk semua varian ransomware yang terdeteksi. Proses ekstraksi fitur terlebih dilakukan dengan metode N-gram dan TF-IDF pada panggilan API untuk membentuk subset fitur yang digunakan dalam proses pembelajaran model. Pembuatan model deteksi dilakukan dengan melatih data panggilan API dari beberapa varian ransomware. Pengujian model dilakukan baik terhadap varian ransomware yang sudah dilatih sebelumnya maupun varian ransomware diluar data latih. Proses pembelajaran model dilakukan untuk mencari kesamaan fitur dari data panggilan API berbagai varian ransomware pada data latih, kesamaan fitur ini akan dimanfaatkan untuk mendeteksi varian lain dari ransomware diluar data latih. Hasil penelitian menunjukkan bahwa akurasi rata-rata model terhadap varian ransomware dalam data latih adalah 94% dengan skor error rate tertinggi 10%. Adapun hasil deteksi ransomware untuk varian diluar data latih menunjukkan akurasi rata-rata 83% dengan skor error rate tertinggi 30%. Sehingga dengan demikian model yang dibuat pada penelitian ini dapat digunakan untuk mendeteksi ransomware meskipun varian dari ransomware mengalami perkembangan.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"38 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"82723480","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Sistem Pengendalian Manajemen Organisasi Mahasiswa (Ormawa) pada Perguruan Tinggi dengan Aplikasi Website","authors":"Hariadi Yutanto, Ellen Theresia Sihotang, Kadek Pranetha Prananjaya, Iqbal Ramadhani Mukhlis","doi":"10.26418/jp.v9i1.59065","DOIUrl":"https://doi.org/10.26418/jp.v9i1.59065","url":null,"abstract":"Organisasi mahasiswa (Ormawa) merupakan wadah pembinaan dan pengembangan minat serta bakat mahasiswa pada bidang seni, olahraga maupun bidang ilmiah. Universitas Hayam Wuruk (UHW) Perbanas sebagai salah satu institusi perguruan tinggi swasta di Surabaya memiliki 24 Unit Kegiatan Mahasiswa (UKM). Keseluruhan UKM tersebut tergabung dalam wadah Ormawa. Pengelolaan Ormawa pada perkembangannya memerlukan tata kelola. Penerapannya melalui pemeriksaan (audit) secara rutin dan khusus guna memastikan pelaksanaan program kerja dan pendanaan sesuai dengan standar mutu dan prosedur. Berdasarkan hal tersebut maka tujuan dari penelitian ini adalah merancang sistem informasi pemeriksaan internal berbasis situs web dengan model waterfall. Bahasa pemrograman menggunakan HTML 5, PHP 7 dan terintegrasi dengan aplikasi Ormawasite. Uji coba terhadap sistem telah dilakukan dengan metode black-box dan sistem telah berhasil menyimpan, memperbarui serta menghapus periode pemeriksaan awal maupun akhir, kertas kerja pemeriksaan, serta rubrik penilaian daftar tilik terhadap hasil pemeriksaan. Sistem pemeriksaan Ormawa dengan nama SIRAM dapat diimplementasikan pada periode pemeriksaan berikutnya sebagai penerapan pengendalian internal perguruan tinggi secara efektif dan efisien.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"35 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"86201259","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Data preparation Structure untuk Pemodelan Prediktif Jumlah Peserta Ajar Matakuliah","authors":"Anggi Perwitasari, Rina Septiriana, Tursina Tursina","doi":"10.26418/jp.v8i3.57321","DOIUrl":"https://doi.org/10.26418/jp.v8i3.57321","url":null,"abstract":"Salah satu cara yang dapat dilakukan untuk menciptakan proses pembelajaran efektif di kelas adalah dengan cara memprediksi jumlah mahasiswa yang akan mengambil suatu mata kuliah. Prediksi merupakan suatu proses analisis dengan memanfaatkan informasi atau data dimasa lalu untuk menghasilkan suatu perkiraan terhadap suatu kondisi yang akan terjadi di masa mendatang, Proses prediksi dapat dilakukan dengan berbagai teknik, salah satunya yaitu teknik data mining. Dalam melakukan suatu analisis prediksi, tahapan paling utama adalah melakukan persiapan data mentah menjadi data yang berkualitas serta memastikan bahwa data yang diberikan untuk proses seleksi dan transformasi telah bersih yang dikenal dengan data preparation (preparasi data). Tahapan yang dilakukan dalam melakukan preparasi data meliputi data selection (seleksi data), data pre-processing serta data cleaning yang terdiri dari penanganan missing data, penghapusan data duplicate dan feature construction. Skema data preparation diciptakan dan diimplementasikan dengan memanfaatkan Orange Data mining Tools. Hasil dari preparation data diimplementasikan dalam pemodelan analisa prediktif jumlah peserta ajar mata kuliah di Jurusan Informatika dengan menggunakan 4 (empat) algoritma data mining yaitu Naive Bayes, kNN, SVM, dan Neural Network dengan nilai Accuracy, Precision dan Recall cukup tinggi untuk setiap algoritma yang diujikan.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"18 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"82925007","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Perbedaan Tingkat Usability Heuristics Evaluation pada Learning Management System Berdasarkan Latar Belakang Pengguna","authors":"Farhan Ramadhan, Agung Fatwanto","doi":"10.26418/jp.v9i1.59302","DOIUrl":"https://doi.org/10.26418/jp.v9i1.59302","url":null,"abstract":"Perkembangan teknologi yang cukup pesat banyak memberikan manfaat kepada masyarakat di berbagai bidang. Salah satu bentuk pemanfaatan teknologi tersebut adalah penggunaan Learning Management System (LMS), sebuah perangkat lunak pendukung kegiatan belajar-mengajar secara daring. Agar nyaman digunakan, LMS perlu dirancang dengan mempertimbangkan aspek usability sesuai dengan latar belakang calon penggunanya. Oleh karena itu, penelitian ini bermaksud menyelidiki perbedaan persepsi tingkat usability LMS berdasarkan latar belakang penggunanya, yaitu: gender, angkatan (tahun masuk perguruan tinggi), dan frekuensi penggunaan LMS. Penelitian ini menerapkan metode kuantitatif. Desain penelitian yang digunakan adalah penelitian survey dengan teknik pengumpulan data menggunakan kuesioner. Instrumen yang dipakai adalah Usability Heuristics Evaluation. Pengumpulan data dilakukan pada dua perguruan tinggi (PT) negeri di Yogyakarta, masing-masing dilakukan sebanyak dua tahap. Analisis data pada penelitian ini menggunakan analisis statistik deskriptif. Hasil yang didapatkan pada penelitian ini adalah secara umum: i) perempuan cenderung memberikan penilaian tingkat usability LMS yang lebih tinggi dibanding laki – laki; ii) mahasiswa angkatan yang lebih muda cenderung memberikan penilaian tingkat usability LMS yang lebih tinggi dibanding seniornya; iii) pengguna yang lebih sering memakai LMS cenderung memberikan penilaian tingkat usability LMS yang lebih tinggi dibanding mereka yang lebih jarang memakai.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"50 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"85752612","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Alvin Eka Putra, M. F. Naufal, Vincentius Riandaru Prasetyo
{"title":"Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning","authors":"Alvin Eka Putra, M. F. Naufal, Vincentius Riandaru Prasetyo","doi":"10.26418/jp.v9i1.58186","DOIUrl":"https://doi.org/10.26418/jp.v9i1.58186","url":null,"abstract":"Rempah merupakan salah satu kekayaan yang dimiliki oleh Indonesia. Berdasarkan data yang dimiliki Negari Rempah Foundation, terdapat sekitar 400 hingga 500 spesies rempah di dunia dan 275 jenis rempah terdapat di Asia Tenggara terutama di Indonesia. Jenis rempah beragam dan memiliki kemiripan satu dengan yang lain sehingga sulit untuk dibedakan. Maka dari itu untuk mempertahankan pengetahuan mengenai rempah-rempah yang dimiliki Indonesia, diperlukan aplikasi klasifikasi jenis rempah yang akurat sehingga pengetahuan masyarakat tentang rempah tetap terjaga. Selain itu di bidang industri dapat meningkatkan efisiensi dalam industri rempah. Penggunaan teknologi dalam klasifikasi jenis rempah dapat meningkatkan efisiensi dalam industri rempah. Dengan teknologi yang tepat, waktu yang dibutuhkan untuk mengidentifikasi jenis rempah dapat dipercepat, dan juga meminimalkan risiko kesalahan manusia. Keterbatasan citra rempah juga menjadi permasalahan pada klasifikasi jenis rempah. Convolutional Neural Network (CNN) dengan arsitektur transfer learning adalah metode klasifikasi citra yang memiliki performa yang baik pada dataset dengan jumlah yang terbatas. Eksperimen yang dilakukan menggunakan 6 arsitketur CNN, yaitu Xception, MobileNetV2, DenseNet201, VGG16, VGG19, dan ResNet50. Terdapat 10 jenis rempah yang diklasifikasikan yaitu jahe, kunyit, kunci, adas, merica, laos, jintan, kencur, temulawak, dan ketumbar. Berdasarkan hasil eksperimen yang dilakukan Xception adalah arsitektur terbaik dengan F1 Score sebesar 96.99%.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"80 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"83946124","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
