Fransiska Risa Denibetri, Eva Faja Ripanti, Haried Novriando
Alat berat adalah komponen penting pada proyek kontstruksi dan evakuasi. Ketersedian alat berat yang terbatas membuat Dinas Pekerjaan Umum dan Penataan Ruang (DPUPR) Kota Pontianak yang dikelola oleh UPTD Alat Berat menyediakan jasa penyewaan alat berat untuk menghasilkan Pemasukan Anggaran Daerah (PAD). Sistem yang sudah berjalan memiliki beberapa kelemahan yaitu setiap proses-proses belum terintegrasi secara real time, sehingga untuk mengoptimalkan proses monitor, kontrol dan pengambilan keputusan diperlukan sistem informasi pengelolaan alat berat. Sistem informasi pengelolaan alat berat yang akan dikembangkan pada penelitian ini memfasilitasi proses pendataan alat berat, penyewaan alat berat dimana penyewaan terdiri atas kegiatan sewa alat, pembayaran, penjadwalan, dan perekapan berkas, dan perawatan yang terdiri atas kegiatan pendataan perawatan serta pembelian sparepart. Penelitian ini bertujuan untuk mengoptimalkan sistem pengelolaan alat berat dalam pemonitoran, pengontrolan dan pengambilan keputusan. Beberapa pendekatan yang digunakan untuk mengumpulkan data-data yang dibutuhkan yaitu studi literatur, observasi, dan wawancara. Pengembangan sistem dibuat dengan metode system development life cycle, dengan model Rapid Application Development (RAD) yaitu prototype. Pengembangan prototype menggunakan aplikasi desain digital figma. Sistem yang dikembangkan berbasis website menggunakan framework PHP codeigniter 4. Pengujian sistem menggunakan black box testing dan UAT. Sistem yang dikembangkan dapat berjalan sesuai kebutuhan sistem informasi pengelolaan alat berat dan diterima oleh pengguna dengan sangat baik, hal tersebut menunjukan keefektifan penggunaan model prototipe dalam pengembangan perangkat lunak yang berfokus pada kepuasan pengguna dikarenakan adanya komunikasi dan kerja sama tim yang baik. Penggunaan aplikasi desain digital seperti figma mempermudah saat memberi gambaran yang jelas kepada pengguna terutama saat menggunakan model prototype.
{"title":"Sistem Informasi Pengelolaan Alat Berat (Studi Kasus Dinas Pekerjaan Umum dan Penataan Ruang Kota Pontianak)","authors":"Fransiska Risa Denibetri, Eva Faja Ripanti, Haried Novriando","doi":"10.26418/jp.v9i2.63972","DOIUrl":"https://doi.org/10.26418/jp.v9i2.63972","url":null,"abstract":"Alat berat adalah komponen penting pada proyek kontstruksi dan evakuasi. Ketersedian alat berat yang terbatas membuat Dinas Pekerjaan Umum dan Penataan Ruang (DPUPR) Kota Pontianak yang dikelola oleh UPTD Alat Berat menyediakan jasa penyewaan alat berat untuk menghasilkan Pemasukan Anggaran Daerah (PAD). Sistem yang sudah berjalan memiliki beberapa kelemahan yaitu setiap proses-proses belum terintegrasi secara real time, sehingga untuk mengoptimalkan proses monitor, kontrol dan pengambilan keputusan diperlukan sistem informasi pengelolaan alat berat. Sistem informasi pengelolaan alat berat yang akan dikembangkan pada penelitian ini memfasilitasi proses pendataan alat berat, penyewaan alat berat dimana penyewaan terdiri atas kegiatan sewa alat, pembayaran, penjadwalan, dan perekapan berkas, dan perawatan yang terdiri atas kegiatan pendataan perawatan serta pembelian sparepart. Penelitian ini bertujuan untuk mengoptimalkan sistem pengelolaan alat berat dalam pemonitoran, pengontrolan dan pengambilan keputusan. Beberapa pendekatan yang digunakan untuk mengumpulkan data-data yang dibutuhkan yaitu studi literatur, observasi, dan wawancara. Pengembangan sistem dibuat dengan metode system development life cycle, dengan model Rapid Application Development (RAD) yaitu prototype. Pengembangan prototype menggunakan aplikasi desain digital figma. Sistem yang dikembangkan berbasis website menggunakan framework PHP codeigniter 4. Pengujian sistem menggunakan black box testing dan UAT. Sistem yang dikembangkan dapat berjalan sesuai kebutuhan sistem informasi pengelolaan alat berat dan diterima oleh pengguna dengan sangat baik, hal tersebut menunjukan keefektifan penggunaan model prototipe dalam pengembangan perangkat lunak yang berfokus pada kepuasan pengguna dikarenakan adanya komunikasi dan kerja sama tim yang baik. Penggunaan aplikasi desain digital seperti figma mempermudah saat memberi gambaran yang jelas kepada pengguna terutama saat menggunakan model prototype.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"9 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136214862","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}
Rahmat Purwoko, Dimas Febriyan Priambodo, Ghiffari Adhe Permana, Wawan Laksito Yuly Saptomo, Sri Siswanti, Muhammad Hasbi
Honeypot merupakan salah satu strategi yang digunakan untuk melindungi jaringan dari serangan siber. Honeypot digunakan untuk menarik penyerang agar menyerang honeypot tersebut daripada perangkat-perangkat jaringan. Namun, penggunaan honeypot masih jarang terjadi di tingkat korporat maupun individu karena membutuhkan tenaga profesional dan infrastruktur khusus untuk mengelolanya selama implementasi. Berdasarkan permasalahan ini, peneliti mengusulkan solusi Software-as-a-Service (SaaS) yang disebut Honeypot-as-a-Service (HaaS). HaaS adalah layanan honeypot berbasis cloud yang dikelola oleh orkestrasi kontainer Kubernetes Cluster. Penggunaan Kubernetes Cluster dirancang untuk mengotomatiskan konstruksi, penjadwalan, pemeliharaan, dan penghapusan honeypot berkontainer. Otomatisasi ini dimaksudkan untuk membantu pelanggan yang ingin menggunakan sistem pertahanan berbasis honeypot dalam jaringan mereka tanpa harus menjalankan honeypot mereka sendiri. Pengguna dapat mendaftar akun dan mengonfigurasi honeypot menggunakan dashboard yang langsung terhubung ke cloud honeypot. Sistem ini sedang dikembangkan di lingkungan pusat data Departemen Keamanan Siber dari Politeknik Siber dan Sandi Negara, yang dikelola dengan manajemen virtualisasi Proxmox Virtual Environment. Komponen-komponen dari sistem HaaS terdiri dari honeypot di Kubernetes Cluster, HaaS-proxy, dan HaaS Dashboard. Sistem yang telah dibuat kemudian diuji availability, performance, functionality, and scenario. Hasil evaluasi sistem menunjukkan bahwa sistem HaaS membutuhkan pengembangan lebih lanjut. Meskipun ketersediaan dan performa sistem HaaS telah memenuhi kriteria layanan berbasis cloud, namun fungsionalitas sistem tidak memenuhi standar layanan SaaS secara umum. Namun, honeypot dibangun untuk memenuhi tujuan honeypot dalam menarik penyerang.
{"title":"Honeypot-as-a-Service dengan Kubernetes Cluster","authors":"Rahmat Purwoko, Dimas Febriyan Priambodo, Ghiffari Adhe Permana, Wawan Laksito Yuly Saptomo, Sri Siswanti, Muhammad Hasbi","doi":"10.26418/jp.v9i2.62076","DOIUrl":"https://doi.org/10.26418/jp.v9i2.62076","url":null,"abstract":"Honeypot merupakan salah satu strategi yang digunakan untuk melindungi jaringan dari serangan siber. Honeypot digunakan untuk menarik penyerang agar menyerang honeypot tersebut daripada perangkat-perangkat jaringan. Namun, penggunaan honeypot masih jarang terjadi di tingkat korporat maupun individu karena membutuhkan tenaga profesional dan infrastruktur khusus untuk mengelolanya selama implementasi. Berdasarkan permasalahan ini, peneliti mengusulkan solusi Software-as-a-Service (SaaS) yang disebut Honeypot-as-a-Service (HaaS). HaaS adalah layanan honeypot berbasis cloud yang dikelola oleh orkestrasi kontainer Kubernetes Cluster. Penggunaan Kubernetes Cluster dirancang untuk mengotomatiskan konstruksi, penjadwalan, pemeliharaan, dan penghapusan honeypot berkontainer. Otomatisasi ini dimaksudkan untuk membantu pelanggan yang ingin menggunakan sistem pertahanan berbasis honeypot dalam jaringan mereka tanpa harus menjalankan honeypot mereka sendiri. Pengguna dapat mendaftar akun dan mengonfigurasi honeypot menggunakan dashboard yang langsung terhubung ke cloud honeypot. Sistem ini sedang dikembangkan di lingkungan pusat data Departemen Keamanan Siber dari Politeknik Siber dan Sandi Negara, yang dikelola dengan manajemen virtualisasi Proxmox Virtual Environment. Komponen-komponen dari sistem HaaS terdiri dari honeypot di Kubernetes Cluster, HaaS-proxy, dan HaaS Dashboard. Sistem yang telah dibuat kemudian diuji availability, performance, functionality, and scenario. Hasil evaluasi sistem menunjukkan bahwa sistem HaaS membutuhkan pengembangan lebih lanjut. Meskipun ketersediaan dan performa sistem HaaS telah memenuhi kriteria layanan berbasis cloud, namun fungsionalitas sistem tidak memenuhi standar layanan SaaS secara umum. Namun, honeypot dibangun untuk memenuhi tujuan honeypot dalam menarik penyerang.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"60 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136215433","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}
Increased public activity in cyberspace (Internet) during the Covid-19 pandemic has also increased cybercrime cases with various attack targets, including E-Government services. Cybercrime is hidden and occurs unnoticed in E-Government, so handling it is challenging for all government agencies. The characteristics of E-Government are unique and different from other service systems in general, requiring extra anticipation for the prevention and handling of cybercrime attack threats. This research proposes log and event data analysis to detect cybercrime in e-Government using System Information and Event Management (SIEM). The main contribution of this research is a simple, fast, and accurate cybercrime detection process in the e-Government environment by increasing the level of log and event data analysis with the SIEM approach. SIEM technology based on machine learning and big data is implemented with Elastic Stack. The implemented technique can be used as a mitigation program against cybercrime threats that often attack and target e-Government. With simple, accurate, and fast cybercrime detection, it is expected to improve e-Government security and increase public confidence in public services organized by government agencies.
{"title":"Simple, Fast, and Accurate Cybercrime Detection on E-Government with Elastic Stack SIEM","authors":"Ichsan Yudhianto","doi":"10.26418/jp.v9i2.64213","DOIUrl":"https://doi.org/10.26418/jp.v9i2.64213","url":null,"abstract":"Increased public activity in cyberspace (Internet) during the Covid-19 pandemic has also increased cybercrime cases with various attack targets, including E-Government services. Cybercrime is hidden and occurs unnoticed in E-Government, so handling it is challenging for all government agencies. The characteristics of E-Government are unique and different from other service systems in general, requiring extra anticipation for the prevention and handling of cybercrime attack threats. This research proposes log and event data analysis to detect cybercrime in e-Government using System Information and Event Management (SIEM). The main contribution of this research is a simple, fast, and accurate cybercrime detection process in the e-Government environment by increasing the level of log and event data analysis with the SIEM approach. SIEM technology based on machine learning and big data is implemented with Elastic Stack. The implemented technique can be used as a mitigation program against cybercrime threats that often attack and target e-Government. With simple, accurate, and fast cybercrime detection, it is expected to improve e-Government security and increase public confidence in public services organized by government agencies.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"109 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136215434","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}
Hutomo Sakti Kartiko, Tedy Rismawan, Ikhwan Ruslianto
Blockchain merupakan teknologi buku besar yang bersifat decentralized. Blockchain memiliki protokol consensus sebagai kesepakatan bersama dalam pengelolaan basis data. Contoh penerapan blockchain yaitu ethereum. Kelebihan ethereum yaitu dapat menjalankan program atau aturan yang disebut sebagai smart contract. Proses perubahan data pada ethereum memerlukan biaya transaksi atau gas fee. Nilai gas fee ini fluktuatif menyesuaikan gas fee terendah saat ini, kepadatan jaringan dan kompleksitas transaksi. Smart contract ethereum tidak efisien untuk menyimpan data yang berukuran besar karena semakin besar data yang disimpan maka semakin kompleks transaksi yang perlu dilakukan. Untuk meningkatkan efisiensi gas fee smart contract maka dilakukan sebuah penelitian dengan menerapkan InterPlanetary File System (IPFS). Teknik yang digunakan yaitu mengkombinasikan teknologi IPFS dengan smart contract ethereum untuk mengurangi kompleksitas transaksi ketika proses penyimpanan data penggalangan dana ke smart contract ethereum. Penerapan IPFS pada aplikasi penggalangan dana membutuhkan gas fee 0,00311847-0,003379868 ETH dengan kecepatan transaksi 12-36 detik. Berdasarkan pengujian sebanyak 40 kali dengan data yang berbeda, penerapan IPFS dapat menurunkan gas fee dengan rata-rata hingga 94,39% dan kecepatan transaksi sistem yang menerapkan IPFS lebih besar 13,55% dari sistem yang tidak menerapkan IPFS.
{"title":"Implementasi IPFS untuk Mengurangi Gas Fee Smart Contract Ethereum pada Aplikasi Penggalangan Dana","authors":"Hutomo Sakti Kartiko, Tedy Rismawan, Ikhwan Ruslianto","doi":"10.26418/jp.v9i2.61876","DOIUrl":"https://doi.org/10.26418/jp.v9i2.61876","url":null,"abstract":"Blockchain merupakan teknologi buku besar yang bersifat decentralized. Blockchain memiliki protokol consensus sebagai kesepakatan bersama dalam pengelolaan basis data. Contoh penerapan blockchain yaitu ethereum. Kelebihan ethereum yaitu dapat menjalankan program atau aturan yang disebut sebagai smart contract. Proses perubahan data pada ethereum memerlukan biaya transaksi atau gas fee. Nilai gas fee ini fluktuatif menyesuaikan gas fee terendah saat ini, kepadatan jaringan dan kompleksitas transaksi. Smart contract ethereum tidak efisien untuk menyimpan data yang berukuran besar karena semakin besar data yang disimpan maka semakin kompleks transaksi yang perlu dilakukan. Untuk meningkatkan efisiensi gas fee smart contract maka dilakukan sebuah penelitian dengan menerapkan InterPlanetary File System (IPFS). Teknik yang digunakan yaitu mengkombinasikan teknologi IPFS dengan smart contract ethereum untuk mengurangi kompleksitas transaksi ketika proses penyimpanan data penggalangan dana ke smart contract ethereum. Penerapan IPFS pada aplikasi penggalangan dana membutuhkan gas fee 0,00311847-0,003379868 ETH dengan kecepatan transaksi 12-36 detik. Berdasarkan pengujian sebanyak 40 kali dengan data yang berbeda, penerapan IPFS dapat menurunkan gas fee dengan rata-rata hingga 94,39% dan kecepatan transaksi sistem yang menerapkan IPFS lebih besar 13,55% dari sistem yang tidak menerapkan IPFS.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"73 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136215435","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}
Bahasa merupakan faktor terpenting yang digunakan dalam interaksi sosial. Kemampuan berbahasa yang berbeda di kalangan masyarakat berpotensi menghambat pertukaran informasi secara verbal. Upaya yang dapat dilakukan untuk mengurangi kesalahan dalam menyampaikan informasi yaitu dengan penggunaan teknologi mesin penerjemahan. Beberapa tahun terakhir, neural machine translation telah menghasilkan terjemahan alami yang lebih akurat menggunakan arsitektur transformers dan framework tensorflow. Namun, saat ini sulit menemukan pasangan data korpus paralel dari bahasa daerah, seperti bahasa Melayu Pontianak dan bahasa Bugis, untuk memudahkan pembuatan korpus paralel digunakan bahasa Indonesia sebagai pivot language dengan arsitektur transformers. Penelitian ini bertujuan untuk mengetahui hasil nilai akurasi pada neural machine translation sebelum dan sesudah menggunakan pivot language dari bahasa Melayu Pontianak ke bahasa Bugis. Data penelitian yang digunakan berjumlah 3000 baris kalimat bahasa Melayu Pontianak dan bahasa Bugis, 3000 baris kalimat bahasa Melayu Pontianak dan bahasa Indonesia, serta 3000 baris kalimat bahasa Indonesia dan bahasa Bugis. Hasil pengujian otomatis BLEU yang diperoleh menggunakan pivot language meningkat sebesar 1,43% dibandingkan pengujian tanpa pivot language. Berdasarkan hasil penelitian penggunaan pivot language dari bahasa Melayu Pontianak ke bahasa Bugis menggunakan neural machine translation mengalami peningkatan nilai akurasi.
{"title":"Pivot Language Bahasa Melayu Pontianak ke Bahasa Bugis Menggunakan Neural Machine Translation","authors":"Alda Dwi Meilinda, Herry Sujaini, Novi Safriadi","doi":"10.26418/jp.v9i2.59813","DOIUrl":"https://doi.org/10.26418/jp.v9i2.59813","url":null,"abstract":"Bahasa merupakan faktor terpenting yang digunakan dalam interaksi sosial. Kemampuan berbahasa yang berbeda di kalangan masyarakat berpotensi menghambat pertukaran informasi secara verbal. Upaya yang dapat dilakukan untuk mengurangi kesalahan dalam menyampaikan informasi yaitu dengan penggunaan teknologi mesin penerjemahan. Beberapa tahun terakhir, neural machine translation telah menghasilkan terjemahan alami yang lebih akurat menggunakan arsitektur transformers dan framework tensorflow. Namun, saat ini sulit menemukan pasangan data korpus paralel dari bahasa daerah, seperti bahasa Melayu Pontianak dan bahasa Bugis, untuk memudahkan pembuatan korpus paralel digunakan bahasa Indonesia sebagai pivot language dengan arsitektur transformers. Penelitian ini bertujuan untuk mengetahui hasil nilai akurasi pada neural machine translation sebelum dan sesudah menggunakan pivot language dari bahasa Melayu Pontianak ke bahasa Bugis. Data penelitian yang digunakan berjumlah 3000 baris kalimat bahasa Melayu Pontianak dan bahasa Bugis, 3000 baris kalimat bahasa Melayu Pontianak dan bahasa Indonesia, serta 3000 baris kalimat bahasa Indonesia dan bahasa Bugis. Hasil pengujian otomatis BLEU yang diperoleh menggunakan pivot language meningkat sebesar 1,43% dibandingkan pengujian tanpa pivot language. Berdasarkan hasil penelitian penggunaan pivot language dari bahasa Melayu Pontianak ke bahasa Bugis menggunakan neural machine translation mengalami peningkatan nilai akurasi.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"6 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136214861","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}
Uray Ristian, Ikhwan Ruslianto, Hirzen Hasfani, Kartika Sari
Pertanian Greenhouse merupakan salah satu sistem dan media pertanian di dalam ruangan. Dalam hal ini, tanaman yang dipantau pertumbuhannya adalah tanaman anggur di Greenhouse di Pondok Pesantren Darul Fikri, Kabupaten Kubu Raya. Greenhouse ini menggunakan node-node nirkabel yang terhubung ke sensor-sensor pembacaan kondisi tanaman seperti suhu udara, kelembapan udara dan kelembapan tanah pada pot anggur untuk disimpan dan diolah web server menjadi sistem informasi. Akan tetapi, makin banyak node nirkabel yang digunakan, maka penggunaan bandwidth dan latency semakin meningkat. Penelitian ini memanfaatkan protokol MQTT (Queuing Telemetry Transport) untuk jalur komunikasi dengan perangkat IoT. Selain itu, protokol MQTT juga dibandingkan dengan protokol HTTP untuk melihat efisiensi dari kecepatan respon time dan latency saat pengiriman data ke server. Perbandingan waktu respon antara MQTT dengan HTTP untuk pengiriman data ke server setiap 1 jam adalah 0.08 detik (MQTT) dan 0.4 detik (HTTP). Kemudian, perbandingan antara pengiriman data ke server setiap 10 menit adalah 0.04 detik (MQTT) dan 0.5 detik (HTTP). Selanjutnya, perbandingan antara pengiriman data ke server setiap detik adalah 0.08 detik (MQTT) dan 1.12 detik (HTTP). Hasilnya, pengiriman data menggunakan protokol MQTT lebih stabil dan waktu responnya lebih cepat dibandingkan dengan HTTP.
{"title":"Perancangan Arsitektur Node Nirkabel dalam Efisiensi Bandwidth Smart Greenhouse Berbasis Protokol MQTT","authors":"Uray Ristian, Ikhwan Ruslianto, Hirzen Hasfani, Kartika Sari","doi":"10.26418/jp.v9i2.63885","DOIUrl":"https://doi.org/10.26418/jp.v9i2.63885","url":null,"abstract":"Pertanian Greenhouse merupakan salah satu sistem dan media pertanian di dalam ruangan. Dalam hal ini, tanaman yang dipantau pertumbuhannya adalah tanaman anggur di Greenhouse di Pondok Pesantren Darul Fikri, Kabupaten Kubu Raya. Greenhouse ini menggunakan node-node nirkabel yang terhubung ke sensor-sensor pembacaan kondisi tanaman seperti suhu udara, kelembapan udara dan kelembapan tanah pada pot anggur untuk disimpan dan diolah web server menjadi sistem informasi. Akan tetapi, makin banyak node nirkabel yang digunakan, maka penggunaan bandwidth dan latency semakin meningkat. Penelitian ini memanfaatkan protokol MQTT (Queuing Telemetry Transport) untuk jalur komunikasi dengan perangkat IoT. Selain itu, protokol MQTT juga dibandingkan dengan protokol HTTP untuk melihat efisiensi dari kecepatan respon time dan latency saat pengiriman data ke server. Perbandingan waktu respon antara MQTT dengan HTTP untuk pengiriman data ke server setiap 1 jam adalah 0.08 detik (MQTT) dan 0.4 detik (HTTP). Kemudian, perbandingan antara pengiriman data ke server setiap 10 menit adalah 0.04 detik (MQTT) dan 0.5 detik (HTTP). Selanjutnya, perbandingan antara pengiriman data ke server setiap detik adalah 0.08 detik (MQTT) dan 1.12 detik (HTTP). Hasilnya, pengiriman data menggunakan protokol MQTT lebih stabil dan waktu responnya lebih cepat dibandingkan dengan HTTP.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"41 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136214863","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}
Penelitian ini dilatarbelakangi oleh kebutuhan akan sebuah aplikasi yang dapat mengevaluasi tingkat penguasaan praktik siswa. Tujuan penelitian adalah menghasilkan aplikasi untuk kebutuhan evaluasi tingkat penguasaan praktik siswa, yang dapat dioperasikan tanpa harus menjalankan aplikasi editor utama terlebih dahulu. Metode penelitian yang digunakan adalah penelitian pengembangan dengan tahapan 4D. Batasan masalah penelitian terletak pada pengembangan aplikasi hanya untuk pengolahan nilai praktik siswa kelas XI jurusan Electrical Avionics pada mata pelajaran Aircraft Electrical. Berdasarkan pengembangan yang dilakukan, aplikasi dapat dijalankan tanpa harus menjalankan aplikasi editor utama terlebih dahulu, mampu memproses input dan mengeluarkan output, serta dapat mencetak tangkapan layar aplikasi. Melalui pemrosesan data nilai-nilai praktik siswa, didapatkan hasil bahwa tingkat penguasaan praktik siswa menggunakan aplikasi (TPF) adalah 75% - 80%. Berbeda halnya dengan tingkat penguasaan praktik siswa bermetode manual (TPM) adalah 80% s/d 87%. Walaupun terdapat perbedaan hasil antara 2 cara tersebut, hubungan antara TPF dan TPM adalah kuat. Uji korelasi Spearmen menunjukkan, nilai korelasi antara TPF dan TPM adalah 0,609 (60,9%) dan berkategori “tinggi”. Hal ini menunjukkan bahwa aplikasi yang telah dibangun mampu menentukan tingkat penguasaan praktikum siswa. Akan tetapi, untuk menyatakan apakah aplikasi layak digunakan dalam skala kecil maupun skala besar, masih diperlukan penelitian dan pengembangan lebih lanjut, seperti uji validasi oleh ahli dan uji penerimaan oleh pengguna. Sehingga diharapkan kedepannya, aplikasi tersebut siap didistribusikan secara luas dan dimanfaatkan oleh berbagai sekolah yang memiliki jurusan Electrical Avionic dalam mengevaluasi kemampuan praktik siswa-siswanya. Evaluasi berdampak signifikan dalam meningkatkan kualitas dan mutu pembelajaran.
{"title":"Pengembangan Aplikasi Evaluasi Tingkat Penguasaan Praktikum Aircraft Electrical Berbasis Fuzzy Expert System Stand Alone Application","authors":"Richard Sambera Sagala, Fatchul Arifin","doi":"10.26418/jp.v9i2.64239","DOIUrl":"https://doi.org/10.26418/jp.v9i2.64239","url":null,"abstract":"Penelitian ini dilatarbelakangi oleh kebutuhan akan sebuah aplikasi yang dapat mengevaluasi tingkat penguasaan praktik siswa. Tujuan penelitian adalah menghasilkan aplikasi untuk kebutuhan evaluasi tingkat penguasaan praktik siswa, yang dapat dioperasikan tanpa harus menjalankan aplikasi editor utama terlebih dahulu. Metode penelitian yang digunakan adalah penelitian pengembangan dengan tahapan 4D. Batasan masalah penelitian terletak pada pengembangan aplikasi hanya untuk pengolahan nilai praktik siswa kelas XI jurusan Electrical Avionics pada mata pelajaran Aircraft Electrical. Berdasarkan pengembangan yang dilakukan, aplikasi dapat dijalankan tanpa harus menjalankan aplikasi editor utama terlebih dahulu, mampu memproses input dan mengeluarkan output, serta dapat mencetak tangkapan layar aplikasi. Melalui pemrosesan data nilai-nilai praktik siswa, didapatkan hasil bahwa tingkat penguasaan praktik siswa menggunakan aplikasi (TPF) adalah 75% - 80%. Berbeda halnya dengan tingkat penguasaan praktik siswa bermetode manual (TPM) adalah 80% s/d 87%. Walaupun terdapat perbedaan hasil antara 2 cara tersebut, hubungan antara TPF dan TPM adalah kuat. Uji korelasi Spearmen menunjukkan, nilai korelasi antara TPF dan TPM adalah 0,609 (60,9%) dan berkategori “tinggi”. Hal ini menunjukkan bahwa aplikasi yang telah dibangun mampu menentukan tingkat penguasaan praktikum siswa. Akan tetapi, untuk menyatakan apakah aplikasi layak digunakan dalam skala kecil maupun skala besar, masih diperlukan penelitian dan pengembangan lebih lanjut, seperti uji validasi oleh ahli dan uji penerimaan oleh pengguna. Sehingga diharapkan kedepannya, aplikasi tersebut siap didistribusikan secara luas dan dimanfaatkan oleh berbagai sekolah yang memiliki jurusan Electrical Avionic dalam mengevaluasi kemampuan praktik siswa-siswanya. Evaluasi berdampak signifikan dalam meningkatkan kualitas dan mutu pembelajaran.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"6 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136214859","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}
Ken Ratri Retno Wardani, Hanjaya Suryalim, Ventje J. Lewi Engel, Hans Christian
Penggunaan sistem pengenalan wajah semakin meningkat dewasa ini karena itu penting untuk menemukan cara yang optimal dalam meningkatkan akurasi pengenalan wajah. Pengenalan wajah memanfaatkan arsitektur Convolution Neural Network (CNN), tersusun dari lapisan-lapisan konvolusi yang diikuti oleh fully connected layer. Lapisan konvolusi ini yang bertanggungjawab atas proses ekstraksi fitur pada citra yang akan digunakan untuk klasifikasi citra tersebut. Pada penelitian ini diuji dua jenis arsitektur CNN yaitu VGG16 dan Inception untuk mengukur akurasi pengenalan wajah. Faktor lain seperti hyperparameter juga memegang andil tingkat akurasi model. Hyperparameter yang diuji pada penelitian kali ini adalah jenis optimizer dan pengaruh perubahan learning rate pada akurasi. Optimizer bekerja dengan cara mengubah nilai bobot dan bias saat proses backpropagation dengan tujuan menghasilkan nilai error yang minimum. Setiap optimizer memiliki algoritma yang unik. Pengujian menggunakan 2 dataset yaitu Komnet dan Yale, serta melakukan pengujian pengaruh preprocessing MCLAHE terhadap akurasi. Hasil akurasi tertinggi yang dicapai adalah arsitektur Inception dengan optimizer AdaDelta pada dataset Komnet+MCLAHE. Akurasi pada tahap pelatihan mencapai 98%. Rata-rata akurasi setelah model diuji dengan 10-fold cross validation adalah 99.3%.
{"title":"Analisis Pemilihan Optimizer dalam Arsitektur Convolution Neural Network VGG16 dan Inception untuk Sistem Pengenalan Wajah","authors":"Ken Ratri Retno Wardani, Hanjaya Suryalim, Ventje J. Lewi Engel, Hans Christian","doi":"10.26418/jp.v9i2.60432","DOIUrl":"https://doi.org/10.26418/jp.v9i2.60432","url":null,"abstract":"Penggunaan sistem pengenalan wajah semakin meningkat dewasa ini karena itu penting untuk menemukan cara yang optimal dalam meningkatkan akurasi pengenalan wajah. Pengenalan wajah memanfaatkan arsitektur Convolution Neural Network (CNN), tersusun dari lapisan-lapisan konvolusi yang diikuti oleh fully connected layer. Lapisan konvolusi ini yang bertanggungjawab atas proses ekstraksi fitur pada citra yang akan digunakan untuk klasifikasi citra tersebut. Pada penelitian ini diuji dua jenis arsitektur CNN yaitu VGG16 dan Inception untuk mengukur akurasi pengenalan wajah. Faktor lain seperti hyperparameter juga memegang andil tingkat akurasi model. Hyperparameter yang diuji pada penelitian kali ini adalah jenis optimizer dan pengaruh perubahan learning rate pada akurasi. Optimizer bekerja dengan cara mengubah nilai bobot dan bias saat proses backpropagation dengan tujuan menghasilkan nilai error yang minimum. Setiap optimizer memiliki algoritma yang unik. Pengujian menggunakan 2 dataset yaitu Komnet dan Yale, serta melakukan pengujian pengaruh preprocessing MCLAHE terhadap akurasi. Hasil akurasi tertinggi yang dicapai adalah arsitektur Inception dengan optimizer AdaDelta pada dataset Komnet+MCLAHE. Akurasi pada tahap pelatihan mencapai 98%. Rata-rata akurasi setelah model diuji dengan 10-fold cross validation adalah 99.3%.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"26 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136214860","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}
Lorna Yertas Baisa, Danny Manongga, Yessica Nataliani
Gempa bumi adalah fenomena alam yang sering terjadi di Indonesia, termasuk di Provinsi Papua. Untuk mengurangi risiko dampak gempa bumi, diperlukan analisis untuk mengidentifikasi daerah-daerah yang rawan terha dap gempa bumi. Penelitian ini bertujuan untuk menganalisis klasterisasi kerawanan gempa di Provinsi Papua menggunakan algoritma Invasive Weed Optimization (IWO). Metode ini dipilih karena dapat menghasilkan klaster yang lebih baik dibandingkan dengan algoritma klasterisasi lainnya. Data yang digunakan adalah data kejadian gempa di Provinsi Papua yang terdiri dari atribut latitude, longitude, magnitude, dan depth mulai tahun 2018 sampai Februari 2023 yang diperoleh dari website Badan Geologi Amerika Serikat yaitu United States Geological Survey (USGS). Tahapan penelitian meliputi normalisasi data, klasterisasi menggunakan algoritma IWO, dan evaluasi hasil klasterisasi menggunakan SSE dan F-Measure. Jumlah klaster terbaik yang dihasilkan oleh metode Elbow yaitu sebanyak enam klaster kerawanan gempa di Provinsi Papua, yang diberi label Sangat Tidak Rawan, Tidak Rawan, Kurang Rawan, Cukup Rawan, Rawan dan Sangat Rawan. Dengan nilai parameter sinitial sebesar 8, algoritma IWO menghasilkan nilai SSE dan F-Measure terkecil dibanding nilai parameter sinitial lainnya, yaitu masing-masing sebesar 19.1002 dan 0.5137. Evaluasi hasil klasterisasi menggunakan SSE menunjukkan nilai yang baik dari 30 kali percobaan, dengan rata-rata SSE sebesar 19.218, lebih kecil dibanding dengan rata-rata SSE hasil metode k-Means dan DBSCAN yaitu masing-masing sebesar 19.307 dan 59.910.
{"title":"Analisis Klasterisasi Kerawanan Gempa Bumi di Provinsi Papua Menggunakan Algoritma Invasive Weed Optimization (IWO)","authors":"Lorna Yertas Baisa, Danny Manongga, Yessica Nataliani","doi":"10.26418/jp.v9i2.65312","DOIUrl":"https://doi.org/10.26418/jp.v9i2.65312","url":null,"abstract":"Gempa bumi adalah fenomena alam yang sering terjadi di Indonesia, termasuk di Provinsi Papua. Untuk mengurangi risiko dampak gempa bumi, diperlukan analisis untuk mengidentifikasi daerah-daerah yang rawan terha dap gempa bumi. Penelitian ini bertujuan untuk menganalisis klasterisasi kerawanan gempa di Provinsi Papua menggunakan algoritma Invasive Weed Optimization (IWO). Metode ini dipilih karena dapat menghasilkan klaster yang lebih baik dibandingkan dengan algoritma klasterisasi lainnya. Data yang digunakan adalah data kejadian gempa di Provinsi Papua yang terdiri dari atribut latitude, longitude, magnitude, dan depth mulai tahun 2018 sampai Februari 2023 yang diperoleh dari website Badan Geologi Amerika Serikat yaitu United States Geological Survey (USGS). Tahapan penelitian meliputi normalisasi data, klasterisasi menggunakan algoritma IWO, dan evaluasi hasil klasterisasi menggunakan SSE dan F-Measure. Jumlah klaster terbaik yang dihasilkan oleh metode Elbow yaitu sebanyak enam klaster kerawanan gempa di Provinsi Papua, yang diberi label Sangat Tidak Rawan, Tidak Rawan, Kurang Rawan, Cukup Rawan, Rawan dan Sangat Rawan. Dengan nilai parameter sinitial sebesar 8, algoritma IWO menghasilkan nilai SSE dan F-Measure terkecil dibanding nilai parameter sinitial lainnya, yaitu masing-masing sebesar 19.1002 dan 0.5137. Evaluasi hasil klasterisasi menggunakan SSE menunjukkan nilai yang baik dari 30 kali percobaan, dengan rata-rata SSE sebesar 19.218, lebih kecil dibanding dengan rata-rata SSE hasil metode k-Means dan DBSCAN yaitu masing-masing sebesar 19.307 dan 59.910.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"63 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136337041","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}
Disleksia sering disalah artikan sebagai kebodohan atau kemalasan pada anak. Gejala disleksia dikenal dengan gangguan belajar yang meliputi mengenal huruf, mengeja, membaca, dan menulis. Meskipun gejala disleksia tidak terlihat dengan jelas, kondisi ini dapat berdampak pada perkembangan pola belajar anak. Tujuan penelitian adalah untuk mengidentifikasi gejala disleksia sedini mungkin agar tidak mengganggu perkembangan belajar pada anak. Selain itu, penelitian juga bertujuan untuk mengevaluasi keakuratan teknik yang digunakan. Analisa menggunakan metode jaringan syaraf tiruan dengan teknik backpropagation dengan memberikan nilai bobot, sehingga dapat memberikan nilai input dengan benar. Penelitian menggunakan 150 dataset, 40 variabel input dan 40 lapisan tersembunyi. Keluaran yang diharapkan mencakup disleksia atau non-disleksia. Hasil implementasi dan pengujian untuk data latih dan data uji terbaik adalah 90:10. Dengan nilai epoch maksimum 5000 dan nilai error target 0,001. Metode backpropagation dapat memberikan hasil akurasi terbaik 100% pada learning rate 0,5. Sehingga metode backpropagation dapat dengan baik mendeteksi gangguan disleksia pada anak sejak dini.
{"title":"Analisa Dini Gangguan Disleksia Anak Sekolah dengan Metode Backpropagation","authors":"Novi Yanti, Adil Setiawan, Sarjon Defit","doi":"10.26418/jp.v9i2.64588","DOIUrl":"https://doi.org/10.26418/jp.v9i2.64588","url":null,"abstract":"Disleksia sering disalah artikan sebagai kebodohan atau kemalasan pada anak. Gejala disleksia dikenal dengan gangguan belajar yang meliputi mengenal huruf, mengeja, membaca, dan menulis. Meskipun gejala disleksia tidak terlihat dengan jelas, kondisi ini dapat berdampak pada perkembangan pola belajar anak. Tujuan penelitian adalah untuk mengidentifikasi gejala disleksia sedini mungkin agar tidak mengganggu perkembangan belajar pada anak. Selain itu, penelitian juga bertujuan untuk mengevaluasi keakuratan teknik yang digunakan. Analisa menggunakan metode jaringan syaraf tiruan dengan teknik backpropagation dengan memberikan nilai bobot, sehingga dapat memberikan nilai input dengan benar. Penelitian menggunakan 150 dataset, 40 variabel input dan 40 lapisan tersembunyi. Keluaran yang diharapkan mencakup disleksia atau non-disleksia. Hasil implementasi dan pengujian untuk data latih dan data uji terbaik adalah 90:10. Dengan nilai epoch maksimum 5000 dan nilai error target 0,001. Metode backpropagation dapat memberikan hasil akurasi terbaik 100% pada learning rate 0,5. Sehingga metode backpropagation dapat dengan baik mendeteksi gangguan disleksia pada anak sejak dini.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"3 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136338074","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}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：