Perkembangan pendidikan semakin meningkat seiring dengan perkembangan teknologi saat ini untuk membantu siswa belajar lebih efektif dan efisien. Sistem otomatisasi website e-learning merupakan salah satu media pembelajaran yang dapat dikelola para guru sebagai sistem manajemen pembelajaran. Selain itu, para siswa juga dapat memanfaatkan sistem ini sebagai media pembelajaran digital. Tujuan pembuatan sistem otomatisasi website ini adalah untuk membantu guru dalam memberikan evaluasi berupa latihan soal dan kuis pembelajaran secara digital bagi siswa. Metode System Development Life Cycle (SDLC) Waterfall diterapkan dalam pembuatan website ini. Berdasarkan hasil penyebaran kuesioner dan pengujian menggunakan metode black box, maka dapat disimpulkan bahwa sistem otomatisasi website pembelajaran ini dapat dijadikan sebagai sistem manajemen pembelajaran bagi para guru dan media pembelajaran bagi para siswa. Serta semua fungsi website dapat berjalan dengan sangat baik dan memiliki indeks kepuasan pengguna sebesar 97%.
{"title":"PENERAPAN METODE WATERFALL PADA SISTEM OTOMATISASI WEBSITE PEMBELAJARAN SMP KELAS 9","authors":"Syarifah Azharina Syafrudin, Indah Wahyuni, None Oktaviani","doi":"10.35760/ik.2023.v28i2.8030","DOIUrl":"https://doi.org/10.35760/ik.2023.v28i2.8030","url":null,"abstract":"Perkembangan pendidikan semakin meningkat seiring dengan perkembangan teknologi saat ini untuk membantu siswa belajar lebih efektif dan efisien. Sistem otomatisasi website e-learning merupakan salah satu media pembelajaran yang dapat dikelola para guru sebagai sistem manajemen pembelajaran. Selain itu, para siswa juga dapat memanfaatkan sistem ini sebagai media pembelajaran digital. Tujuan pembuatan sistem otomatisasi website ini adalah untuk membantu guru dalam memberikan evaluasi berupa latihan soal dan kuis pembelajaran secara digital bagi siswa. Metode System Development Life Cycle (SDLC) Waterfall diterapkan dalam pembuatan website ini. Berdasarkan hasil penyebaran kuesioner dan pengujian menggunakan metode black box, maka dapat disimpulkan bahwa sistem otomatisasi website pembelajaran ini dapat dijadikan sebagai sistem manajemen pembelajaran bagi para guru dan media pembelajaran bagi para siswa. Serta semua fungsi website dapat berjalan dengan sangat baik dan memiliki indeks kepuasan pengguna sebesar 97%.","PeriodicalId":471363,"journal":{"name":"Jurnal Ilmiah Informatika & Komputer","volume":"37 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135705343","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}
Pub Date : 2023-01-01DOI: 10.35760/ik.2023.v28i2.8958
Muhammad Fadhil Abidin, Avinanta Tarigan, Lely Prananingrum
Blockchain merupakan sistem terdesentralisasi yang terbuka yang dapat dimanfaatkan untuk melakukan pelacakan dan verifikasi keaslian dokumen. Sifat keterbukaan tersebut menjadi masalah jika isi dari dokumen bersifat rahasia atau dilindungi oleh undang-undang perlindungan data pribadi. Dalam penelitian ini, sebuah sistem verifikasi dokumen berbasis Blockchain dirancang dengan memanfaatkan algoritma ZKP (Zero Knowledge Proof) yang diimplementasikan dalam sebuah Smart Contract pada jaringan Blockchain Polygon. Algoritma ZKP melindungi informasi yang bersifat rahasia tetapi dapat diverifikasi kebenaran dan keasliannya oleh pihak yang berkepentinga tanpa menguak informasi tersebut. Penelitian ini melibatkan perancangan smart contract yang terdiri dari fungsi-fungsi untuk mengatur proses verifikasi dokumen, serta implementasi sistem verifikasi dokumen yang terintegrasi dengan Smart Contract. Hasil penelitian menunjukkan bahwa sistem yang dibangun dapat meningkatkan keamanan proses pelacakan dokumen dengan tidak menguak isi dokumen yang bersifat rahasia dan dilindungi oleh undang-undang.
{"title":"PERANCANGAN DAN IMPLEMENTASI SMART CONTRACT PADA SISTEM VERIFIKASI DOKUMEN BERBASIS ZERO KNOWLEDGE PROOF (ZKP) PADA BLOCKCHAIN POLYGON","authors":"Muhammad Fadhil Abidin, Avinanta Tarigan, Lely Prananingrum","doi":"10.35760/ik.2023.v28i2.8958","DOIUrl":"https://doi.org/10.35760/ik.2023.v28i2.8958","url":null,"abstract":"Blockchain merupakan sistem terdesentralisasi yang terbuka yang dapat dimanfaatkan untuk melakukan pelacakan dan verifikasi keaslian dokumen. Sifat keterbukaan tersebut menjadi masalah jika isi dari dokumen bersifat rahasia atau dilindungi oleh undang-undang perlindungan data pribadi. Dalam penelitian ini, sebuah sistem verifikasi dokumen berbasis Blockchain dirancang dengan memanfaatkan algoritma ZKP (Zero Knowledge Proof) yang diimplementasikan dalam sebuah Smart Contract pada jaringan Blockchain Polygon. Algoritma ZKP melindungi informasi yang bersifat rahasia tetapi dapat diverifikasi kebenaran dan keasliannya oleh pihak yang berkepentinga tanpa menguak informasi tersebut. Penelitian ini melibatkan perancangan smart contract yang terdiri dari fungsi-fungsi untuk mengatur proses verifikasi dokumen, serta implementasi sistem verifikasi dokumen yang terintegrasi dengan Smart Contract. Hasil penelitian menunjukkan bahwa sistem yang dibangun dapat meningkatkan keamanan proses pelacakan dokumen dengan tidak menguak isi dokumen yang bersifat rahasia dan dilindungi oleh undang-undang.","PeriodicalId":471363,"journal":{"name":"Jurnal Ilmiah Informatika & Komputer","volume":"44 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135705339","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}
Pub Date : 2023-01-01DOI: 10.35760/ik.2023.v28i2.9451
Fening Kurniawan, Febrian Wahyu Christanto
Sistem pakar diagnosa kerusakan kendaraan listrik merupakan sebuah sistem yang digunakan untuk membantu pengguna dalam menemukan dan mengatasi masalah pada kendaraan listrik. Data pengguna kendaraan kendaraan listrik dari tahun 2022 sebesar 15.437 unit ke tahun 2023 sebesar 56.988 unit. Dengan banyaknya pengguna tersebut, maka adanya penelitian ini menjadi solusi apabila terjadi masalah pada kendaraan listrik. Metode forward chaining digunakan untuk membantu sistem pakar dalam menentukan diagnosa yang tepat berdasarkan gejala yang diberikan oleh pengguna. Metode prototype juga digunakan sebagai metode pengembangan sistem untuk mendapatkan representasi dari pemodelan aplikasi yang akan dibuat. Sistem tersebut menggunakan bahasa pemrograman PHP dan DBMS MySQL untuk pembuatan website. Website ini dapat diakses oleh pengguna melalui perangkat apapun yang terhubung dengan internet. Proses kerja sistem pakar ini dimulai dari pengguna memberikan gejala yang terjadi pada kendaraan listrik mereka. Kemudian, sistem pakar melakukan pencocokan antara gejala yang diberikan dengan aturan yang telah diprogramkan sebelumnya. Hasil uji coba menunjukkan sistem pakar diagnosa kerusakan kendaraan listrik menggunakan metode forward chaining berbasis website mampu memberikan presentase jawabaan kuesioner sangat puas 52 %, puas 28 %, cukup 20 % dan tidak puas 0 %. Dengan adanya sistem pakar ini, diharapkan dapat membantu pengguna dalam mengatasi masalah pada kendaraan listrik dengan lebih efektif dan efisien.
{"title":"SISTEM PAKAR DIAGNOSA KERUSAKAN KENDARAAN LISTRIK MENGGUNAKAN METODE FORWARD CHAINING BERBASIS WEBSITE","authors":"Fening Kurniawan, Febrian Wahyu Christanto","doi":"10.35760/ik.2023.v28i2.9451","DOIUrl":"https://doi.org/10.35760/ik.2023.v28i2.9451","url":null,"abstract":"Sistem pakar diagnosa kerusakan kendaraan listrik merupakan sebuah sistem yang digunakan untuk membantu pengguna dalam menemukan dan mengatasi masalah pada kendaraan listrik. Data pengguna kendaraan kendaraan listrik dari tahun 2022 sebesar 15.437 unit ke tahun 2023 sebesar 56.988 unit. Dengan banyaknya pengguna tersebut, maka adanya penelitian ini menjadi solusi apabila terjadi masalah pada kendaraan listrik. Metode forward chaining digunakan untuk membantu sistem pakar dalam menentukan diagnosa yang tepat berdasarkan gejala yang diberikan oleh pengguna. Metode prototype juga digunakan sebagai metode pengembangan sistem untuk mendapatkan representasi dari pemodelan aplikasi yang akan dibuat. Sistem tersebut menggunakan bahasa pemrograman PHP dan DBMS MySQL untuk pembuatan website. Website ini dapat diakses oleh pengguna melalui perangkat apapun yang terhubung dengan internet. Proses kerja sistem pakar ini dimulai dari pengguna memberikan gejala yang terjadi pada kendaraan listrik mereka. Kemudian, sistem pakar melakukan pencocokan antara gejala yang diberikan dengan aturan yang telah diprogramkan sebelumnya. Hasil uji coba menunjukkan sistem pakar diagnosa kerusakan kendaraan listrik menggunakan metode forward chaining berbasis website mampu memberikan presentase jawabaan kuesioner sangat puas 52 %, puas 28 %, cukup 20 % dan tidak puas 0 %. Dengan adanya sistem pakar ini, diharapkan dapat membantu pengguna dalam mengatasi masalah pada kendaraan listrik dengan lebih efektif dan efisien.","PeriodicalId":471363,"journal":{"name":"Jurnal Ilmiah Informatika & Komputer","volume":"70 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135705340","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}
Pub Date : 2023-01-01DOI: 10.35760/ik.2023.v28i2.6959
Tri Sulistyorini, Erma Sova, Nelly Sofie, Revida Iriana Napitupulu
Teknologi canggih membutuhkan keterampilan atau performa yang baik untuk memudahkan sebagian pekerjaan di era modern, yaitu dengan menggunakan pendekatan machine learning. Bidang machine learning telah mengalami perubahan yang impresif dengan adanya kemunculan Artificial Neural Network (ANN). Model komputasi ini terinspirasi oleh jaringan saraf biologis yang telah melampaui bentuk kecerdasan buatan pada machine learning pada umumnya. Salah satu arsitektur Artificial Neural Network (ANN) yang paling unggul yaitu Convolutional Neural Network (CNN). CNN pada umumnya digunakan untuk memecahkan masalah pengenalan pola berbasis gambar yang kemudian menghasilkan output yang cukup baik dalam hal kompleksitas sederhana. Tujuan penelitian adalah untuk Menerapkan convolutional neural network yaitu U-NET dan penerapannya pada TensorFlow, pembuatan segmentasi gambar dengan deep learning yang diterapkan seperti pada Oxford-IIIT Pet Dataset, melakukan pencarian prediksi yang dilakukan dengan arsitektur U-Net untuk menghasilkan hasil yang baik atau malah sebaliknya, melihat perbandingan Predicted Mask dengan True Mask pada kelas kucing yang munculkan dalam bentuk skor IOU dan penerapannya menggunakan nilai batas bawah pada IOU. Metode penelitian adalah untuk mengenalkan machine learning, CNN, dan arsitektur U-NET yang awalnya dirancang untuk segmentasi gambar biomedis. Hasil prediksi yang dilakukan dengan arsitektur U-Net menghasilkan hasil yang baik, perbandingan Predicted Mask dengan True Mask pada kelas kucing yang mendapatkan skor IOU sebesar 0.933. Pada penerapan ini menggunakan batas bawah 0.5 pada IOU sehingga model ini dapat berjalan dengan baik
{"title":"PENERAPAN HYPERPARAMETER CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM MEMBANGUN MODEL SEGMENTASI GAMBAR MENGGUNAKAN ARSITEKTUR U-NET DENGAN TENSORFLOW","authors":"Tri Sulistyorini, Erma Sova, Nelly Sofie, Revida Iriana Napitupulu","doi":"10.35760/ik.2023.v28i2.6959","DOIUrl":"https://doi.org/10.35760/ik.2023.v28i2.6959","url":null,"abstract":"Teknologi canggih membutuhkan keterampilan atau performa yang baik untuk memudahkan sebagian pekerjaan di era modern, yaitu dengan menggunakan pendekatan machine learning. Bidang machine learning telah mengalami perubahan yang impresif dengan adanya kemunculan Artificial Neural Network (ANN). Model komputasi ini terinspirasi oleh jaringan saraf biologis yang telah melampaui bentuk kecerdasan buatan pada machine learning pada umumnya. Salah satu arsitektur Artificial Neural Network (ANN) yang paling unggul yaitu Convolutional Neural Network (CNN). CNN pada umumnya digunakan untuk memecahkan masalah pengenalan pola berbasis gambar yang kemudian menghasilkan output yang cukup baik dalam hal kompleksitas sederhana. Tujuan penelitian adalah untuk Menerapkan convolutional neural network yaitu U-NET dan penerapannya pada TensorFlow, pembuatan segmentasi gambar dengan deep learning yang diterapkan seperti pada Oxford-IIIT Pet Dataset, melakukan pencarian prediksi yang dilakukan dengan arsitektur U-Net untuk menghasilkan hasil yang baik atau malah sebaliknya, melihat perbandingan Predicted Mask dengan True Mask pada kelas kucing yang munculkan dalam bentuk skor IOU dan penerapannya menggunakan nilai batas bawah pada IOU. Metode penelitian adalah untuk mengenalkan machine learning, CNN, dan arsitektur U-NET yang awalnya dirancang untuk segmentasi gambar biomedis. Hasil prediksi yang dilakukan dengan arsitektur U-Net menghasilkan hasil yang baik, perbandingan Predicted Mask dengan True Mask pada kelas kucing yang mendapatkan skor IOU sebesar 0.933. Pada penerapan ini menggunakan batas bawah 0.5 pada IOU sehingga model ini dapat berjalan dengan baik","PeriodicalId":471363,"journal":{"name":"Jurnal Ilmiah Informatika & Komputer","volume":"78 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135705342","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：