Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) JURNAL ILMIAH INFOKOM
Marulak Lasron Siahaan
Universitas Potensi Utama
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Keamanan dan Kebijakan Privasi dalam Penggunaan Teknologi Internet of Things (IoT) untuk Smart Cities Andri Armaginda Siregar; Marulak Lasron Siahaan; Damri Mulia Hutabalian; Jalaluddin Nasution; Mhd. Agung Irnanda; Naufal Dhiya Putra Dalimunthe
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.802

Abstract

 Perkembangan teknologi Internet of Things (IoT) telah menjadi komponen fundamental dalam implementasi smart cities melalui pemanfaatan sistem berbasis data untuk meningkatkan efisiensi, kualitas layanan publik, dan pengelolaan infrastruktur perkotaan. Namun, adopsi IoT dalam skala kota juga menghadirkan tantangan signifikan terkait keamanan sistem dan perlindungan privasi data warga. Sistem IoT pada smart cities menghasilkan data dalam volume besar, bersifat real-time, terdistribusi, dan sering kali mengandung informasi sensitif, sehingga rentan terhadap ancaman keamanan siber dan penyalahgunaan data. Penelitian ini bertujuan untuk menganalisis secara komprehensif aspek keamanan dan kebijakan privasi dalam penggunaan teknologi IoT pada smart cities melalui pendekatan terintegrasi. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan pendekatan kualitatif deskriptif terhadap 25 publikasi ilmiah terpilih pada periode 2022-2025, yang terdiri dari artikel jurnal, prosiding konferensi, dan dokumen kebijakan yang relevan. Hasil penelitian menunjukkan bahwa ancaman keamanan dan risiko privasi muncul pada seluruh lapisan arsitektur IoT, mulai dari perangkat, jaringan, pengolahan data, hingga aplikasi dan tata kelola. Selain itu, kebijakan privasi yang ada umumnya masih bersifat normatif dan belum sepenuhnya terintegrasi dengan praktik teknis IoT di lapangan. Temuan ini menegaskan bahwa keberhasilan implementasi smart cities tidak hanya ditentukan oleh solusi teknis keamanan, tetapi juga oleh efektivitas kebijakan privasi dan tata kelola data yang transparan. Penelitian ini berkontribusi dengan menyajikan kerangka analisis integratif yang menghubungkan keamanan IoT, kebijakan privasi, dan kepercayaan publik sebagai fondasi pengembangan smart cities yang berkelanjutan.
PREDIKSI JUMLAH WISATAWAN MANCANEGARA KE INDONESIA MENGGUNAKAN ALGORITMA LINEAR REGRESSION DAN RANDOM FOREST REGRESSION Adil Setiawan; Susiana Khosasih; Marulak Lasron Siahaan; Khoiri Sutan Hasibuan; Bualazatulo Laia; Satriyo Wibowo
INFOKOM (Informatika & Komputer) Vol 13 No 1 (2025): JURNAL INFOKOM JUNI 2025
Publisher : POLITEKNIK PIKSI GANESHA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56689/infokom.v13i1.2326

Abstract

Tourism is one of Indonesia’s leading sectors, contributing significantly to the national economy. Forecasting the number of international tourist arrivals is a strategic necessity to support policy planning and the sustainable development of the tourism industry. This study aims to compare the performance of two regression algorithms, Linear Regression and Random Forest Regression, in forecasting international tourist arrivals to Indonesia. The dataset covers the period 2020–2025, obtained from the Central Bureau of Statistics (BPS) with variables that underwent preprocessing such as normalization and handling of missing values. The methodology includes an 80:20 train-test split, tabular regression, and parameter tuning for Random Forest Regression to enhance model performance. Linear Regression was selected as a baseline model, while Random Forest Regression was chosen for its capability to model nonlinear patterns. Model evaluation was conducted using Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), and R² Score. The results show that Linear Regression produced an RMSE of 59,967.668, MAE of 14,837.645, and R² Score of 0.007, indicating low accuracy. In contrast, Random Forest Regression achieved substantially better results with an RMSE of 9,696.530, MAE of 1,193.143, and R² Score of 0.974. These findings confirm that Random Forest Regression provides higher accuracy than Linear Regression, particularly in addressing seasonal patterns and uncertainties caused by global factors. In conclusion, Random Forest Regression can be considered a more reliable forecasting method for predicting international tourist arrivals. The forecasting results can serve as a basis for decision-making in destination capacity planning, foreign exchange revenue estimation, and risk mitigation against global disruptions (pandemics, geopolitical issues, crises), thereby supporting adaptive and sustainable strategies for national tourism development.
Co-Authors Andri Armaginda Siregar Bualazatulo Laia Damri Mulia Hutabalian Jalaluddin Nasution Khoiri Sutan Hasibuan Mhd. Agung Irnanda Naufal Dhiya Putra Dalimunthe Satriyo Wibowo Setiawan, Adil Susiana Khosasih