Garuda - Garba Rujukan Digital

PERANCANGAN INTRUSION DETECTION SYSTEM MENGGUNAKAN HONEYPOT PADA UNIVERSITAS BHAYANGKARA JAKARTA RAYA Allan Desi Alexander; Ratna Salkiawat; Joni Warta
Cyber Security dan Forensik Digital Vol. 4 No. 1 (2021): Edisi Mei 2021
Publisher : Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/csecurity.2021.4.1.2379

Internet sudah menjadi bagian vital dari sebuah institusi yang membawa keuntungan yang besar bagi penggunanya tetapi disisi lain ada segelintir pengguna yang melakukan kegiatan yang mengambil keuntungan dari system lain dengan cara melakukan penyerangan dengan menggunakan berbagai software yang berbahaya seperti virus, worm, trojan horse, spyware dan lainnya.Honeypot system sering digunakan sebagai bagian dari system pendeteksi serangan (IDS, Intrusion Detection System) yang mampu mendeteksi ancaman yang terjadi pada sebuah jaringan komputer, keuntungan dari honeypot tidak hanya mendeteksi berbagai serangan tetapi dapat juga membuat sebuah system yang berpura-pura memiliki titik kelemahan yang sangat tinggi sehingga mudah diserang oleh malware. Dan jika malware menjalankan aktifitasnya system honeypot akan mencatat dan hasil dari catatannya dapat dianalisa guna menangani dan pemulihan selama dan setelah serangan terjadi.Universitas Bhayangkara Jakarta Raya (Ubhara Jaya) merupakan sebuah institusi dibawah Yayasan Brata Bakti yang memiliki kedekatan dengan POLRI, hubungan ini memiliki daya Tarik bagi penyerang karena mereka menyangka bahwa Ubhara Jaya adalah bagian dari POLRI dan dampaknya jaringan komputer Ubhara Jaya kerap mendapatkan serangan berupa malware bahkan pada Februari 2018 serangan tersebut sempat melumpuhkan jaringan dan sebagian sistem yang ada.

Sistem Informasi Kriminalitas Berbasis Android Hendarman Lubis; Ratna Salkiawati; Muhamad Adilla Dhiya Ulhaq
Jurnal Algoritma Vol 15 No 2 (2018): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Sistem informasi pengelolaan krimialitas yang ada di Kota Bekasi saat ini masih menggunakan Microsoft Word dan Microsoft Excel dalam pengolahan datanya, serta dengan tulisan tangan dan data disimpan masih dengan menggunakan pengarsipan dengan media hardcopy. Dan semua proses kegiatan yang berkaitan dengan kriminalitas (seperti pengaduan/ pelaporan) masih harus dilakukan langsung di Polres Metro Kota Bekasi, sehingga dirasa kurang efektif dan efisien. Untuk mengatasi permasalahan tersebut, maka perlu dibangun suatu sistem yang terkomputerisasi. Sistem ini akan terintegrasi langsung dengan database. Sehingga dalam pengolahan datanya akan lebih terstruktur dan akan menghasilkan laporan dan informasi kriminalitas yang relevan. Sistem ini bersifat aplikatif dan online, sehingga segala data dan informasi mengenai kriminalitas di Polres Metro Kota Bekasi ini dapat di akses oleh banyak orang yang ingin melihatnya serta pengaduan terhadap terjadinya kriminalitas disekitarnya. Diharapkan sistem ini dapat membantu Polres Metropolitan Bekasi Kota dalam mengambil keputusan untuk segera memberikan penanganan terhadap masyarakat yang menjadi korban kriminalitas, dan sebagai sistem informasi kriminalitas dalam menyajikan informasi data daerah kriminalitas di Kota Bekasi.

Analisis Cluster K-Means dengan Metode Elbow untuk Menentukan Pola Penjualan Produk Traffic Room Summarecon Mal Bekasi Ajie Prasetya; Ratna Salkiawati; Allan D. Alexander
Journal of Students‘ Research in Computer Science Vol. 4 No. 1 (2023): Mei 2023
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/jsrcs.v4i1.2480

An effective sales strategy in the fashion retail business is essential to determine the success of the company or store. Like the Traffic Room store, which is a vintage fashion retail store that sells a variety of products. Although there are many products on sale, this store has not utilized sales data to determine product sales patterns, causing negative impacts such as there are still many products that are in short supply and products are not sold with predetermined targets. So the purpose of this study is t o determine product sales patterns in order to improve product inventory. To solve this problem, the analysis used is the K-Means algorithm to find product sales patterns assisted by the elbow method in determining the optimal cluster. As well as the flow in this research process is the CRISP-DM method with steps namely business understanding, data understanding, data preparation, modeling, evaluation and deployment. The results of this study obtained 4 clusters, namely cluster 2 or very in demand there are 2 products, cluster 3 or in demand there are 5 products, cluster 1 or quite in demand there are 5 products and cluster 4 or less in demand there are 3 products. The evaluation results get the optimal Sum of Square Error (SSE) value of 594,366.733 or 65.5%. From the evaluation results, it means that the performance of the K-Means algorithm used is good. Keywords: CRISP-DM, Elbow Method,K-Means Algorithm, Product Sales Pattern, Sum of Square Error (SSE) Abstrak Strategi penjualan yang efektif dalam bisnis ritel fashion sangatlah penting untuk menentukan keberhasilan perusahaan atau toko. Seperti toko Traffic Room yaitu toko ritel fashion vintage yang menjual berbagai macam produk. Walaupun banyaknya produk yang di jual, toko ini belum memanfaatkan data penjualan untuk menentukan pola penjualan produk sehingga menimbulkan dampak negatif seperti masih banyak produk yang kekurangan persediaan dan produk tidak terjual dengan target yang sudah ditentukan. Maka tujuan dari penelitian ini untuk mengetahui pola penjualan produk agar bisa memperbaiki persediaan produk. Untuk mengatasi permasalahan ini, analisis yang digunakan yaitu algoritma K-Means untuk mencari pola penjualan produk dibantu dengan metode elbow dalam menentukan cluster yang optimal. Serta yang menjadi alur dalam proses penelitian ini yaitu metode CRISP-DM dengan langkah-langkahnya yakni business understanding, data understanding, data preparation, modeling, evaluation dan deployment. Hasil dari penelitian ini mendapatkan 4 cluster yaitu cluster 2 atau sangat laris ada 2 produk, cluster 3 atau laris ada 5 produk, cluster 1 atau cukup laris ada 5 produk dan cluster 4 atau kurang laris ada 3 produk. Hasil evaluasi mendapatkan nilai Sum of Square Error (SSE) optimal yaitu 594.366,733 atau 65,5%. Dari hasil evaluasi artinya kinerja algoritma K-Means yang digunakan sudah baik. Kata kunci: Algoritma K-Means, CRISP-DM, Metode Elbow, Pola Penjualan Produk, Sum of Square Error (SSE)

Analisis Churn Pelanggan Produk Fashion Campus Menggunakan Metode RFM Analysis dan Algoritma Naïve Bayes (Studi Kasus Yayasan Bakti Achmad Zaky) Fauzan Kamil; Ratna Salkiawati; Allan D Alexander
Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi dan Sistem Komputer Vol 7 No 2 (2023): Jurnal Esensi Infokom : Jurnal esensi sistem informasi dan sistem komputer
Publisher : Lembaga Riset dan Pengabdian Masyarakat Institut Bisnis Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55886/infokom.v7i2.629

Pelanggan yang loyal memiliki dampak positif bagi perusahaan, baik melalui pembelian berulang maupun rekomendasi produk kepada orang lain. Namun, dalam dunia bisnis, terdapat berbagai faktor yang dapat mempengaruhi keputusan pelanggan untuk beralih ke pesaing, seperti harga, kualitas produk, dan pelayanan. Oleh karena itu, penting bagi perusahaan untuk memahami perilaku pelanggan dan mengambil keputusan strategis guna mempertahankan dan meningkatkan loyalitas mereka. Dalam penelitian ini, metode RFM (Recency, Frequency, Monetary) dan Naïve Bayes digunakan untuk menganalisis perilaku pelanggan dan memprediksi churn (berhenti berlangganan) pelanggan. Pendekatan CRISP-DM digunakan dalam langkah-langkah penyelesaiannya, mencakup tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Melalui analisis RFM, berhasil diidentifikasi 5 segmen pelanggan yang berbeda, yaitu at-risk customers, best customers, lost customers, loyal customers, dan promising customers. Setiap segmen memiliki karakteristik dan kecenderungan perilaku yang berbeda, memberikan wawasan berharga bagi perusahaan dalam memahami kebutuhan dan preferensi pelanggan. Hasil evaluasi Naïve Bayes menunjukkan bahwa model yang disimpan dalam format pickle memiliki performa yang setara dengan model yang telah diuji sebelumnya. Tingkat akurasi, recall, dan f1-score model tersebut sekitar 0.81 atau 81%, menunjukkan tingkat keakuratan yang baik dalam memprediksi churn pelanggan. Penggunaan model pickle memberikan keuntungan bagi perusahaan dalam hal efisiensi waktu dan biaya

SISTEM INFORMASI PENGENDALIAN PERSEDIAAN ALAT TULIS KANTOR (ATK) DI UNIVERSITAS Ismaniah Ismaniah; Ratna Salkiawati; Rasim Rasim; Sri Rejeki
JURNAL REKAYASA INFORMASI Vol 7 No 2 (2018): JURNAL REKAYASA INFORMASI
Publisher : PROGRAM STUDI SISTEM INFORMASI INSTITUT SAINS DAN TEKNOLOGI NASIONAL (ISTN)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Universitas XYZ merupakan sebuah institusi perguruan tinggi yang sedang berkembang pesat dengan jumlah mahasiswa yang hampir mencapai 8.000 mahasiswa dari 5 Fakultas,dan 13 unit pendukung akademik. Dalam menjalankan bisnis prosesnya ini kebutuhan akan alat tulis kantor sangat tinggi. Belum ada teknologi informasi sangat dibutuhkan, salah satunya adalah sistem informasi pengendalian persediaan dalam hal ini adalah pengendalian persediaan Alat Tulis Kantor (ATK). Dimana kondisi saat ini sistem informasi tersebut belum tersedia. Maka diperlukan suatu metode pengendalian persediaan yang dapat memberikan penyelesaian optimal yang di implementasikan ke dalam sebuah sistem informasi. Disini peneliti akan mengembangkan metode Economic Order Quantity (EOQ) untuk pengendalian persediaan yang bisa memberikan penyelesaian optimal dan dapat diterapkan di universitas XYZ.Penelitian yang dilakukan ini diharapkan dapat memperbaiki sistem persediaan ATK yang ada sekarang, sehingga pemenuhan ATK ke semua bagian / unit kerja lain dapat berjalan dengan lancar.Kata kunci: Sistem Informasi Pengendalian Persediaan, Economic Order Quantity, Alat Tulis Kantor.

SISTEM INFORMASI MANAJEMEN ZAKAT MENGGUNAKAN METODE PROTOTIPE PADA MASJID AGUNG AL BARKAH Ratna Salkiawati; Hendarman Lubis; Raden Muhammad Yusuf
JURNAL REKAYASA INFORMASI Vol 8 No 1 (2019): JURNAL REKAYASA INFORMASI
Publisher : PROGRAM STUDI SISTEM INFORMASI INSTITUT SAINS DAN TEKNOLOGI NASIONAL (ISTN)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Masjid Agung Al-Barkah Kota Bekasi merupakan salah satu tempat untuk pengumpulan dana zakat, namun dalam pengelolaan datanya masih secara manual, sehingga data yang masuk dan yang sudah tersimpan beresiko hilang atau rusak karena data yang tersimpan masih menggunakan pengarsipan dengan media hardcopy. Untuk mengatasi masalah tersebut maka dirancang sebuah sistem informasi manajemen zakat yang dapat digunakan dalam pengelolaan data zakat. Dalam pengembangan sistem informasi manajemen zakat ini menggunakan metode prototipe dimana metode ini diawali dengan pengumpulan kebutuhan- kebutuhan dari sistem, dan dilanjutkan dengan pembuatan gambaran awal mengenai sistem yang akan di buat dan dievaluasi oleh pengguna. Dengan adanya sistem informasi manajemen zakat ini diharapkan dapat memperbaiki pengolahan data zakat khususnya dalam pembuatan laporan zakat serta dapat membantu Masjid Agung Al-Barkah Kota Bekasi dalam meningkatkan pelayanan kepada umat secara umum, dan kepada muzakki serta mustahik secara khususnya.

PENERAPAN VIRTUAL REALITY MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT PADA MEDIA PEMBELAJARAN PENGENALAN SATWA ENDEMIK TAMAN NASIONAL UJUNG KULON Ratna Salkiawati; Hendarman Lubis; Markus Ade Putra
JURNAL REKAYASA INFORMASI Vol 11 No 2 (2022): JURNAL REKAYASA INFORMASI Vol 11 No 2 Oktober 2022
Publisher : PROGRAM STUDI SISTEM INFORMASI INSTITUT SAINS DAN TEKNOLOGI NASIONAL (ISTN)

Show Abstract | Download Original | Original Source | Check in Google Scholar

This research is about making an android-based virtual reality application as a learning medium for the introduction of endemic animals in Ujung Kulon National Park. Currently, the learning process for the introduction of endemic animals is still using 2D images so that it does not attract students' interest in recognizing endemic animal species. This virtual reality application aims to provide an experience for students to see the endemic animals of Ujung Kulon National Park in reality without having to be on location, students also easily get information about endemic animals of Ujung Kulon National Park. The activity of making virtual reality applications is a supporting media that can be used in the teaching and learning process that is easy to understand and increases the interest and interest of students to learn about the introduction of endemic animals to Ujung Kulon National Park. In designing the application, the method used in this study uses the RAD (Rapid Application Development) method, which is an object-oriented system development method to shorten the time of system development. the stages consist of business modelling, data modelling, process modelling, application generation, testing and implementation. Making 3D applications using virtual reality based on Android uses the Java programming language, and Kotlin. This study resulted in a learning media application for the introduction of endemic animals in Ujung Kulon National Park using android-based virtual reality.

Analisis Cluster K-Means dengan Metode Elbow untuk Menentukan Pola Penjualan Produk Traffic Room Summarecon Mal Bekasi Prasetya, Ajie; Salkiawati , Ratna; Alexander , Allan D
Journal of Students‘ Research in Computer Science Vol. 4 No. 1 (2023): Mei 2023
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/pytp8448

An effective sales strategy in the fashion retail business is essential to determine the success of the company or store. Like the Traffic Room store, which is a vintage fashion retail store that sells a variety of products. Although there are many products on sale, this store has not utilized sales data to determine product sales patterns, causing negative impacts such as there are still many products that are in short supply and products are not sold with predetermined targets. So the purpose of this study is t o determine product sales patterns in order to improve product inventory. To solve this problem, the analysis used is the K-Means algorithm to find product sales patterns assisted by the elbow method in determining the optimal cluster. As well as the flow in this research process is the CRISP-DM method with steps namely business understanding, data understanding, data preparation, modeling, evaluation and deployment. The results of this study obtained 4 clusters, namely cluster 2 or very in demand there are 2 products, cluster 3 or in demand there are 5 products, cluster 1 or quite in demand there are 5 products and cluster 4 or less in demand there are 3 products. The evaluation results get the optimal Sum of Square Error (SSE) value of 594,366.733 or 65.5%. From the evaluation results, it means that the performance of the K-Means algorithm used is good.

Analisis Cluster K-Means dengan Metode Elbow untuk Menentukan Pola Penjualan Produk Traffic Room Summarecon Mal Bekasi Prasetya, Ajie; Salkiawati , Ratna; Alexander , Allan D
Journal of Students‘ Research in Computer Science Vol. 4 No. 1 (2023): Mei 2023
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/5xve0445

An effective sales strategy in the fashion retail business is essential to determine the success of the company or store. Like the Traffic Room store, which is a vintage fashion retail store that sells a variety of products. Although there are many products on sale, this store has not utilized sales data to determine product sales patterns, causing negative impacts such as there are still many products that are in short supply and products are not sold with predetermined targets. So the purpose of this study is t o determine product sales patterns in order to improve product inventory. To solve this problem, the analysis used is the K-Means algorithm to find product sales patterns assisted by the elbow method in determining the optimal cluster. As well as the flow in this research process is the CRISP-DM method with steps namely business understanding, data understanding, data preparation, modeling, evaluation and deployment. The results of this study obtained 4 clusters, namely cluster 2 or very in demand there are 2 products, cluster 3 or in demand there are 5 products, cluster 1 or quite in demand there are 5 products and cluster 4 or less in demand there are 3 products. The evaluation results get the optimal Sum of Square Error (SSE) value of 594,366.733 or 65.5%. From the evaluation results, it means that the performance of the K-Means algorithm used is good.

Analisis Sentimen Ulasan Customer Kopi TMLST Menggunakan Algoritma Naïve Bayes Hamidah, Dhiya Azizah; Salkiawati, Ratna; Sari, Rafika
Journal of Students‘ Research in Computer Science Vol. 5 No. 1 (2024): Mei 2024
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/mrm89y71

The rapid development of Coffeeshop is currently influenced by advances in internet technology, the existence of online food applications and websites, such as Shopeefood, and Google Maps, can help people place online orders that have no time limit. However, there are problems that arise over time such as, in collecting feedback from customers the more review data available on Google Maps and online food applications, namely Shopeefood. Therefore, a solution is needed that can help TMLST Coffee to collect, process, and analyze feedback from customers on online food applications such as Shopeefood and Google Maps in a better and more structured manner. In this study, retrieving and collecting customer review data was carried out using web scrapping techniques taken through online food applications, namely Shopeefood and Google Maps, but collecting review data was also carried out by distributing questionnaires via google forms filled out by TMLST Coffee customers. Furthermore, the method used in this research is Naïve Bayes which aims as a classification method and is able to classify customer comments into positif or negatif. And review data processing is done using the Cross-Industry Standard Process for Data Mining (CRIPS-DM) method. The CRIPS-DM stage involves the research and implementation process of the stages that have been carried out previously. The results of this study produce a high level of accuracy in predicting positif and negatif sentiment, with an accuracy of 0.82 or 82%. In addition, it produces a positif recall of 0.76 or 76% and a negatif recall of 0.89 or 89%. indicating that the model has a good ability to identify correctly. With the evaluation results of the model used, it gives an indication that Naïve Bayes can be an effective choice in conducting sentiment analysis on TMLST Coffee review data.

Title

Found 34 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 34 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 34 Documents
Search