Claim Missing Document
Check
Articles

Found 35 Documents
Search

SKEMA PENYEMBUNYIAN DATA PADA GAMBAR BERBASIS INTERPOLASI KUBIK B-SPLINE MENGGUNAKAN METODE LEAST SIGNIFICANT BIT (LSB) garno, Garno; Adam, Riza Ibnu
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.37584

Abstract

Maraknya kasus pencurian data menyebabkan sistem keamanan pesan harus ditingkatkan. Salah satu cara untuk mengamankan pesan adalah dengan memasukkan pesan ke dalam gambar digital. Penelitian ini bertujuan untuk meningkatkan kualitas gambar digital dalam sistem keamanan pesan tersembunyi. Teknik yang digunakan untuk keamanan pesan adalah steganografi. Cover image akan dikonversi menjadi bit piksel dalam domain spasial. Cover image digunakan dalam bentuk gambar digital dengan format .jpg. Teknik meningkatkan kualitas dan kapasitas gambar digital dilakukan dengan menambahkan dan meningkatkan bit piksel menggunakan metode interpolasi Cubik B-Spline. Cover image yang telah di interpolasi, kemudian disisipi pesan menggunakan metode least significant bit (LSB) untuk memperoleh stegoimage. Pesan yang diselipkan berbentuk file .doc, .docx, .pdf, .xls, .rar, .iso dan .zip dengan ukuran berbeda-beda kapasitasnya. Teknik uji dibuat dengan bantuan perangkat lunak MATLAB versi 2017a. Penelitian melakukan uji dengan mengukur nilai kualitas penyamaran dari stegoimage menggunakan Peak Signal to Noise Ratio (PSNR) dengan rata-rata perolehan stegoimage terhadap Original image 29.06 dB dan stegoimage terhadap Image interpolation 64.34 dB dan uji mean squared error (MSE) dengan rata-rata perolehan 97.54 dB pada Image interpolation terhadap original image dan 97.55 dB pada stegoimage terhadap original image, 0.13 dB nilai MSE stegoimage terhadap Image interpolation. Hasil uji pada penelitian dengan proses interpolasi pada coverimage dengan Cubic B-Spline mempengaruhi terhadap nilai samar atau Nilai PSNR.
Perbandingan Algoritma Round Robin dan Algoritma Least Connection pada Haproxy untuk Load Balancing Web Server Solehudin, Arip; Mayasari, Rini; Garno, Garno; Susilo Yuda Irawan, Agung
SYSTEMATICS Vol 2 No 1 (2020): April 2020
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/sys.v2i1.3634

Abstract

Sekolah Menengah Atas (SMA), Sekolah Menengah Kejuruan (SMK) atau yang sederajat menyelenggarakan ujian kenaikan kelas menggunakan Computer Based Test (CBT). Akan tetapi, dalam pelaksanaanya mengalami permasalahan, salah satunya beban server. Hal tersebut diakibatkan oleh permintaan pengguna yang melebihi kemampuan server. Untuk mengatasi permasalah tersebut digunakanya load balancing web server menggunakan haproxy. Namun penggunaan load balancing web server, sering mengalami inkonsistensi data tiap server. Oleh karena itu digunakan replikasi database yang dapat menjamin konsistensi data dalam load balancing web server. Penelitian ini menggunakan pendekatan deksriptif dengan metode perancangan sitem jaringan PPDIOO. Ada dua algoritma load balancing yang dibandingkan, yaitu algoritma round robin dan algoritma least connection. Berdasarkan hasil pengujian httperf, parameter throughput kedua algoritma memperoleh nilai rata-rata yang sama yaitu 99,5 Kb / second. Pada pengujian parameter response time algoritma least connection lebih unggul yaitu 6,9 ms dibandingkan dengan round robin yang memiliki nilai rata-rata sebesar 7,2 ms, namun pada pengujian parameter CPU Utilization algoritma round robin bernilai 23,7 % lebih unggul dibandingkan algoritma least connection yaitu 24,3 %. 
Analisis Sentimen Tournament Bali Major Dengan Metode Long Short Term Memory Alwansyah, Izhari; Garno, Garno; Irawan, Agung Susilo Yuda
JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi Vol 23 No 2 (2024): Juni 2024 (Edisi Teknologi Informasi dan Komunikasi)
Publisher : LP2M STAI Miftahul 'Ula (STAIM) Nganjuk

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29138/lentera.v23i2.1404

Abstract

Along with the growth of technological advances and the high availability of electronic devices, the video game industry has increased rapidly because people can play video games on computers, laptops, tablet PCs, consoles or smartphones. One of the popular games that are widely played is Dota 2. The number of players and competition in this game created an electronic sport or what is often called esport. One of the big tournaments that has been held is the Bali Major tournament in Indonesia. However, unfortunately this competition received various criticisms from the public, many felt disappointed because this big tournament was not worth the ticket price set. So this has led to various public sentiments through social media. Analyzing the sentiment of twitter users towards the opinion of the Bali Major tournament itself can be an option. Therefore, this research conducted a sentiment analysis of public opinion on the Bali Major tournament as an evaluation of the next tournament. Based on research that has been conducted using 1257 tweet data as a dataset, the LSTM algorithm can perform sentiment classification with the best model getting an accuracy value of 80% and f1-score 80%. This research proves that by applying sentiment analysis techniques, information about positive and negative public sentiment is obtained as evaluation material that needs to be done to optimize technical constraints and services provided.
IMPLEMENTASI TIME SERIES PADA DATA PENJUALAN DI GAIKINDO MENGGUNAKAN ALGORITMA SEASONAL ARIMA Heru Widiyanto, Muhammad; Mayasari, Rini; Garno, Garno
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6879

Abstract

Persaingan di industri ini semakin meningkat seiring dengan masuknya peserta usaha baru. GAIKINDO sebagai organisasi otomotif di Indonesia, mengalami penurunan penjualan pada tahun 2020 yang disebabkan oleh pandemi covid-19. Oleh karena itu, untuk bersaing dengan pelaku industri otomotif lainnya, diperlukan optimasi dalam perencanaan yang dilakukan oleh GAIKINDO agar hasilnya menjadi lebih optimal. Penelitian ini akan menguji metode Time Series menggunakan algoritma SARIMA dengan melakukan pendekatan dengan metodologi CRISP-DM. Pengujian ini akan dilakukan menggunakan Google Colaboratory dan dataset yang digunakan adalah data Retail Sales dari Januari 2015 hingga Februari 2023. Hasil dari metode peramalan menunjukkan tingkat akurasi model yang terbaik, dengan akurasi parameter AR (p) = 1, difference (d) = 1, MA (q) = 1, AR musiman (P) = 1, difference musiman (D) = 0, MA musiman (Q) = 0, dan periode (s) = 12 atau SARIMA(1, 1, 1)(1, 0, 0)12 menghasilkan nilai MAPE sebesar 0,407%. Dengan demikian, hasil prediksi Retail Sales pada GAIKINDO yang memungkinkan tidak akan jauh dari hasil forecast yang diperoleh nanti.
ANALISIS SENTIMEN MASYARAKAT PADA TWITTER TERHADAP PEMILIHAN UMUM 2024 MENGGUNAKAN ALGORITMA NAÏVE BAYES Puad, Salim; Garno, Garno; Susilo Yuda Irawan, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6920

Abstract

Pemilihan Umum (Pemilu) merupakan mekanisme untuk menjalankan kedaulatan rakyat dengan tujuan menciptakan pemerintahan negara yang demokratis berdasarkan Pancasila dan UUD Negara RI Tahun 1945. Pemilu diselenggarakan setiap lima tahun dan melibatkan pemilihan Presiden dan Wakil Presiden, Anggota DPR, DPD, DPRD, serta kepala daerah dan wakil kepala daerah. Pemilu bertujuan untuk memilih para pemimpin yang dapat mencerminkan nilai-nilai demokrasi dan mampu mewakili aspirasi rakyat sesuai dengan perkembangan kehidupan berbangsa dan bernegara. Dalam rangka memahami pandangan masyarakat terkait Pemilihan Umum 2024, dilakukan analisis sentimen. Analisis sentimen ini bertujuan untuk memberikan gambaran tentang bagaimana masyarakat memandang Pemilihan Umum 2024 yang akan datang. Melalui penerapan algoritma Naïve Bayes dengan metodologi KDD, pendapat atau sentimen yang dianalisis menghasilkan 331 label positif, 261 label negatif, dan 825 label netral. Untuk menguji keakuratan analisis sentimen dalam menyelesaikan Pemilihan Umum 2024, digunakan metode split data dan confusion matrix untuk menguji skor. Hasilnya menunjukkan bahwa model dengan pembagian data 90:10 memiliki akurasi tertinggi. Selain menggunakan confusion matrix, juga dilakukan pengujian menggunakan grafik ROC yang menghasilkan nilai AUC tertinggi pada model dengan pembagian data 90:10, dengan nilai 0,71 yang menunjukkan bahwa model ini memiliki kualitas klasifikasi yang baik
PENERAPAN ALGORITME K-MEANS DALAM KLASTERISASI DATA PENJUALAN OBAT APOTEK KIDANGRANGGA Kurnia Abdullah, Kunaifi; Maulana, Iqbal; Suharso, Aries; Garno, Garno; Primajaya, Aji
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.7061

Abstract

Kesehatan adalah aspek yang penting dalam kehidupan manusia. Tanpa kesehatan yang baik, manusia akan mengalami hambatan dalam menjalankan aktivitas sehari-hari secara optimal. Oleh karena itu, isu-isu kesehatan selalu menjadi fokus perhatian di seluruh dunia. Salah satu cara untuk meningkatkan kesehatan adalah dengan meningkatkan kualitas layanan kesehatan. Pelayanan kesehatan menjadi tempat di mana masyarakat berkonsultasi mengenai kesehatan mereka, Salah satu aspek penting dalam meningkatkan layanan kesehatan adalah pengelolaan obat yang efektif. Apotek Kidangrangga, yang terletak di kecamatan Rengasdengklok Kabupaten Karawang, telah menggunakan sistem yang saling terhubung untuk mengelola data, termasuk data obat. Namun, setelah mewawancarai pemilik apotek tersebut, diketahui bahwa sering terjadi kelebihan dan kekurangan obat di Apotek Kidangrangga. Algoritme K-Means dapat diimplemetasikan dengan baik untuk melakukan klasterisasi data obat dengan metode KDD dan software excel. Hasil dari menggunakan K-Means dibagi menjadi 2 klaster, klaster 1 dengan anggota 81 data obat yang memiliki label penjualan rendah, sedangkan klaster 2 terdiri dari 418 data obat yang memiliki label penjualan tinggi. Hasil klasterisasi dengan menggunakan algoritme dievaluasi dengan menggunakan davies bouldint index dan grafik silhouete coefficient dan menghasilkan titik klaster optimal di C=2 dengan nilai DBI 0.8148198.
ANALISIS SENTIMEN FENOMENA FOMO PADA KONSER K-POP DI INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE Maria, Giovanny; Garno, Garno; Nur Padilah, Tesa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7104

Abstract

Fear Of Missing Out atau FOMO saat ini sedang menjadi topik yang diperdebatkan oleh masyarakat khususnya kaum muda. Fenomena FOMO semakin meningkat terjadi berhubungan dengan banyaknya konser K-Pop yang di hadiri oleh non-fans yang berperilaku tidak wajar selama konser berlangsung dan hal tersebut memicu reaksi masyarakat terhadap adanya fenomena FOMO dalam konser K-Pop yang dituangkan di media sosial twitter. Analisis sentimen menjadi solusi dalam mengekstrak informasi dan mengklasifikasikan data opini sesuai sentimen (positif dan negatif) dengan memanfaatkan algoritma data mining. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen mengenai adanya fenomena Fear Of Missing Out (FOMO) menggunakan algoritma Support Vector Machine. Penelitian ini, menggunakan Metode KDD (Knowledge Discovery in Database) yang terdiri dari tahapan data selection, preprocessing, data transformation, data mining dan evaluation. Untuk mendapatkan nilai yang lebih akurat maka dibantu dengan Information gain sebagai seleksi fitur dan Grid search sebagai penentu parameter terbaik. Hasil penelitian menunjukkan bahwa performa algoritma Support Vector Machine dalam mengklasifikasikan sentimen adanya fenomena FOMO pada konser K-Pop di Indonesia Indonesia dengan nilai akurasi sebesar 90% dengan preporsisi pembagian data sebanyak 60 data training dan 40 data testing. Sentimen pada opini adanya fenomena FOMO pada konser K-Pop di Indonesia ini diketahui lebih banyak mengandung sentimen negatif berdasarkan pelabelan manual. Hal ini terlihat bahwa banyak penonton konser K-Pop ini mengeluhkan tentang adanya fenomena FOMO. Dalam hal ini para penggelar acara khususnya acara konser K-Pop dapat menjadikan penelitian ini sebagai acuan untuk terus menerus melakukan perbaikan terhadap pelayanan yang diberikan.
ANALISIS SENTIMEN MASYARAKAT TERHADAP PENANGANAN KASUS PENEMBAKAN BRIGADIR J DENGAN ALGORITMA NAÏVE BAYES Surya Prabu Al Amin, Sinar; Haerul Jaman, Jajam; Garno, Garno
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7126

Abstract

Kepolisian adalah aparat pemerintahan yang bertugas untuk menjaga masyarakat indonesia dari kejahatan dan memberikan rasa nyaman dan aman untuk masyarakat indonesia. Pada penelitian bertujuan untuk mengetahui sentimental masyarakat terhadap kasus yang sempat viral di media sosial beberapa waktu yang lalu, untuk melakukan analisis sentimen masyarakat Indonesia terhadap penanganan kasus penembakan Brigadir Nofriansyah Yoshua Hutabarat (Brigadir J) oleh Irjen Pol Ferdy Sambo melalui media sosial Twitter. Maka dilakukan lah pengumpulan data dari tweet dengan menggunakan cara crawling data dari Twitter API, setelah mendapatkan data dari masyarakat melalui Twitter maka data akan di olah dengan beberapa cara yaitu pembersihan data dari noise dan karakter tidak relevan, terdapat 1720 data tweet yang digunakan dalam penelitian ini. Metode analisis sentimen yang digunakan adalah algoritma klasifikasi Naïve Bayes, dengan penerapan Knowledge Discovery in Database (KDD) yang meliputi Data Selection, Pre Processing, Transformation, Data Mining, dan Evaluation. Selanjutnya, dilakukan pembobotan sentimen menggunakan kamus lexicon dan kamus negative words untuk mengklasifikasikan data ke dalam tiga kategori: positif, negatif, dan netral. Hasil dari penelitian ini menunjukkan bahwa model dengan skenario pembagian data 70:30 memiliki kualitas analisis sentimen yang baik, dengan nilai akurasi sebesar 68% dan nilai AUC sebesar 0.76. Kata-kata yang sering muncul dalam dataset adalah "brigadir", "ferdy", "sambo", dan "bunuh". Penelitian ini memberikan wawasan tentang pandangan dan opini masyarakat terhadap penanganan kasus penembakan Brigadir J di Twitter. Diharapkan hasil penelitian ini dapat menjadi referensi data informasi mengenai opini masyarakat terkait isu sensitif dan membantu pihak berwenang dalam memahami persepsi publik terhadap kasus tersebut.
PENERAPAN ALGORITMA C4.5 DENGAN FEATURE FORWARD SELECTION UNTUK ANALISIS CAPAIAN INDIKATOR KINERJA UTAMA BERDASARKAN TRACER STUDY : STUDI KASUS: FASILKOM UNSIKA Rahmayani, Fenny; Nurina Sari, Betha; Maulana, Iqbal; Garno, Garno; Mayasari, Rini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7175

Abstract

Perguruan tinggi, sebagai pusat ilmu, penelitian, dan pengabdian masyarakat, dituntut untuk fokus pada capaian Indikator Kinerja Utama Perguruan Tinggi Negeri (IKU-PTN). Salah satu kunci dalam mengelola kinerja perguruan tinggi adalah melalui IKU-PTN yang mendukung relevansi dengan industri dan dunia kerja terdapat pada IKU1. Namun, data tracer study Fasilkom Unsika menunjukkan capaian IKU1 pada tahun 2020 dan 2021 di bawah target, menandakan perlunya analisis pola data alumni. Penelitian ini menggunakan algoritma C4.5 untuk mengevaluasi kelayakan alumni dalam mencapai IKU1. Setelah feature selection, ditemukan atribut paling berpengaruh seperti "Status Bekerja," "Gaji," "Mendapat Pekerjaan Kurang dari 6 Bulan," "1.2 x UMP," dan "Jenis Tempat Bekerja." Model terbaik, yaitu model 5, menghasilkan akurasi 98.77% dengan Weighted Precision rata-rata 100%, Recall 96%, dan f1-Score 89%. Penerapan Decision Tree C4.5 dan metodologi Knowledge Discovery in Databases (KDD) menghasilkan 5 aturan penting yang membantu menilai pencapaian IKU1 berdasarkan fitur-fitur signifikan. Penelitian ini memberikan panduan bagi lembaga pendidikan untuk memahami faktor-faktor yang memengaruhi kesuksesan penempatan kerja alumni serta memberikan prediksi akurat untuk meningkatkan capaian IKU1. Kontribusi ini berpotensi mendorong evaluasi dan pengembangan program pendidikan yang lebih efektif.
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA APRIORI TERHADAP DATA TRANSAKSI PENJUALAN UNTUK MENENTUKAN PAKET PROMOSI: STUDI KASUS KEDAI WARUNG JAMBU Elvis Syahri, Mohamad; Yusuf, Dadang; Garno, Garno
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7182

Abstract

Kedai warung jambu merupakan salah satu kedai yang cukup lengkap, dimana selaian menjual cemilan juga menjual produk lainnya khususnya makanan dan minuman . Namun terdapat permasalahan yakni proses penjualan yang terjadi selama ini masih belum efektif. Dalam artian bahwa masih terjadi barang yang kurang laku dijual, sehingga menyebabkan kerugian secara finansial bagi kedai tersebut. Selain itu mengalami kerugian seperti kehilangan pelanggan, karena apabila ada konsumen yang membutuhkan salah satu menu yang ada di kedai, namun ternyata stoknya habis tanpa pemilik kedai ketahui maka pelanggan itu akan beralih ke kedai lain. Dalam rangka menghadapi persaingan bisnis yang dapat meningkatkan dan penjualan menu tersebut, salah satunya adalah dengan pemanfaatan data penjualan produk. Tujuan penelitrian ini dibuat yaitu untuk menentukan paket yang sebelumnya tidak laku menjadi laku karna di buat sebuah paket agar menu yang jarang di pesan bisa menjadi sebuah daya tarik bagi konsumen. Dalam penelitian ini akan dibuat suatu analisis data penjualan untuk mengetahui mengetahui barang apa saja yang sering dibeli oleh konsumen yang dapat membantu dalam melihat pola pembelian konsumen dengan menggunakan metodologi Knowledge Discovery in Database (KDD) dan juga menggunakan algoritma Apriori. Pada penelitian ini menggunakan 4 itemset dengan minimum support 60% dan minimum confidence 90%. Untuk hasil yang diperoleh adalah asosiasi antar produk atau keterhubungan barang, yang mana pada penelitian ini nilai confidence yang didapatkan sebesar 98,182% yang merupakan nilai confidence terbaik yang terdapat pada 3 itemset.