Article Per Year (5 Year)
p-Index From 2021 - 2026
2.223
P-Index
This Author published in this journals
All Journal Infotech Journal TEKNOKOM : Jurnal Teknologi dan Rekayasa Sistem Komputer INTI Nusa Mandiri INSANtek – Jurnal Inovasi dan Sains Teknik Elektro International Journal of Engineering Continuity Jurnal Riset Rumpun Ilmu Sosial, Politik dan Humaniora (JURRISH)
Sigit Wibawa
Universitas Bina Sarana Informatika
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Engineering Environmental Science Materials Science & Nanotechnology Mechanical Engineering Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Perlindungan Data Digital Dengan Time-Based One-Time Password (TOTP) Suryanto , Suryanto; Ningsih , Rahayu; WIBAWA, SIGIT
INSANtek Vol. 5 No. 1 (2024): Mei 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/insantek.v5i1.3495

Abstract

Keamanan autentikasi pengguna sangat penting dalam perlindungan data digital. Metode autentikasi tradisional, seperti kata sandi statis, sering rentan terhadap serangan phishing, brute force, dan pencurian kata sandi, yang menyebabkan lebih dari 80% pelanggaran keamanan. One-Time Password (OTP) menawarkan solusi lebih aman dengan kata sandi yang hanya berlaku untuk satu sesi atau transaksi, mengurangi risiko penyalahgunaan. Penelitian ini mengembangkan dan mengimplementasikan sistem OTP menggunakan Python, serta mengevaluasi keunggulannya dibandingkan metode autentikasi lainnya. Kami menggunakan library pyotp untuk menghasilkan Time-based OTP (TOTP) dan mengintegrasikannya dengan framework web Flask untuk membuat server autentikasi. Hasil penelitian menunjukkan bahwa OTP mengurangi risiko serangan phishing hingga 90% dan meningkatkan keamanan dibandingkan kata sandi statis hingga 75%. Selain itu, OTP menawarkan fleksibilitas dan kemudahan integrasi dengan berbagai aplikasi melalui API. Keamanan Tinggi: OTP memberikan lapisan keamanan tambahan yang sulit ditembus oleh pihak yang tidak berwenang. Kemudahan Implementasi Integrasi antara pyotp dan Flask cukup sederhana dan cepat untuk diimplementasikan. Pengguna hanya perlu menggunakan aplikasi OTP yang umum seperti Google Authenticator untuk memverifikasi identitas mereka.
Transformasi Digital UMKM Melalui Sistem Pembayaran Elektronik: Studi Penerimaan dengan Model TAM Andi Arfian; Juarni Siregar; Sigit Wibawa; Rahmiliasari Samnufida; Baginda Oloan Lubis
Jurnal Riset Rumpun Ilmu Sosial, Politik dan Humaniora Vol. 3 No. 3 (2024): Oktober : JURRISH: Jurnal Riset Rumpun Ilmu Sosial, Politik dan Humaniora
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jurrish.v3i3.7282

Abstract

Digital transformation has become an essential approach for MSMEs to improve their operational efficiency and market competitiveness. This research investigates the acceptance of electronic payment systems among MSMEs using the Technology Acceptance Model (TAM). Data were obtained through questionnaires distributed to MSME respondents and analyzed using the bootstrapping technique to evaluate the significance of variable relationships. The findings reveal that Perceived Ease of Use (PEOU) has a significant impact on both Perceived Usefulness (PU) and Attitude Toward Using (ATU). Moreover, PU and ATU exert positive influences on Behavioral Intention (BI), with R² values of 0.65 for ATU and 0.71 for BI. These results suggest that the perceived ease of use and usefulness of electronic payment systems play a crucial role in shaping MSMEs’ attitudes and intentions toward adopting digital technologies. This study offers insights for formulating effective digital transformation strategies for MSMEs through the implementation of electronic payment systems.
PENERAPAN ALGORITMA NAÏVE BAYES MENGGUNAKAN PYTHON UNTUK MENDETEKSI SMS SPAM DAN PROMO M Ramdani; Muhamad Rafi Hamdani; Ibnu Rizki Prayoga; Sri Budhi Lestari; Bimo Hakim Prabowo; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16392

Abstract

Deteksi pesan spam pada layanan SMS merupakan hal penting untuk mencegah mulai dari hal kecil seperti gangguan waktu hingga sesuatu yang berbahaya seperti phishing, malware, atau penipuan. Penelitian ini menggunakan algoritma Naïve Bayes yang di implementasikan dengan menggunakan bahasa pemrograman Python sebagai metode klasifikasi untuk memprediksi apakah sebuah pesan SMS tergolong normal, spam, atau promo. Dataset yang digunakan diperoleh dari platform Kaggle dan akan dibagi menjadi dua, yaitu 80% data untuk proses pelatihan (training) dan 20% data untuk pengujian (testing). Nantinya, hasil dari pengujian data berupa Confusion Matrix, accuracy, precision, recall, dan f1-score dapat digunakan untuk mengestimasi sebarapa efektif model untuk mendeteksi SMS normal, spam, ataupun promo. Berdasarkan hasil pengujian, algoritma Naïve Bayes menunjukkan performa yang baik dengan tingkat akurasi mencapai 93% dalam menklasifikasikan SMS normal, spam, dan promo. Hasil ini menunjukkan bahwa metode Naïve Bayes efektif digunakan dalam mendeteksi pesan spam dan promo pada layanan SMS.
KOMPARASI AKURASI REGRESI LINEAR BERGANDA DAN DECISION TREE PREDIKSI HARGA MOTOR BEKAS BERBASIS WEBSITE Arya Putrana Kohan; Adhitya Pratama; Andika Satria Pratama; Tri Ramadhanti; Victor Parulian; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16430

Abstract

Kendaraan roda dua kini menjadi kebutuhan utama bagi masyarakat Indonesia. Aktivitas jual beli motor, baik baru maupun bekas, sudah sangat umum dilakukan. Namun, masih banyak calon pembeli yang belum mengetahui kisaran harga dari tipe atau model motor yang ingin mereka beli maupun jual. Untuk membantu memperkirakan harga tersebut, dapat digunakan pendekatan Machine Learning (ML) dengan metode Supervised Learning, yang berfungsi melatih model menggunakan algoritma analisis statistik. Prediksi merupakan aspek penting dalam statistik, terutama dalam pengambilan keputusan. Penelitian ini bertujuan membandingkan performa dua algoritma machine learning, yaitu Regresi Linear Berganda dan Decision Tree Regressor, dalam memprediksi harga motor bekas. Data yang digunakan meliputi Model, Tahun, Transmisi, Odometer, Jenis, Pajak, Konsumsi BBM, Mesin, dan Harga. Dataset dibagi menjadi data pelatihan dan pengujian dengan perbandingan 80:20. Hasil penelitian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki akurasi lebih tinggi dengan nilai R² sebesar 0.8755 dan RMSE lebih rendah sebesar 1328.09 dibandingkan Decision Tree yang memiliki R² sebesar 0.8422 dan RMSE 1495.23. Oleh karena itu, model Regresi Linear Berganda lebih efektif dalam menangani hubungan linear antar variabel saat memprediksi harga motor bekas, dengan hasil perbandingan divisualisasikan dalam bentuk heatmap dan prediksinya ditampilkan melalui website.
PERANCANGAN SISTEM PREDIKSI RISIKO DIABETES MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST Samuel Paul Jackson Simanjuntak; Rafi Abdul Aziz; Ichwan Agil Prasetyo; M. Raihan Al Ikhsan; Abiath Cio; Sigit Wibawa; Muhammad Muharrom
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16668

Abstract

Penelitian ini bertujuan merancang sistem prediksi risiko diabetes menggunakan algoritma Logistic Regression dan Random Forest dengan memanfaatkan dataset Pima Indians Diabetes. Tahap pra-pemrosesan meliputi imputasi nilai nol pada fitur medis dan normalisasi data sebelum dibagi menjadi data latih dan uji. Kedua model dilatih secara paralel, dan model terbaik dipilih berdasarkan nilai F1-Score untuk meningkatkan akurasi pendeteksian pasien dengan diabetes (Outcome = 1). Evaluasi performa menggunakan metrik akurasi, presisi, recall, F1-Score, dan confusion matrix menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 74%, F1-Score 0,82 untuk kelas Tidak Diabetes, dan 0,59 untuk kelas Diabetes. Sistem ini diintegrasikan ke antarmuka Gradio interaktif, memungkinkan pengguna memasukkan parameter medis dan memperoleh prediksi risiko secara real-time. Hasil penelitian menunjukkan bahwa sistem mampu mendukung deteksi dini diabetes secara efisien, meskipun perlu peningkatan untuk mengurangi kesalahan False Negative pada pasien positif diabetes.
Co-Authors Abiath Cio Adhitya Pratama Andi Arfian Andika Satria Pratama Arya Putrana Kohan Baginda Oloan Lubis Bimo Hakim Prabowo Fadli Ilyas Gani, Ahmad Ibnu Rizki Prayoga Ichwan Agil Prasetyo Juarni Siregar M Ramdani M. Raihan Al Ikhsan Muhamad Rafi Hamdani Muhammad Muharrom Ningsih , Rahayu Rafi Abdul Aziz Rahmiliasari Samnufida Samuel Paul Jackson Simanjuntak Sri Budhi Lestari Suryanto , Suryanto Taufik Hidayat Tri Ramadhanti Victor Parulian