Article Per Year (5 Year)
p-Index From 2021 - 2026
1.606
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING The Indonesian Journal of Computer Science Research JURNAL MULTIDISIPLIN BHATARA
Utama, Hastari
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Perancangan UI/UX Pada Aplikasi Peduli Alam Berbasis Aplikasi Mobile Menggunakan UCD Gavinda, Gigih Raka; Utama, Hastari; Masruro, Ahlihi
The Indonesian Journal of Computer Science Research Vol. 4 No. 1 (2025): Januari
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i1.192

Abstract

Permasalahan pembuangan sampah sembarangan masih sering terjadi di berbagai daerah, seperti di pinggir jalan dan sungai, yang menimbulkan bau tidak sedap, merusak pemandangan, serta mengganggu kenyamanan masyarakat. Fenomena ini menunjukkan rendahnya kesadaran masyarakat dalam menjaga kebersihan lingkungan. Untuk mengatasi masalah tersebut, diperlukan solusi inovatif yang dapat memudahkan masyarakat dan petugas kebersihan dalam mengelola sampah. Penelitian ini bertujuan merancang antarmuka aplikasi Peduli Alam berbasis mobile dengan menerapkan metode User-Centered Design (UCD) yang berfokus pada kebutuhan pengguna. Aplikasi ini dirancang dengan tiga fitur utama, yaitu Lokasi Sampah, Laporan Pekerjaan, dan Tip untuk Petugas Kebersihan, yang diharapkan dapat memudahkan masyarakat dalam melaporkan lokasi sampah serta membantu petugas kebersihan dalam menangani masalah sampah secara efektif. Pengujian prototipe dilakukan terhadap 30 responden menggunakan kuesioner dengan skala Likert yang terdiri dari 15 pertanyaan. Hasil evaluasi menunjukkan skor sebesar 84,71 yang termasuk dalam kategori “Baik”, mengindikasikan bahwa desain aplikasi ini telah memenuhi kebutuhan pengguna dan siap untuk dikembangkan lebih lanjut. Dengan adanya aplikasi ini, diharapkan dapat meningkatkan partisipasi masyarakat dalam menjaga kebersihan lingkungan serta mendukung kinerja petugas kebersihan dalam menanggulangi masalah sampah.
Integrasi Augmentasi Data dan Machine Learning dalam Prediksi Magnitudo Gempa Bumi: Analisis dengan Random Forest Regressor dan Visualisasi Geospasial Utama, Hastari; Masruro, Ahlihi; Indriyatmoko, Toto; Sudarmanto, Sudarmanto
BHATARA: Jurnal Multidisiplin Ilmu Vol 2 No 3 (2025): October (In progress issue)
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v2i3.233

Abstract

This research aims to enhance the accuracy of earthquake magnitude prediction through an integration of data augmentation techniques and machine learning based on the Random Forest Regressor, supported by geospatial visualization for in-depth analysis. The dataset used originates from the USGS (United States Geological Survey) in CSV format, encompassing over a thousand global earthquake events within one month, with seismic parameters such as location (latitude, longitude), depth, magnitude, and recording quality. In the context of imbalanced data—dominated by small earthquakes and rare large ones—a data augmentation technique based on noise injection into spatial features (latitude, longitude) and depth was applied, resulting in a dataset five times larger than the original. Evaluation results demonstrate significant improvement in model performance: MAE decreased from 0.2467 to 0.1046 (a 57.6% reduction), RMSE dropped from 0.3499 to 0.1868 (a 46.6% decrease), MSE reduced from 0.1225 to 0.0349 (a 71.5% reduction), and R² increased from 0.9493 to 0.9817. These improvements confirm that data augmentation not only reduces overfitting but also strengthens the model’s ability to predict large-magnitude earthquakes—classes most critical for disaster mitigation. Geospatial visualization displays the spatiotemporal distribution of earthquakes, identifying active seismic hotspots in regions such as the Pacific Ring of Fire, California, Alaska, and Indonesia. This research proves that data augmentation is not merely a supplementary technique but a crucial strategy to enhance model generalization and predictive performance, particularly for rare yet high-impact seismic events. The findings offer significant scientific and practical contributions to seismic hazard mitigation and risk mapping, with potential applications in early warning systems and real-time disaster response.
Pemodelan Prediktif Konsumsi Energi Listrik di Pabrik Baja Berbasis XGBoost untuk Pengelolaan Sumber Daya Berkelanjutan Utama, Hastari; Santoso, Joko Dwi
BHATARA: Jurnal Multidisiplin Ilmu Vol 2 No 3 (2025): October (In progress issue)
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v2i3.234

Abstract

This research aims to develop a predictive model for electrical energy consumption in steel plants based on XGBoost Regressor, with the goal of supporting sustainable resource management. The dataset used was obtained from the UCI Machine Learning Repository with DOI: 10.24432/C52G8C , covering real-time operational data from a steel plant during 2018, including variables such as energy consumption (Usage_kWh), reactive power, power factor, and production load status. The research process included data exploration, preprocessing, time and categorical feature extraction, and training the XGBoost Regressor model with hyperparameter optimization using Grid Search and time-series split validation. Evaluation results showed outstanding performance with an MAE of only 0.41 kWh, RMSE of 0.81 kWh, and an R² value of 0.9993, indicating that the model successfully explained nearly all variations in actual data. Feature importance analysis revealed that Lagging_Current_Reactive.Power_kVarh and CO2(tCO2) were the most influential features in predicting energy consumption. This model is not only technically accurate but also holds significant practical potential for use in industrial energy management systems, helping companies plan production schedules, avoid peak loads, and improve energy efficiency sustainably.
Weak Supervision Dengan Pendekatan Labeling Function Untuk Analisis Sentimen Pada Twitter Utama, Hastari; Daniati, Erna; Masruro, Ahlihi
The Indonesian Journal of Computer Science Research Vol. 3 No. 1 (2024): January
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v3i1.93

Abstract

Penggunaan sosial media saat ini telah meningkat dengan pesat. Salah satu jenis media sosial yang digunakan adalah Twitter. Media sosial ini memiliki miliaran pengguna dari seluruh dunia. Jadi, dalam waktu yang singkat data tweet yang mereka posting telah ada pada penyimpaannya. Setiap pengguna juga dibatasi jumlah karakter dalam melakukan pengiriman tweetnya. Namun, kumpulan tweet pada media sosial ini memiliki konteks tema yang bervariatif. Hal ini dapat memuat sentimen emosional seperti senang, sedih, gembira, duka, dan sebagainya. Berbagai jenis data tweet yang disediakan ini sangat berpotensial untuk dianalisis terutama bagi perusahaan berbasis profit. Hal ini dapat memuat kebiasaan pelanggan, tren produk, indeks saham, dan sebagainya. Salah satu jenis analisis yang dilakukan adalah sentiment analisis. Hal ini berguna untuk mengklasifikasikan opini tweet yang ada. Opini ini dapat berupa positif, negatif, atau netral. Hasil analisis ini sangat diperlukan perusahaan untuk mengetahui tren yang terjadi pada era ini. Salah satu solusi yang ditawarkan pada penelitian ini adalah dengan menggunakan Weak Supervision. Namun, ada tantangan yang terjadi pada metode ini. Hal ini adalah kuranganya tingkat akurasi jika dibandingkan dengan pelabelan secara manual.  Pada penelitian ini dilakukan pelabelan otomatis dengan weak supervision. Selain itu, dilakukan pendekatan labeling function dan Regex Pattern dalam melakukan pelabelan secara otomatis. Hal ini diharapakan dataset yang dilabeli akan menghasilkan model dengan tingkat akurasi mendekat pelabelan secara manual, lebih lagi jika dapat mengungguli metode manual. Selain itu, kontribusi yang diharapkan dalam penelitian ini adalah usaha untuk mempersingkat waktu pelabelan daripada dilakukan secara manual.Ringkasan penelitian tidak lebih dari 500 kata yang berisi latar belakang penelitian, tujuan dan metode penelitian yang diusulkan, luaran yang ditargetkan, serta uraian kontribusi penelitian. Gunakan style Abstract pada bagian ini dengan satu paragraf.
Perbandingan Kinerja Algoritma SVM, LSTM, dan Fine-tuned IndoBERT dalam Analisis Sentimen Opini Masyarakat Indonesia terhadap Mobil Listrik Daniati, Erna; Nugroho, Arie; Ristyawan, Aidina; Utama, Hastari
The Indonesian Journal of Computer Science Research Vol. 5 No. 1 (2026): Januari
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v5i1.245

Abstract

Penelitian ini menyajikan analisis sentimen terhadap opini publik di Indonesia mengenai mobil listrik menggunakan pendekatan fine-tuning pada model IndoBERT untuk meningkatkan akurasi klasifikasi sentimen. Dengan semakin meningkatnya pergeseran global menuju transportasi berkelanjutan, memahami persepsi masyarakat sangat penting bagi keberhasilan adopsi mobil listrik di Indonesia. Penelitian ini menggunakan dataset berisi 1.517 komentar berbahasa Indonesia yang dikumpulkan dari platform media sosial dan dilabeli menjadi tiga kategori sentimen: positif, negatif, dan netral. Model yang digunakan adalah IndoBERT-base yang diperbaiki melalui proses fine-tuning pada dataset tersebut untuk meningkatkan performanya dalam klasifikasi sentimen. Hasil evaluasi menunjukkan bahwa IndoBERT yang telah dilakukan fine-tuning mencapai akurasi sebesar 0,91, mengungguli tiga model baseline yaitu TF-IDF dengan SVM, LSTM, serta IndoBERT tanpa fine-tuning. Uji signifikansi statistik menggunakan uji McNemar membuktikan bahwa peningkatan tersebut signifikan secara statistik (p < 0,05). Selain itu, analisis tematik kualitatif mengungkapkan bahwa sentimen negatif didominasi oleh kekhawatiran terhadap harga yang mahal infrastruktur pengisian daya yang minim serta ketidakpercayaan terhadap kebijakan pemerintah sedangkan sentimen positif cenderung berkaitan dengan manfaat lingkungan dan insentif yang adil. Penelitian ini menunjukkan bahwa pendekatan fine-tuning pada IndoBERT secara signifikan meningkatkan akurasi klasifikasi sentimen dan memberikan wawasan berharga mengenai opini publik yang mendukung pengembangan kebijakan dan strategi industri dalam mempromosikan mobilitas ramah lingkungan di Indonesia
Comparative Analysis of BERT and LSTM Models for Sentiment Classification of Mobile Game User Reviews Indriyatmoko, Toto; Rahardi, Majid; Utama, Hastari; Frobenius, Arvin Claudy
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.12149

Abstract

Sentiment classification of user reviews for mobile games that rely on direct advertising (direct ads) is crucial for understanding player perceptions and improving user experience. This study aims to compare the performance of two deep learning architectures, Long Short-Term Memory (LSTM) and multilingual Bidirectional Encoder Representations from Transformers (BERT) in classifying sentiment in reviews into three categories, positive, negative, and neutral. The dataset used consists of reviews from games employing direct ads, which underwent rule-based labeling and text preprocessing. The LSTM model was built from scratch using a custom embedding layer, while the multilingual BERT model was fine-tuned using a transfer learning approach. Evaluation was conducted based on accuracy, precision, recall, and F1-score metrics. Experimental results show that multilingual BERT achieves superior validation loss compared to LSTM (0.37 vs. 0.44). BERT also outperforms LSTM significantly in terms of F1-score and its ability to understand multilingual linguistic context. However, LSTM demonstrates advantages in computational efficiency and training speed. These findings offer practical recommendations for developers in selecting an appropriate sentiment analysis model based on accuracy requirements and resource availability.
Analisis Keamanan Jaringan pada VLAN dengan Metode Firewall Security Port Menggunakan Telegram Bot sebagai Monitoring Al Fatta, Khabib; Utama, Hastari; Santoso, Joko Dwi; Ferdiansyah, Pramudita
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

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

Abstract

Perkembangan era digital meningkatkan kebutuhan akan keamanan jaringan, terutama pada lingkungan Virtual Local Area Network (VLAN). Penelitian ini bertujuan untuk menganalisis keamanan jaringan pada VLAN dengan menerapkan metode firewall security port dan memanfaatkan Telegram Bot sebagai sistem monitoring berbasis notifikasi real-time. Metode penelitian yang digunakan adalah SPDLC (Security Policy Development Life Cycle) dengan tahapan analisis, desain, implementasi, pengujian, dan evaluasi. Implementasi dilakukan menggunakan router Mikrotik dengan konfigurasi aturan firewall filter beraksi drop pada port tertentu, khususnya port FTP (21). Pengujian serangan DDoS dilakukan menggunakan software Ultraddos dengan mengirimkan 10.000 paket ke alamat IP target. Hasil penelitian menunjukkan bahwa firewall dengan aksi drop berhasil mencegah lonjakan CPU hingga 100% dan menghindari logout paksa pada perangkat. Selain itu, Telegram Bot berhasil mengirimkan notifikasi serangan dalam waktu kurang dari 5 detik setelah serangan terdeteksi, meningkatkan responsivitas administrator. Kesimpulan penelitian ini adalah integrasi firewall security port dan Telegram Bot efektif dalam melindungi jaringan VLAN dari serangan DDoS sekaligus menyediakan mekanisme monitoring yang cepat dan andal. Penelitian ini memberikan kontribusi praktis bagi pengembangan sistem keamanan jaringan yang responsif dan terdiferensiasi.
Analisis Hasil Uji Penetrasi Menggunakan Metode Information Systems Security Assessment Framework (ISSAF) Pada Website Cahyo, Iyondiansyah Eka; Santoso, Joko Dwi; Utama, Hastari
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

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

Abstract

Ancaman keamanan pada situs web sering kali disebabkan oleh adanya celah keamanan yang dapat dimanfaatkan pihak tidak berwenang untuk melakukan tindakan berbahaya. Penelitian ini bertujuan untuk menganalisis kerentanan keamanan pada website dummy dengan menerapkan metode Information Systems Security Assessment Framework (ISSAF) dalam pelaksanaan uji penetrasi. Pengujian dilakukan menggunakan pendekatan black box testing dengan fokus pada tiga jenis serangan umum: SQL Injection, Cross-Site Scripting (XSS), dan Cross-Site Request Forgery (CSRF). Hasil penelitian mengidentifikasi bahwa SQL Injection tergolong risiko sedang, sedangkan XSS dan CSRF termasuk dalam kategori risiko tinggi berdasarkan analisis faktor ancaman dan dampak teknis-bisnis. Rekomendasi mitigasi yang diusulkan meliputi penerapan prepared statements, Content Security Policy (CSP), dan CSRF token untuk meningkatkan keamanan sistem. Penelitian ini diharapkan dapat menjadi acuan dalam pengujian dan peningkatan keamanan aplikasi web berbasis kerangka kerja terstruktur.
Identifikasi Kerentanan Perangkat Lunak Pengolah Dokumen Berbasis Binary menggunakan Metode Whitebox Fuzzing Afl++ Rasyid, Ahmad Hassan; Santoso, Joko Dwi; Utama, Hastari
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

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

Abstract

Keamanan perangkat lunak menjadi semakin penting di era digital, terutama dalam menghadapi serangan siber seperti buffer overflow. Pengujian keamanan yang komprehensif diperlukan untuk menemukan kerentanan tersebut, dengan teknik fuzzing sebagai salah satu pendekatan yang efektif. Penelitian ini mengimplementasikan whitebox fuzzing menggunakan AFL++ yang dikombinasikan dengan Address Sanitizer (ASan) untuk mendeteksi kerentanan pada perangkat lunak pengolah dokumen berbasis binary, yaitu PDFCook versi 0.4.5. Hasil penelitian menunjukkan bahwa dalam waktu 10 menit 2 detik, AFL++ berhasil menemukan 2.952 crash dengan 110 file crash unik yang tersimpan. Jenis kerentanan yang teridentifikasi didominasi oleh Segmentation Fault (SEGV) sebanyak 94,5%, diikuti oleh Heap Buffer Overflow (3,6%), SIGABRT, dan Out of Memory. Temuan ini membuktikan bahwa fuzzing berbasis AFL++ merupakan metode yang efisien, ekonomis, dan efektif untuk mengungkap kerentanan keamanan pada perangkat lunak sebelum dirilis ke lingkungan produksi.
Implementasi Sistem Manajemen Produksi Dan Pemesanan Pada Konveksi Sablon Cambena.Ink Berbasis Website Anggara, Adrianus Ingka; Santoso, Joko Dwi; Utama, Hastari
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

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

Abstract

Perkembangan teknologi digital tidak hanya membawa dampak positif tetapi juga memicu peningkatan kejahatan siber, termasuk cyber sexual harassment. Modus kejahatan ini sering kali memanfaatkan teknik steganografi untuk menyembunyikan bukti digital dalam media seperti gambar. Penelitian ini bertujuan untuk menganalisis bukti digital forensik terkait penggunaan teknik steganografi pada media flashdisk dalam konteks kasus cyber sexual harassment. Metode yang digunakan adalah kerangka kerja National Institute of Standards and Technology (NIST) yang terdiri dari empat tahap: collection, examination, analysis, dan reporting. Alat yang digunakan meliputi FTK Imager untuk akuisisi, Autopsy untuk pemeriksaan dan pemulihan data, serta OpenStego dan Steganographystudio untuk steganalisis. Hasil penelitian menunjukkan bahwa proses akuisisi berhasil dengan integritas terjaga (hash MD5 & SHA-1 terverifikasi). Autopsy berhasil memulihkan 10 file gambar yang terhapus. Analisis histogram mengindikasikan adanya anomali pada semua file. Namun, ekstraksi pesan tersembunyi hanya berhasil sebagian: OpenStego berhasil pada 1 file (10%), sedangkan Steganographystudio pada 2 file (20%). Simpulan penelitian menyatakan bahwa pendekatan NIST efektif, namun efektivitas steganalisis sangat bergantung pada alat dan teknik penyembunyian yang digunakan, sehingga diperlukan strategi multi-alat dalam investigasi forensik digital untuk kasus serupa.
Co-Authors Aidina Ristyawan, Aidina Al Fatta, Khabib Anggara, Adrianus Ingka Arie Nugroho, Arie Cahyo, Iyondiansyah Eka Erna Daniati Ferdiansyah, Pramudita Frobenius, Arvin Claudy Gavinda, Gigih Raka Indriyatmoko, Toto JOKO DWI SANTOSO Majid Rahardi Masruro, Ahlihi Rasyid, Ahmad Hassan Sudarmanto Sudarmanto, Sudarmanto