Article Per Year (5 Year)
p-Index From 2020 - 2025
0.882
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika C.I.T. Medicom International Journal of Basic and Applied Science Jurnal Nasional Teknologi Komputer LEBAH Indonesian Journal of Education And Computer Science
Ginting, Ramadhanu
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Dynamic optimization algorithms for enhancing blockchain network resilience against distributed attacks Riandari, Fristi; Afrisawati, Afrisawati; Afifa, Rizky Maulidya; Syahputra, Rian; Ginting, Ramadhanu
International Journal of Basic and Applied Science Vol. 13 No. 2 (2024): Sep: Basic and Applied Science
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/ijobas.v13i2.499

Abstract

This research introduces a dynamic optimization algorithm designed to enhance blockchain network resilience against distributed attacks such as Distributed Denial of Service (DDoS), Sybil, and eclipse attacks. The primary objective is to develop a real-time, adaptive control strategy that minimizes network performance degradation while dynamically responding to evolving threats. The research design integrates multi-objective optimization, game theory, and reinforcement learning to formulate a defense strategy that adapts to adversarial conditions. The methodology is based on a modified state-space model, where the blockchain's performance is represented by a system of dynamic equations influenced by both control actions (defensive measures) and attack vectors. The optimization problem is formulated to minimize a cost function that balances network resilience and resource usage. A numerical example is presented to validate the model, demonstrating the algorithm’s effectiveness in maintaining network performance under attack by adjusting defense mechanisms in real-time. The main results indicate that the proposed method significantly reduces the impact of distributed attacks while ensuring efficient resource allocation. In conclusion, this research offers a novel framework for enhancing blockchain security, with implications for real-world applications in decentralized systems, financial services, and critical infrastructure. Future work will address the scalability of the algorithm and explore more advanced reinforcement learning techniques to handle more complex and unpredictable attack patterns.
Komparasi Metode Certainty Factor dan Dempster Shafer untuk Mendiagnosa Penyakit Autis Ginting, Ramadhanu; Riandari, Fristi; Afrisawati; Syechu, Weno; Afifa, Rizky Maulidya; Ritonga, Rama Prameswara
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1212

Abstract

Penelitian ini membahas perancangan sistem yang bertujuan untuk menangani masalah autisme pada anak-anak. Autisme merupakan gangguan yang mempengaruhi kemampuan individu, terutama dalam hal interaksi sosial. Dalam konteks ini, sistem pakar digunakan untuk mentransfer keahlian seorang pakar ke dalam bentuk algoritma yang dapat digunakan untuk diagnosis.Penelitian ini menganalisis dua metode dalam sistem pakar, yaitu Certainty Factor dan Dempster Shafer, yang ditujukan untuk mendiagnosis autisme pada anak. Tujuan utama penelitian ini adalah untuk mengevaluasi dan menentukan metode mana yang paling efektif untuk diimplementasikan dalam aplikasi yang dapat membantu mengklasifikasikan anak-anak dengan autisme.Hasil komparasi menunjukkan bahwanya metode Certainty Factor mencapai tingkat probabilitas di atas 95 %, dibandingkan dengan metode Dempster Shafer dalam komparasi 2 metode yang penulis lakukan. Temuan ini memberikan wawasan yang signifikan mengenai efektivitas kedua metode, serta kontribusi mereka dalam pengembangan sistem pakar untuk diagnosis autisme. Diharapkan penelitian ini dapat menjadi referensi untuk solusi yang lebih baik dalam bidang kesehatan mental anak.
Hungarian maximization model approach for optimizing human resource assignment in multi-site projects Riandari, Fristi; Dalimunthe, Yulia Agustina; Ginting, Ramadhanu; Afifa, Rizky Maulidya; Afrisawati, Afrisawati
Jurnal Teknik Informatika C.I.T Medicom Vol 17 No 2 (2025): May: Intelligent Decision Support System (IDSS)
Publisher : Institute of Computer Science (IOCS)

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

Abstract

Digital transformation in project management demands the implementation of computational models that are able to handle the complexity of human resource (HR) allocation efficiently and objectively. This study examines the application of the Hungarian algorithm in the form of maximization as a computer science-based optimization solution to the HR assignment problem in multi-location projects. By constructing a benefit matrix calculated from weighted attributes such as technical expertise, experience, and location preference, this study implements linear transformations and matrix processing procedures using a numerical approach in Python. This digitalization process allows the system to perform assignment evaluation and allocation automatically and with high precision. Simulation results on a case study of five workers and five project locations show that the model produces optimal assignments with a total benefit score of 420. This model proves its effectiveness in solving polynomial assignment problems, while expanding the use of the Hungarian algorithm in the domain of applied computer science to support data-driven decision making. This study emphasizes the role of classical algorithms in supporting scalable and replicable digital solutions for modern HR management systems.
Pemanfaatan Artificial Intelligence (AI) dalam Menyusun Karya Ilmiah bagi Siswa SMA Unggulan Al-Azhar Medan Afifa, Rizky Maulidya; Ginting, Ramadhanu; Afrisawat, Afrisawat; Riandari, Fristi; Safitri, Habibi Ramdani
Lebah Vol. 18 No. 4 (2025): July: Pengabdian
Publisher : IHSA Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/lebah.v18i4.358

Abstract

Pengabdian masyarakat ini bertujuan untuk memanfaatkan teknologi Kecerdasan Buatan (AI) dalam proses penyusunan karya ilmiah bagi para siswa di SMA Unggulan Al-Azhar Medan. Di era digital saat ini, kemampuan menulis karya ilmiah merupakan kompetensi yang sangat penting untuk dikuasai oleh siswa. Namun, banyak siswa yang mengalami kesulitan dalam tahapan penyusunan, mulai dari pemilihan topik hingga penulisan dan pengeditan. Melalui pengabdian masyarakat khususnya dalam pelatihan pemanfaatan Artificial Intelligence (AI) diperkenalkan alat berbasis AI dengan memperhatikan penggunaan prompt yang dapat membantu siswa SMA Unggulan Al-Azhar Medan dalam mengidentifikasi tema, menyusun kerangka, serta menghasilkan konten berkualitas. Metode yang diterapkan mencakup demonstrasi langsung, sesi tanya jawab, dan praktik mandiri. Hasil dari kegiatan ini menunjukkan adanya peningkatan pemahaman siswa tentang proses penulisan ilmiah, serta kemampuan  dalam memanfaatkan teknologi AI sebagai alat bantu. Pelatihan pemanfaatan AI diharapkan dapat mempercepat dan mempermudah proses pembelajaran, serta menghasilkan karya ilmiah yang lebih baik di kalangan siswa. Kegiatan ini dapat memberikan kontribusi signifikan terhadap peningkatan kualitas pendidikan serta keterampilan menulis siswa di era digital dengan bimbingan guru di SMA Unggulan Al-Azhar Medan. Kegiatan ini juga dapat memberikan kontribusi jangka panjang pada pembentukan generasi siswa yang lebih adaptif, kreatif dan memiliki literasi yang tinggi di dalam teknologi serta dengan tetap menekankan aspek etika penggunaan AI, keaslian dengan pendampingan guru. Pelatihan ini diharapkan dapat mewujudkan budaya literasi digital yang positif di lingkungan sekolah, peningkatan kemampuan berpikir kritis serta terbentuknya generasi pelajar yang siap menghadapi tantangan akademik dan teknologi di masa depan
Perbandingan Metode Teorema Bayes dan Dempster Shafer Menentukan Status Gunung Berapi Ginting, Ramadhanu; Riandari, Fristi; Afrisawati, Afrisawati; Sulistianingsih, indri
Jurnal Nasional Teknologi Komputer Vol 5 No 3 (2025): Juli 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i3.274

Abstract

Penelitian ini membahas perbandingan dua metode dalam sistem pakar yang digunakan untuk menganalisis status aktivitas gunung berapi. Gunung berapi merupakan struktur geologis yang terbentuk akibat pergerakan magma dari dalam bumi ke permukaan melalui erupsi, yang biasanya disertai pelepasan lava, gas, dan material vulkanik lainnya. Sistem pakar dalam konteks ini bertujuan mentransformasikan pengetahuan seorang ahli ke dalam bentuk algoritma komputasional yang mampu melakukan diagnosis secara otomatis. Dua metode yang dianalisis dalam penelitian ini adalah Teorema Bayes dan Dempster Shafer. Tujuan utama dari studi ini adalah mengevaluasi efektivitas kedua metode dalam menentukan status gunung berapi dan mengidentifikasi metode yang paling akurat untuk diimplementasikan dalam aplikasi sistem pakar. Hasil analisis menunjukkan bahwa metode Dempster Shafer memiliki tingkat akurasi sebesar 98%, lebih tinggi dibandingkan dengan metode Teorema Bayes dalam konteks data gejala yang diuji. Temuan ini menunjukkan bahwa Dempster Shafer lebih unggul dalam klasifikasi status gunung berapi pada kasus ini, serta memberikan kontribusi terhadap pengembangan sistem pakar yang andal dalam mendukung pengambilan keputusan di bidang geologi dan mitigasi bencana alam
Co-Authors Afifa, Rizky Maulidya Afrisawat, Afrisawat Afrisawati afrisawati, Afrisawati Dalimunthe, Yulia Agustina Fristi Riandari Rian Syahputra Ritonga, Rama Prameswara Safitri, Habibi Ramdani Sulistianingsih, Indri Syechu, Weno