Article Per Year (5 Year)
p-Index From 2021 - 2026
2.495
P-Index
This Author published in this journals
All Journal METIK JURNAL JUTIS : Jurnal Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Informatics and Digital Expert (INDEX) Jurnal Locus Penelitian dan Pengabdian Jurnal Algoritma
Nurul Sabrina, Puspita
Unknown Affiliation
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Engineering Mathematics

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

Found 15 Documents
Search

 1   2 
REENGINEERING ARSITEKTUR MONOLITHIC KE MICROSERVICES PADA WEBSITE MANAGEMENT CONTENT MQTV Putra Permana, Daffa; Ashaury, Herdi; Nurul Sabrina, Puspita
Jurnal Locus Penelitian dan Pengabdian Vol. 2 No. 9 (2023): Jurnal Locus Penelitian dan Pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v2i9.1723

Abstract

Perkembangan teknologi memberikan banyak manfaat. Salah satu teknologi yang sudah banyak digunakan dan membantu pekerjaan masyarakat adalah internet. MQTV adalah perusahaan stasiun TV yang menyediakan konten mereka dalam bentuk digital. MQTV memiliki website CMS dalam pengelolaan konten. Namun, seiring berjalannya waktu, website MQTV dapat mengalami masalah seperti batasan skalabilitas terbatas. Penggunaan arsitektur microservices dalam pengembangan aplikasi dapat memecahkan masalah arsitektur monolithic. Tujuan penelitian melakukan reengineering arsitektur website menjadi microservice, melakukan tahapan atau fase reengineering dan membandingkan hasil load testing dari website monolith dan   microservice. Metode penelitian yang dilakukan yaitu project feasibility analisis, analisi and planning, reengineering implementation dan testing and transition. Analisis kelayakan dilakukan pada website MQTV dengan hasil yaitu akan dilakukan reengineering arsitektur menjadi microservice. Analisi dan perancangan dilakukan untuk memahami struktur microservice yang akan dibuat. Reengineering implementasi dilakukan dengan membuat service-service dengan menggunakan REST api dan mencantumkan dokumentasi-dokumentasi dari hasil implementasi. Hasil dari implementasi website microservice dilakukan pegujian dengan menggunakan metode load testing dengan hasil menunjukan laju kinerja website arsitektur microservice lebih unggul dari arsitektur monolithic. metode penelitian yang di gunakan adalah Project Feasibility Analysis Mengevaluasi kebutuhan dan tujuan organisasi yang dicapai oleh sistem yang ada, produk perangkat lunak yang digunakan saat ini harus dianalisis dalam hal spesifikasi masalah termasuk tujuan, motivasi, batasan, dan aturan bisnis. hasil dari penelitian ini agar mengetahuai hasil percobaan pengujian yang dapat disimpulkan pada website CMS MQTV dengan arsitektur microservice lebih unggul dibandingkan dengan monolithic.
ANALISIS SENTIMENT PENGGUNAAN VAKSIN COVID-19 MENGGUNAKAN GEO-TAGGED TWEETS DAN ALGORITMA NAIVE BAYES Mushofy Anwary, Azy; ID Hadiana, Asep; Nurul Sabrina, Puspita
Informatics and Digital Expert (INDEX) Vol. 3 No. 2 (2021): INDEX, November 2021
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v3i2.876

Abstract

Sentimen analisis adalah salah satu teknik yang dapat dilakukan untuk mengolah suatu opini dari masyarakat salah satunya pada media sosial yaitu twitter. Dengan sentiment analisis data twitter tersebut dapat diketahui apakah polaritas suatu data tersebut akan mengarah pada sifat positif, negatif, atau netral. Penelitian ini menggunakan topik vaksin Covid-19 yang didapat dari Twitter. Metode yang digunakan dalam penelitian ini adalah metode naïve bayes. Metode naïve bayes adalah metode yang sering digunakan dalam mengkategorikan teks dan sangat cocok digunakan untuk implementasi analisis sentiment. Pada penelitian ini juga terdapat fitur tambahan yaitu fitur Geo-Tagged, fitur ini berguna untuk mengambil data pengguna twitter agar mengetahui lokasi dan waktu pengguna pada saat melakukan tweet. Ada beberapa proses yang dilakukan pada penelitian ini diantaranya pengumpulan data, pelabelan data, preprocessing data, feature extraction, penyeimbangan kelas label, mengklasifikasikan data menggunakan metode naïve bayes, melakukan visualisasi data berupa maps dan yang terakhir yaitu evaluasi hasil. Penelitian ini menghasilkan nilai akurasi (79%) dengan dibantu oleh metode synthetic minority oversampling technique. Data yang digunakan sebesar 1132 dataset yang diambil langsung menggunakan Teknik crawling dengan liblary twint. Wilayah yang melakukan tweet terbanyak jatuh kepada wilayah Karawang dengan sentimen positif  70 tweet, sentimen negatif 12 tweet dan sentimen netral 13 tweet.
Kriptografi Untuk Enkripsi Ganda Pada Gambar Menggunakan Algoritma AES (Advanced Encryption Standard) Dan RC5 (Rivest Code 5) Engko M, Galih Yuga Pangestu; Id Hadiana, Asep; Nurul Sabrina, Puspita
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.884

Abstract

Pada masa kini, informasi berupa gambar sangatlah penting, terutama pada bidang kemiliteran. Gambar yang diproses melalui channel komunikasi militer, harus dirahasiakan sehingga data gambar menjadi aman dan tidak dapat dilihat oleh penyusup.maka, penerapan enkripsi gambar perlu diterapkan untuk menjaga kerahasiaan dan keamanan gambar tersebut. saat ini telah banyak algoritma algoritma untuk mengenkripsi gambar. Salah satu algoritma yang cukup populer adalah AES (Advanced Encryption Standard). AES merupakan algoritma kriptografi berjenis cipher blok yang terkenal luas dalam pengenkripsian sebuah data karena algoritma ini lebih baik untuk mencegah serangan brute force dibanding algoritma pendahulunya yaitu DES (Data Encryption Standard). AES ini akan diterapkan pada sebuah program yang berfungsi untuk mengamankan gambar kemiliteran agar tidak terjadi pencurian gambar oleh pihak ketiga. Gambar harus dienkripsi dahulu menggunakan sebuah kunci simetris sebelum dikirim ke penerima agar aman, dan penerima harus memiliki kunci dari pengirim agar dapat melakukan dekripsi terhadap gambar yang telah dienkripsi tersebut. Namun, hanya dengan menggunakan AES saja belum cukup untuk memberikan keamanan ekstra pada data gambar tersebut. diperlukan algoritma tambahan untuk melakukan enkripsi terhadap gambar yang telah dienkripsi menggunakan AES, sehingga gambar hasil enkripsi AES tidak dapat diakses juga. Salah satu algoritma yang cocok untuk diterapkan karena memiliki kunci simetris juga dan proses enkripsinya cukup cepat. Salah satu algoritma tambahan yang cukup cepat untuk melakukan enkripsi adalah RC5 (Rivest Code 5), yang dikembangkan oleh ron rivest untuk mengenkripsi file dengan cepat dan dengan kunci simetris. Dari hasil kedua algoritma di atas maka akan terbentuk suatu enkripsi ganda yang memberikan keamanan lebih terhadap data gambar militer. Tujuan dari peneliti menggunakan algoritma AES dan RC5 adalah agar data gambar lebih sulit untuk dipenetrasi serta hasilnya juga data yang terenkripsi lebih aman namun tetap mudah untuk dilakukan dekripsi.
Peningkatan Klasifikasi Serangan DDoS pada SDN Menggunakan XGBoost dan RAMOBoost Badar, Ahmad; Rakhmat Umbara, Fajri; Nurul Sabrina, Puspita
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2460

Abstract

The aim of this study is to detect Distributed Denial of Service (DDoS) attacks in Software Defined Networking (SDN) environments using the XGBoost algorithm and the RAMOBoost balancing technique to address the issue of data imbalance. SDN offers flexibility in network management but remains vulnerable to DDoS attacks. The dataset used in this research consists of two classes (normal and attack) with an imbalanced distribution. XGBoost was chosen for its ability to deliver accurate predictions, while RAMOBoost was employed to enhance data representation for the minority class. The results show that before balancing, the model achieved 100% precision for the majority class and 96% precision for the minority class, with recall values of 97% and 100%, respectively. After applying RAMOBoost, precision and recall became more balanced, ranging between 97%–99%, while maintaining a high overall accuracy of 98%. Grouped Feature Importance analysis revealed that randomizing important features reduced accuracy from 97.88% to 49.78%, whereas randomizing unimportant features only slightly decreased accuracy to 97.82%. The main contribution of this study lies in the combined application of RAMOBoost and XGBoost, which proved effective in improving classification performance on imbalanced datasets, and in emphasizing the critical role of feature selection in maintaining model stability. These findings provide valuable insights for network administrators in developing effective attack detection systems for SDN environments.
Analisis Sentimen Ulasan Aplikasi CapCut Menggunakan Model RoBERTa Dengan Fitur Ekstraksi Word2vec Budiman, Firman Nur; Witanti, Wina; Nurul Sabrina, Puspita
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2480

Abstract

To improve the accuracy of sentiment classification in CapCut app reviews, this study tested a hybrid model built from a combination of RoBERTa and Word2Vec. A total of 5,000 reviews from the Google Play Store were used as a dataset, which was then processed through data cleaning, tokenization, and stopword removal stages. Next, the EDA oversampling technique was used to address the issue of class distribution imbalance. The proposed model architecture works by combining the concatenation of vector features from Word2Vec for local word meaning representation and RoBERTa for overall sentence context understanding. Model evaluation showed an accuracy of 80%, a higher result compared to the 79% accuracy obtained by the single RoBERTa baseline model. This study concludes that combining contextual and semantic feature representations effectively results in better sentiment classification performance.
Co-Authors Aditya Bahrul 'Alam, Moch Andhika, Firza Rafiandi Ashaury, Herdi Badar, Ahmad Budiman, Firman Nur Devian, Devian Edvin Ramadhan Engko M, Galih Yuga Pangestu Gikaldi Arbiyan Septuri Hadiana, Asep Id Id Hidiana, Asep Khoirullah, Debri Komarudin, Agus Krishna Putra, Eddie Mushofy Anwary, Azy Nabiel Syahreza, Fabian Putra Permana, Daffa Raihan Martin Permana Rakhmat Umbara, Fajri Ridwan Ilyas Rizki Kurniawan, Moch. Santana, Sony Tomagola, Inda Sari Wina Witanti