Benny Benny
Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Bina Nusantara, Jl. K.H. Syahdan No. 9, Kemanggisan/Palmerah, Jakarta Barat 11480

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

Analisis Metode Secret Sharing Asmuth-Bloom Dan Visual Cryptography Sugianto, Sugianto; Jimmy, Jimmy; Suwandhi, Albert; Wilianto, Wilianto; Benny, Benny
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13541

Abstract

Algoritma kriptografi tradisional tidak dapat menguraikan plaintext (pesan) menjadi beberapa ciphertext karena algoritma kriptografi tradisional hanya dapat menghasilkan ciphertext dari plaintext (pesan). Protokol secret sharing adalah suatu metode untuk membagikan atau membagi pesan rahasia (secret) kepada 2 (dua) atau lebih penerima sedemikian rupa sehingga penerima rahasia tidak dapat mengetahui hasil dari penggalan pesan (share) kecuali masing-masing penerima saling bertukar bagian untuk merekonstruksi. rahasia. Permasalahan yang muncul adalah pada saat pertukaran share, pihak lain mengetahui bagian share, sehingga pihak tersebut dapat merekonstruksi secret juga. Untuk mengatasi masalah ini, penerima harus memiliki kunci lengkap dan membagikannya agar dapat dibaca, misalnya pesan terenkripsi. Penelitian ini menganalisis keamanan pengiriman rahasia yang dikombinasikan dengan secret sharing.
Pelatihan Pembuatan Slide AI dengan ChatGPT 4 untuk Pemuda-Pemudi GPSI Medan Utara Wilianto, Wilianto; Simarmata, B. Ricson; Benny, Benny; Putra, Jati; Jimmy, Jimmy
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13807

Abstract

Dalam rangka meningkatkan keterampilan pembuatan slide presentasi di kalangan pemuda-pemudi Gereja Pentakosta Sion Indonesia (GPSI) Wilayah Medan Utara, sebuah pelatihan menggunakan teknologi Artificial Intelligence (AI) melalui ChatGPT 4 telah diadakan. Pelatihan ini dirancang untuk membekali peserta dengan kemampuan mengintegrasikan teknologi terkini dalam desain presentasi yang efektif dan menarik. Abstrak ini mendeskripsikan tujuan pelatihan, metodologi yang digunakan, hasil yang dicapai, serta implikasi praktis dan rekomendasi untuk penggunaan AI dalam pembuatan materi presentasi.
Meningkatkan Minat pada Profesi Data Analyst di Indonesia: Pendekatan Analytical Hierarchy Process Suwandhi, Albert; Johan, Johan; Jimmy, Jimmy; Benny, Benny
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14492

Abstract

Profesi data analyst di Indonesia masih tergolong langka meskipun sangat dibutuhkan. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi minat terhadap profesi ini dan alasan mengapa profesi ini kurang diminati. Metode yang digunakan adalah deskriptif kuantitatif dengan pendekatan Analytical Hierarchy Process (AHP) menggunakan aplikasi Expert Choice. Hasil penelitian menunjukkan bahwa faktor utama yang memengaruhi minat adalah kesenjangan keterampilan (skill gap) dan kurangnya pelatihan yang memadai. Rekomendasi diberikan kepada pemerintah, institusi pendidikan, dan perusahaan untuk mengatasi kendala ini guna meningkatkan jumlah data analyst yang kompeten di Indonesia.
Penerapan Edge AI untuk Smart Home Deteksi Aktivitas Penghuni Berbasis IoT Jimmy, Jimmy; Johan, Johan; Suwandhi, Albert; Benny, Benny
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15658

Abstract

Perkembangan Internet of Things (IoT) dan kemampuan komputasi di tepi jaringan (edge computing) membuka peluang untuk membangun sistem smart home yang responsif, hemat bandwith, dan lebih menjaga privasi (Atzori et al., 2010). Penelitian ini merancang dan menguji sistem deteksi aktivitas penghuni berbasis IoT yang melakukan inferensi di edge node (Raspberry Pi 4) menggunakan model lightweight CNN (TensorFlow Lite) untuk data visual dan Random Forest untuk data sensor non-visual(Google, 2019; Warden & Situnayake, 2019). Data simulasi ilmiah disusun dari 5.000 gambar (ESP32-CAM) dan 20.000 sampel sensor (PIR, accelerometer). Pengujian menunjukkan bahwa Edge AI menurunkan latensi rata-rata dari 510 ms (cloud) menjadi 178 ms (edge) dan ensemble model mencapai akurasi ~94.4% pada lima kelas aktivitas utama. Hasil ini menunjukkan Edge AI layak diimplementasikan untuk use-case smart home yang memerlukan respon cepat dan privasi(Huang & Li, 2021; Shi et al., 2016).