Article Per Year (5 Year)
p-Index From 2021 - 2026
6.434
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Menara Riau: Jurnal Ilmu Pengetahuan dan Pengembangan Masyarakat Islam Infotech Journal Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Jurnal Pengabdian UntukMu NegeRI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika JITK (Jurnal Ilmu Pengetahuan dan Komputer) Dinamisia: Jurnal Pengabdian Kepada Masyarakat Sebatik ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Journal of Education Informatic Technology and Science Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) IJISTECH KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) Harmony Philosophy: International Journal of Islamic Religious Studies and Sharia INOVTEK Polbeng - Seri Informatika Prosiding Seminar Nasional Ilmu Teknik Journal of Computer Science Artificial Intelligence and Communications Jurnal Ilmu Komputer dan Teknik Informatika Jurnal Pengabdian Masyarakat Berdampak International Journal of Applied Science and Technology Application
Eka Pandu Cynthia
UIN Sultan Syarif Kasim RIau
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities 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 Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 2   3   4   5   6 
Analysis of the Complexity of Heuristic Algorithms for Permutation Optimization in Large-Scale Computing Fitriasih, Sri Hariyati; Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia; Remawati, Dwi
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.79

Abstract

Permutation optimization is a fundamental problem in large-scale computing that arises in various applications such as scheduling, resource allocation, and combinatorial decision-making. As the size of the solution space grows exponentially, conventional optimization methods often struggle to achieve acceptable performance within reasonable computational time. Heuristic and metaheuristic algorithms have therefore become widely adopted due to their flexibility and ability to provide near-optimal solutions for NP-hard problems. However, increasing data scale significantly impacts their computational complexity, making efficiency and scalability critical concerns.This study aims to analyze the computational complexity and performance characteristics of several heuristic algorithms applied to permutation optimization in large-scale computing environments. The research employs a quantitative experimental approach combined with theoretical complexity analysis. Greedy heuristic, simulated annealing, genetic algorithm, and adaptive heuristic methods are evaluated using synthetic permutation datasets with varying sizes. Performance is assessed based on execution time, memory usage, scalability, and solution quality. The results indicate that greedy heuristics offer the fastest execution and lowest memory consumption but tend to produce suboptimal solutions due to their local search strategy. Simulated annealing improves solution quality through probabilistic exploration, while genetic algorithms achieve the highest-quality solutions at the cost of substantial computational and memory overhead. Adaptive heuristic algorithms demonstrate a balanced performance by dynamically adjusting parameters during execution, achieving near-optimal solutions with reduced computational complexity. Overall, this research highlights the trade-offs between efficiency and solution quality among heuristic algorithms and emphasizes the potential of adaptive heuristic approaches for large-scale permutation optimization. The findings provide valuable insights for designing efficient and scalable optimization algorithms suitable for real-world large-scale computing applications.
Pembandingan Arsitektur Transformer dan CNN untuk Pengolahan Data Non-Visual Rahmawati, Lailia; Atmojo, Wahyu Tisno; Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.80

Abstract

Perkembangan pesat kecerdasan buatan dan pembelajaran mendalam telah mendorong eksplorasi berbagai arsitektur jaringan saraf untuk pengolahan data non-visual, seperti data numerik, sekuensial, dan tekstual. Dua arsitektur yang paling banyak digunakan dan berkembang adalah Convolutional Neural Network (CNN) dan Transformer. Meskipun CNN telah lama digunakan secara luas karena efisiensinya dalam mengekstraksi fitur lokal, arsitektur Transformer dengan mekanisme self-attention menawarkan kemampuan unggul dalam menangkap hubungan global dan dependensi kompleks antar elemen data. Penelitian ini bertujuan untuk membandingkan kinerja dan efisiensi arsitektur CNN dan Transformer dalam pengolahan data non-visual melalui pendekatan eksperimental kuantitatif. Dataset non-visual digunakan dan melalui tahapan pra-pemrosesan sebelum dilakukan pelatihan dan pengujian model. Evaluasi performa dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score, serta analisis efisiensi komputasi berdasarkan waktu pelatihan dan kompleksitas model. Hasil penelitian menunjukkan bahwa Transformer secara konsisten mencapai performa yang lebih tinggi dibandingkan CNN pada seluruh metrik evaluasi, khususnya dalam menangani pola kompleks dan hubungan jangka panjang pada data non-visual. Namun, CNN menunjukkan keunggulan dalam efisiensi komputasi dan kestabilan pelatihan dengan kebutuhan sumber daya yang lebih rendah. Temuan ini mengindikasikan bahwa tidak terdapat satu arsitektur yang sepenuhnya unggul dalam semua aspek, melainkan pemilihan model harus disesuaikan dengan karakteristik data dan kebutuhan aplikasi. Selain itu, penelitian ini menyoroti potensi pendekatan hibrida yang mengombinasikan CNN dan Transformer untuk meningkatkan performa dan generalisasi model. Penelitian ini diharapkan dapat menjadi referensi empiris bagi pengembangan sistem cerdas berbasis pembelajaran mendalam dalam pengolahan data non-visual.
Perbandingan Algoritma Kriptografi Modern dalam Melindungi Data Transmisi Cynthia, Maulidania Mediawati; Cynthia, Eka Pandu; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.87

Abstract

Keamanan data transmisi merupakan aspek penting dalam sistem informasi modern seiring meningkatnya pertukaran data melalui jaringan terbuka. Berbagai ancaman seperti penyadapan, manipulasi data, dan serangan siber menuntut penerapan algoritma kriptografi yang andal dan efisien. Penelitian ini bertujuan untuk membandingkan algoritma kriptografi modern dalam melindungi data transmisi berdasarkan parameter keamanan, kecepatan enkripsi dan dekripsi, ukuran kunci, serta efisiensi penggunaan sumber daya sistem. Metode penelitian yang digunakan adalah pendekatan komparatif eksperimental dengan tahapan meliputi studi literatur, penentuan algoritma dan parameter pengujian, implementasi simulasi, pengumpulan data, serta analisis hasil. Algoritma yang dianalisis meliputi AES, ChaCha20, RSA, dan ECC. Hasil penelitian menunjukkan bahwa algoritma kriptografi simetris, khususnya ChaCha20 dan AES, memiliki performa yang lebih unggul dalam hal kecepatan dan efisiensi sumber daya dibandingkan algoritma asimetris. Sementara itu, algoritma ECC menunjukkan keunggulan signifikan dibandingkan RSA dengan tingkat keamanan tinggi dan ukuran kunci yang lebih kecil. Penelitian ini menyimpulkan bahwa tidak terdapat satu algoritma yang unggul pada semua aspek, sehingga pemilihan algoritma kriptografi harus disesuaikan dengan kebutuhan sistem. Kombinasi algoritma simetris dan asimetris merupakan pendekatan paling efektif dalam melindungi data transmisi pada sistem informasi modern.
Analisis Protokol Routing Adaptif untuk Jaringan Komputer Skala Besar Cynthia, Eka Pandu; Cynthia, Maulidania Mediawati; Cynthia, Dessy Nia
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.88

Abstract

Jaringan komputer skala besar memiliki tingkat kompleksitas dan dinamika yang tinggi, sehingga membutuhkan mekanisme routing yang mampu beradaptasi terhadap perubahan kondisi jaringan secara cepat dan efisien. Protokol routing adaptif dirancang untuk menyesuaikan pemilihan rute berdasarkan kondisi jaringan terkini, seperti beban trafik, kualitas link, dan perubahan topologi. Penelitian ini bertujuan untuk menganalisis kinerja protokol routing adaptif pada jaringan komputer skala besar melalui pendekatan simulasi jaringan. Metode penelitian yang digunakan meliputi perancangan model jaringan, implementasi protokol routing adaptif, serta pengujian kinerja jaringan berdasarkan beberapa parameter utama, yaitu delay, throughput, packet loss, dan waktu konvergensi. Pengujian dilakukan pada beberapa skenario, meliputi kondisi jaringan normal, peningkatan beban trafik, dan kegagalan link. Hasil penelitian menunjukkan bahwa protokol routing adaptif mampu mempertahankan kinerja jaringan yang stabil pada berbagai kondisi pengujian. Nilai delay dan packet loss tetap berada pada tingkat yang rendah, sementara throughput jaringan dapat dipertahankan secara optimal meskipun terjadi gangguan jaringan. Selain itu, protokol routing adaptif menunjukkan waktu konvergensi yang relatif cepat dalam menyesuaikan diri terhadap perubahan topologi jaringan. Berdasarkan hasil tersebut, dapat disimpulkan bahwa protokol routing adaptif efektif untuk diterapkan pada jaringan komputer skala besar yang membutuhkan keandalan, efisiensi, dan kemampuan adaptasi tinggi terhadap dinamika jaringan.
Analisis Korelasi Faktor Gaya Hidup Terhadap Indikator Kesehatan Menggunakan Metode Shapiro-Wilk dan Spearman Mohd Fadli Ariansyah; Eka Pandu Cynthia
Prosiding Seminar Nasional Ilmu Teknik Vol. 2 No. 2 (2025): Desember: Prosiding Seminar Nasional Ilmu Teknik
Publisher : Asosiasi Riset Ilmu Teknik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/prosemnasproit.v2i2.209

Abstract

Lifestyle changes, such as smoking habits, low physical activity, and suboptimal sleep patterns, have the potential to affect various health indicators. However, empirical evidence showing a direct link between lifestyle factors and objective health indicators still shows varying results. This study aims to analyze the relationship between lifestyle factors and health indicators in adult respondents, in an effort to provide an empirical picture of behavioral factors related to health conditions. This study used a quantitative approach with a cross-sectional observational analytic design. Data were obtained from 94 respondents who had complete lifestyle data and health examination results. Lifestyle factors analyzed included smoking habits, exercise frequency, and sleep duration, while health indicators included body mass index (BMI), systolic and diastolic blood pressure, blood sugar levels, cholesterol, uric acid, and pulse rate. Data analysis was performed using descriptive statistics, the Shapiro–Wilk normality test, and the Spearman correlation test according to the characteristics of the data distribution. The results showed that smoking habits were significantly associated with diastolic blood pressure (p < 0.05), exercise frequency was significantly associated with BMI and systolic blood pressure (p < 0.05), and sleep duration was significantly associated with uric acid levels (p < 0.05). Meanwhile, the relationship between lifestyle factors and other health indicators did not show statistical significance. These findings indicate that the influence of lifestyle on health is specific to certain indicators and is not evenly distributed across all health parameters. This study concludes that identifying lifestyle factors relevant to certain health indicators is important as a basis for formulating more targeted health promotion strategies.
Evaluating the Role of Maqāṣid al-Sharīʿah in Formulating Ethical Frameworks for Artificial Intelligence in Islamic Jurisprudence Wiwik Hidayati; Eka Pandu Cynthia
Harmony Philosophy: International Journal of Islamic Religious Studies and Sharia Vol. 1 No. 2 (2024): May: Harmony Philosophy: International Journal of Islamic Religious Studies and
Publisher : International Forum of Researchers and Lecturers

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70062/harmonyphilosophy.v1i2.323

Abstract

The rapid advancements in Artificial Intelligence (AI) have raised significant ethical concerns across various sectors, necessitating the need for robust ethical frameworks to guide their development and implementation. This study explores the intersection of AI ethics and Islamic law, focusing on how Maqāṣid al-Sharīʿah, the higher objectives of Islamic law, can be applied to AI governance. By examining key Islamic principles such as justice, transparency, privacy, and human dignity, the study investigates how these values can provide a moral compass for addressing AI-related ethical challenges, such as algorithmic bias, privacy violations, and the erosion of human autonomy. The Maqāṣid al-Sharīʿah framework offers a proactive and vision-oriented approach, prioritizing societal well-being while ensuring the alignment of AI technologies with Islamic moral standards. Unlike traditional Islamic legal responses, which are often reactive and case-specific, the Maqāṣid approach promotes the anticipatory evaluation of technologies, emphasizing the need for a balance between technological innovation and ethical responsibility. The paper also discusses potential solutions to bridge the gaps between global AI ethics frameworks and Islamic ethical standards, including interdisciplinary collaboration and the development of hybrid regulatory models. Additionally, it highlights the need for continuous updates to Islamic legal frameworks to address emerging technological issues, ensuring that AI systems are ethically sound, Shariah-compliant, and beneficial to society. This study aims to contribute to the growing discourse on the ethical implications of AI from an Islamic perspective, offering insights into how Islamic law can play a crucial role in shaping the future of AI governance.
Evaluasi Efisiensi Pemanfaatan Struktur Data dalam Bahasa Pemrograman Python untuk Operasi Pencarian dan Penyimpanan Eka Pandu Cynthia; Inggih Permana; Febi Nursalisah; Aprijon
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 1 No. 1 (2025): Januari 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v1i1.41

Abstract

Penelitian ini bertujuan untuk mengevaluasi efisiensi berbagai struktur data yang tersedia dalam bahasa pemrograman Python, khususnya dalam konteks operasi pencarian (searching) dan penyimpanan (storing). Struktur data seperti list, tuple, set, dan dictionary memiliki karakteristik dan kompleksitas waktu yang berbeda, sehingga pemilihan yang tepat sangat berpengaruh terhadap performa program, terutama pada skenario dengan data berukuran besar. Metodologi penelitian ini menggunakan pendekatan kuantitatif melalui serangkaian pengujian eksperimental terhadap masing-masing struktur data. Pengujian dilakukan dengan mengukur waktu eksekusi dan penggunaan memori dalam operasi pencarian dan penyimpanan terhadap sejumlah data dengan variasi ukuran dari kecil hingga sangat besar. Hasil pengujian menunjukkan bahwa dictionary memiliki performa terbaik dalam hal kecepatan pencarian dan penyimpanan karena memanfaatkan teknik hashing, sementara set juga menunjukkan efisiensi yang tinggi dalam pencarian tetapi lebih terbatas dalam hal penyimpanan data kompleks. Sebaliknya, list dan tuple menunjukkan efisiensi yang lebih rendah dalam pencarian karena memerlukan pencarian linear, meskipun penggunaan memori tuple lebih hemat dibanding list. Kesimpulan dari penelitian ini menekankan pentingnya pemahaman terhadap karakteristik struktur data dalam Python untuk mengoptimalkan efisiensi program, khususnya dalam sistem atau aplikasi yang mengandalkan pemrosesan data dalam jumlah besar. Implikasi dari studi ini dapat digunakan sebagai acuan bagi pengembang perangkat lunak dalam memilih struktur data yang paling sesuai berdasarkan kebutuhan spesifik dari aplikasi yang dikembangkan.
Pengaruh Parameter Learning Rate terhadap Konvergensi Model Neural Network dalam Proses Pelatihan Maulidania Mediawati Chinthia; Eka Pandu Cynthia; Muhammad Eka; Febi Nursalisah
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 1 No. 1 (2025): Januari 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v1i1.45

Abstract

Dalam pengembangan model neural network, proses pelatihan memegang peranan kunci dalam menentukan kualitas generalisasi dan performa akhir model. Salah satu parameter paling krusial dalam proses pelatihan adalah learning rate, yang mengatur seberapa besar langkah pembaruan bobot dilakukan terhadap gradien fungsi kerugian. Penentuan nilai learning rate yang tepat sangat mempengaruhi kecepatan konvergensi serta stabilitas pembelajaran. Penelitian ini bertujuan untuk menganalisis secara teoritis dan eksperimental pengaruh variasi parameter learning rate terhadap konvergensi model neural network. Studi dilakukan dengan menggunakan dataset standar MNIST dan CIFAR-10 pada model multilayer perceptron (MLP) dan convolutional neural network (CNN). Parameter learning rate divariasikan dalam beberapa skenario, mulai dari sangat kecil (1e-5) hingga besar (1e-1), dan dievaluasi berdasarkan laju konvergensi, kestabilan loss, serta akurasi validasi. Hasil penelitian menunjukkan bahwa learning rate yang terlalu kecil menyebabkan proses pelatihan lambat dan berisiko terjebak dalam local minima, sementara learning rate yang terlalu besar menyebabkan fluktuasi signifikan bahkan divergensi. Ditemukan bahwa terdapat kisaran nilai learning rate optimal yang bersifat kontekstual terhadap arsitektur model dan karakteristik data. Selain itu, implementasi teknik penyesuaian dinamis seperti learning rate decay atau adaptive learning rate methods (misalnya Adam, RMSprop) secara signifikan membantu mempercepat konvergensi dan meningkatkan kestabilan pelatihan. Temuan ini menegaskan pentingnya pemilihan dan penyetelan learning rate yang tepat untuk menghindari permasalahan underfitting maupun overfitting, sekaligus memaksimalkan efisiensi pelatihan model neural network secara keseluruhan.
K-Means Clustering for Market Basket Data Segmentation Eka Pandu Cynthia; Maulidania Mediawati Cynthia; Dessy Nia Cynthia
International Journal of Applied Science and Technology Application Vol. 1 No. 1 (2026): March 2026
Publisher : Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/ijapset.v1i1.4

Abstract

The rapid growth of retail transaction data has created new opportunities for businesses to analyze customer purchasing behavior and improve decision-making strategies. Market basket data contains valuable information about product combinations purchased together within a single transaction, which can reveal hidden patterns of consumer behavior. This study aims to apply the K-Means clustering algorithm to segment market basket transaction data based on similarities in purchasing patterns. The research method involves several stages, including data preprocessing, transformation of transaction data into a binary feature matrix, determination of the optimal number of clusters, and clustering analysis using the K-Means algorithm. The results show that the clustering process successfully groups transactions into several clusters representing different purchasing characteristics. Each cluster reflects distinct consumer behavior patterns such as routine household purchases, breakfast-related items, snack-oriented transactions, and fresh product selections. These findings demonstrate that K-Means clustering can effectively identify meaningful patterns within market basket datasets. The clustering results provide useful insights that can support retail strategies such as targeted promotions, product bundling, store layout optimization, and inventory management. Overall, the application of clustering techniques in market basket analysis contributes to improving data-driven decision-making and enhancing the understanding of customer purchasing behavior in retail environments.
Co-Authors Adi Mustofa Afriyanti, Liza Ahyani Junia Karlina Alwis Nazir Anggi Pranata Anwar Alfaruqi Sipayung Aprijon Aprijon Ardiansyah Saputra Arifandy, M. Imam Atmojo, Wahyu Tisno Baehaqi Batubara, Supina Budianita , Elvia Chinthia, Maulidania Mediawati Cynthia, Dessy Nia Cynthia, Maulidania Mediawati Dessy Nia Cynthia Dicky Abimanyu Dina Septiawati Dwi Remawati Edi Ismanto Effendi, Noverta Elin Haerani Elvia Budianita Fadhilah Syafria Febi Nursalisah Febi Yanto Fikri, Mhd Ikhsanul Fitra Kurnia Fitri Insani Fitri Wulandari Fitriani Muttakin Fitriani Muttakin Gultom, Imeldawaty Gusti, Siska Kurnia Hammam Zaki Hanafiah, Anggi Hasdi Radiles Iis Afrianty Inggih Permana Intan Eria Elfi Iwan Iskandar Iwan Iskandar Jannata, Nanda Januar Al Amien Jasril Jasril Jeki Dwi Arisandi Khairuniza, Nabila Lestari Handayani M Imam Arifandy M. Afdal M. Afdal M. Afif Rizky A. M. Imam Arifandy Mardiah Maripati, Maripati Maulidania Mediawati Chinthia Maulidania Mediawati Cynthia mohamad samuri, suzani Mohd Fadli Ariansyah Muhammad Affandes Muhammad Eka Muhammad Fikry Muhammad Irsyad Muhammad Khairy Dzaky Muhammad Ridha MUHAMMAD YUSUF Muhammad Zen, Muhammad Mulyati, Sabar Mushlihul Afif Nazaruddin Nazaruddin Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H Novi Yanti Novi Yanti nursalisah, febi Octadino Hariyadi Okfalisa Okfalisa Oktaria, Wina Pizaini Pizaini Putra, Randi Rian Rahmad Al Rian Rahmat Al Hafiz Rahmawati Rahmawati, Lailia Raihan Mahdy Reski Mai Candra Ritonga, Sinta Wahyuni Rizki, Cindy Atika Roni Setyawan Rusmin Saragih, Rusmin Sarbaini Sarbaini Sinaga, Ayu Puspita Sari Siti Ramadhani Sri Hariyati Fitriasih, Sri Hariyati Sugandi, Hatami Karsa Sulistia Ningsih, Sulistia Surya Agustian Suwanto Sanjaya Syafitri, Nesi Syaifullah Syaifullah Wiwik Hidayati Yelfi Yelfi Yelvi Fitriani Yelvi Fitriani Yelvi Vitriani Yenggi Putra Dinata Yudhi Arta, Yudhi Yusra Yusra . Yusra Yusra Yusra Yusra Yusra, Yusra Zulham Zulham