p-Index From 2021 - 2026
6.253
P-Index
Claim Missing Document
Check
Articles

Pengaruh Parameter Learning Rate terhadap Konvergensi Model Neural Network dalam Proses Pelatihan Chinthia, Maulidania Mediawati; Cynthia, Eka Pandu; Eka, Muhammad; Nursalisah, Febi
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.
Peningkatan Literasi Digital Masyarakat Melalui Pelatihan Pemanfaatan Google Workspace Mardiah; Cynthia, Eka Pandu; Chinthia, Maulidania Mediawati; Rizki, Cindy Atika; Khairuniza, Nabila
Jurnal Pengabdian Masyarakat Berdampak Vol. 1 No. 1 (2025): Januari 2025
Publisher : Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jupemba.v1i1.35

Abstract

Pemanfaatan teknologi digital yang optimal menjadi kunci dalam mendorong kemajuan masyarakat desa di era informasi. Namun, rendahnya literasi digital masih menjadi tantangan di banyak wilayah, termasuk Desa Cinta Rakyat. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan literasi digital warga melalui pelatihan pemanfaatan Google Workspace, yang mencakup layanan seperti Gmail, Google Drive, Google Docs, Google Sheets, dan Google Meet. Metode pelaksanaan mencakup pendekatan partisipatif melalui penyuluhan, demonstrasi langsung, dan praktik terarah yang melibatkan perangkat desa, pemuda, dan masyarakat umum. Hasil kegiatan menunjukkan peningkatan pemahaman dan keterampilan peserta dalam menggunakan layanan Google Workspace untuk keperluan komunikasi, pengelolaan data, serta kolaborasi daring. Selain itu, pelatihan ini juga mendorong terbentuknya kebiasaan kerja yang lebih produktif dan efisien di lingkungan masyarakat desa. Dengan meningkatnya literasi digital, masyarakat Desa Cinta Rakyat diharapkan mampu memanfaatkan teknologi secara bijak dan mandiri, serta lebih siap menghadapi tantangan era digital. Kegiatan ini membuktikan bahwa pendekatan pelatihan berbasis kebutuhan lokal dengan alat digital yang relevan mampu memberikan dampak nyata dalam pemberdayaan masyarakat.
Peningkatan Keterampilan Teknologi Digital untuk Siap Kerja di Era Global Memanfaatkan Pembelajaran Hybrid Cynthia, Eka Pandu; Chinthia, Maulidania Mediawati; Permana, Inggih; Nursalisah, Febi; Aprijon
Jurnal Pengabdian Masyarakat Berdampak Vol. 1 No. 2 (2025): Mei 2025
Publisher : Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jupemba.v1i2.37

Abstract

Perkembangan teknologi digital yang pesat menuntut generasi muda untuk memiliki keterampilan yang adaptif, kritis, dan siap pakai dalam menghadapi tantangan dunia kerja global. Namun, masih banyak peserta didik yang mengalami kesenjangan keterampilan digital, baik dari sisi penguasaan perangkat lunak, komunikasi digital, hingga pemanfaatan platform kolaboratif. Penelitian ini bertujuan untuk mengidentifikasi dan meningkatkan keterampilan teknologi digital generasi muda melalui pendekatan pembelajaran hybrid sebagai strategi yang adaptif terhadap kebutuhan zaman. Metode yang digunakan adalah studi tindakan (action research) dengan melibatkan 60 peserta dari lembaga pelatihan vokasi yang mengikuti program selama delapan minggu. Pembelajaran dilakukan dengan kombinasi sinkron (tatap muka dan daring langsung) dan asinkron (modul dan video mandiri), serta penilaian berbasis proyek. Hasil penelitian menunjukkan bahwa pendekatan hybrid secara signifikan meningkatkan kemampuan peserta dalam mengoperasikan teknologi produktivitas (Google Workspace, Canva, Trello), berkomunikasi secara profesional di ruang digital, serta berpikir kritis dalam memecahkan masalah berbasis teknologi. Evaluasi pre-test dan post-test menunjukkan peningkatan skor rata-rata sebesar 38%. Selain itu, peserta melaporkan peningkatan kepercayaan diri dalam menghadapi wawancara kerja daring, menyusun portofolio digital, dan melakukan presentasi virtual. Penelitian ini menyimpulkan bahwa model pembelajaran hybrid yang dirancang secara kontekstual dapat menjadi solusi efektif untuk menjembatani gap keterampilan digital sekaligus menyiapkan generasi muda yang lebih kompeten, adaptif, dan siap bersaing di era global. Rekomendasi diberikan untuk integrasi kurikulum digital secara menyeluruh di lembaga pendidikan dan pelatihan kerja.
Application of Machine Learning for Classifying and Identifying Security Threats Using a Supervised Learning Algorithm Approach Arta, Yudhi; Mohamad Samuri, Suzani; Syafitri, Nesi; Hanafiah, Anggi; Oktaria, Wina; Maripati, Maripati; Pandu Cynthia, Eka
INOVTEK Polbeng - Seri Informatika Vol. 10 No. 3 (2025): November
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/aqjdbj22

Abstract

The rapid growth of harmful web content has intensified the demand for intelligent systems capable of accurately classifying cyber threats based on URL patterns. This study evaluates two widely used supervised learning algorithms, Random Forest and Naïve Bayes, for probabilistic classification of multi-class URL datasets. A synthetic dataset comprising 547,775 URLs was designed to reflect realistic threat distribution: benign (65.74%), phishing (14.46%), defacement (14.81%), and malware (4.99%). Each sample included simple structural features such as URL length, number of dots, HTTPS usage, and keyword indicators. Both models were tested using identical stratified train-test splits with varying sample sizes, including focused experiments on 15,000 and 100,000 entries. Results revealed that both models achieved high recall and precision only for the benign class, while failing to detect minority classes. For Random Forest, precision and recall for benign URLs reached 1.00 but dropped to 0.00 for phishing, defacement, and malware in all test scenarios. Naïve Bayes exhibited similar shortcomings, highlighting the impact of class imbalance and limited feature expressiveness. This research concludes that while Random Forest and Naïve Bayes are computationally efficient, they are inadequate for detecting cyber threats without preprocessing techniques such as SMOTE, cost-sensitive learning, or feature enrichment. Future work will explore adaptive hybrid models with contextual features and deep learning frameworks to enhance multi-class detection in real-world cybersecurity scenarios.
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.
Co-Authors Adi Mustofa Afriyanti, Liza Ahyani Junia Karlina Alwis Nazir Anggi Pranata Anwar Alfaruqi Sipayung Aprijon Ardiansyah Saputra Arifandy, M. Imam Atmojo, Wahyu Tisno Baehaqi Batubara, Supina Budianita , Elvia Chinthia, Maulidania Mediawati Cynthia, Dessy Nia Cynthia, Maulidania Mediawati Dicky Abimanyu Dina Septiawati Dwi Remawati Edi Ismanto Effendi, Noverta Eka, Muhammad Elin Haerani Elvia Budianita Fadhilah Syafria Febi Yanto Fikri, Mhd Ikhsanul Fitra Kurnia Fitri Insani Fitri Wulandari Fitriani Muttakin Fitriani Muttakin Gultom, Imeldawaty Gusti, Siska Kurnia Hammam Zaki Hanafiah, Anggi Harahap, Ramadhan 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 mohamad samuri, suzani Mohd Fadli Ariansyah Muhammad Affandes Muhammad Amin Muhammad Fikry Muhammad Hasanuddin, Muhammad 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 Yelfi Yelfi Yelvi Fitriani Yelvi Fitriani Yelvi Vitriani Yenggi Putra Dinata Yudhi Arta, Yudhi Yusra Yusra . Yusra Yusra Yusra Yusra Yusra, Yusra Zulham Zulham