Article Per Year (5 Year)
p-Index From 2021 - 2026
6.169
P-Index
This Author published in this journals
All Journal Jurnal TIMES Sinkron : Jurnal dan Penelitian Teknik Informatika Journal Information System Development METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Jurnal Informatika Kaputama (JIK) Jurnal Pengabdian Pada Masyarakat METHABDI TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Resianta Perangin-Angin
Universitas Methodist Indonesia
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Immunology & microbiology Languange, Linguistic, Communication & Media Medicine & Pharmacology Physics Public Health

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : journal information system development

 1 
Analisa Alokasi Memori dan Kecepatan Kriptograpi Simetris Dalam Enkripsi dan Dekripsi Perangin-angin, Resianta; Jaya, Indra Kelana; Rumahorbo, Benget; Marpaung, Berlian Juni R
Journal Information System Development (ISD) Vol 4, No 1 (2019): Journal Information System Development (ISD)
Publisher : UNIVERSITAS PELITA HARAPAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (601.236 KB)

Abstract

Currently the focus of cryptography is on the security and speed of data transmission. Cryptography is the study of how to secure information. This security is done by encrypting the information with a special key. This information before being encrypted is called plaintext. After being encrypted with a key called ciphertext. At present, AES (Advanced Encryption Standard) is a cryptographic algorithm that is safe enough to protect confidential data or information. In 2001, AES was used as the latest cryptographic algorithm standard published by NIST (National Institute of Standard and Technology) in lieu of the DES (Data Encryption Standard) algorithm that has expired. The AES algorithm is a cryptographic algorithm that can encrypt and decrypt data with varying key lengths, namely 128 bits, 192 bits, and 256 bits. From the results of tests carried out for speed and classification memory, it can be concluded that the AES cryptographic algorithm is superior or faster if the size or size of the plaint text is not so large, because for the smaller AES algorithm the speed ratio in terms of encryption will become more fast, it becomes very different for the Blowfish algorithm itself where for large sizes plaint text can be encrypted faster than AES but for smaller sizes Blowfish is certainly slower in that case, for memory allocation in this case from the tests performed it can be concluded that AES requires more storage space or larger memory allocation compared to the blowfish algorithm
Penerapan Algoritma Safe-Level-SMOTE Untuk Peningkatan Nilai G-Mean Dalam Klasifikasi Data Tidak Seimbang Perangin-angin, Resianta
Journal Information System Development (ISD) Vol 5, No 2 (2020): Journal Information System Development (ISD)
Publisher : UNIVERSITAS PELITA HARAPAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (420.836 KB)

Abstract

Klasifikasi data yang tidak seimbang merupakan masalah yang krusial pada bidang machine learning dan data mining. Ketidakseimbangan data memberikan dampak yang buruk pada hasil klasifikasi dimana kelas minoritas sering disalah klasifikasikan sebagai kelas mayoritas. Dimana kelompok kelas minoritas (minority) adalah kelompok kelas yang memiliki data lebih sedikit, dan kelompok kelas mayoritas (mayority) adalah kelompok kelas yang memilik jumlah data lebih banyak. Data tidak seimbang adalah suatu kondisi dimana jumlah contoh dari salah satu kelas jauh lebih banyak dari kelas yang lain. Alasan buruknya kinerja metode klasifikasi biasa yang digunakan pada data tidak seimbang adalah bahwa tujuan metode klasifikasi dalam meminimumkan galat secara keseluruhan tidak dapat tercapai karena kelas minoritas hanya sedikit memberikan kontribusi, selain itu keputusan akhir yang dihasilkan tidak tepat karena terjadinya bias. Hal ini disebabkan oleh salah satu kelas mendominasi dalam hal jumlah. Dalam penelitian ini akan berfokus pada peningkatan nilai G-Mean dari dataset yang digunakan, dengan menerapkan algoritma Safe-Level-SMOTE. Dari hasil ujicoba yang dilakukan terhadap dua dataset yakni Abalon dan Vowel, untuk skema Smote + k-NN nilai G-Mean yang didapat yakni 0,47 untuk dataset Abalon dan 0.94 untuk dataset Vowel. Seletah dilakukan ujicoba terhadap dataset yang sama menggunakan skema Safe-Level-Smote menggunakan algoritma klasifikasi k-NN didapat hasil G-Mean 0,59  untuk dataset Abalon dan 1.00 Untuk dataset Vowel, rerata dari kenaikan nilai G-Mean terhadap algoritma SMOTE sebesar 12,68%. Hal ini membuktikan bahwasanya algoritma Safe-Level-Smote dapat meningkatkan nilai G-Mean pada klasifikasi data tidak seimbang menggunakan algoritma klasifikasi k-Nearst Neighbors.
Penerapan Algoritma Safe-Level-SMOTE Untuk Peningkatan Nilai G-Mean Dalam Klasifikasi Data Tidak Seimbang Resianta Perangin-angin
Journal Information System Development (ISD) Vol 5 No 2 (2020): Journal Information System Development (ISD)
Publisher : UNIVERSITAS PELITA HARAPAN

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

Abstract

Klasifikasi data yang tidak seimbang merupakan masalah yang krusial pada bidang machine learning dan data mining. Ketidakseimbangan data memberikan dampak yang buruk pada hasil klasifikasi dimana kelas minoritas sering disalah klasifikasikan sebagai kelas mayoritas. Dimana kelompok kelas minoritas (minority) adalah kelompok kelas yang memiliki data lebih sedikit, dan kelompok kelas mayoritas (mayority) adalah kelompok kelas yang memilik jumlah data lebih banyak. Data tidak seimbang adalah suatu kondisi dimana jumlah contoh dari salah satu kelas jauh lebih banyak dari kelas yang lain. Alasan buruknya kinerja metode klasifikasi biasa yang digunakan pada data tidak seimbang adalah bahwa tujuan metode klasifikasi dalam meminimumkan galat secara keseluruhan tidak dapat tercapai karena kelas minoritas hanya sedikit memberikan kontribusi, selain itu keputusan akhir yang dihasilkan tidak tepat karena terjadinya bias. Hal ini disebabkan oleh salah satu kelas mendominasi dalam hal jumlah. Dalam penelitian ini akan berfokus pada peningkatan nilai G-Mean dari dataset yang digunakan, dengan menerapkan algoritma Safe-Level-SMOTE. Dari hasil ujicoba yang dilakukan terhadap dua dataset yakni Abalon dan Vowel, untuk skema Smote + k-NN nilai G-Mean yang didapat yakni 0,47 untuk dataset Abalon dan 0.94 untuk dataset Vowel. Seletah dilakukan ujicoba terhadap dataset yang sama menggunakan skema Safe-Level-Smote menggunakan algoritma klasifikasi k-NN didapat hasil G-Mean 0,59  untuk dataset Abalon dan 1.00 Untuk dataset Vowel, rerata dari kenaikan nilai G-Mean terhadap algoritma SMOTE sebesar 12,68%. Hal ini membuktikan bahwasanya algoritma Safe-Level-Smote dapat meningkatkan nilai G-Mean pada klasifikasi data tidak seimbang menggunakan algoritma klasifikasi k-Nearst Neighbors.
Analisa Alokasi Memori dan Kecepatan Kriptograpi Simetris Dalam Enkripsi dan Dekripsi Resianta Perangin-angin; Indra Kelana Jaya; Benget Rumahorbo; Berlian Juni R Marpaung
Journal Information System Development Vol 4, No 1 (2019): Journal Information System Development (ISD)
Publisher : UNIVERSITAS PELITA HARAPAN

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

Abstract

Currently the focus of cryptography is on the security and speed of data transmission. Cryptography is the study of how to secure information. This security is done by encrypting the information with a special key. This information before being encrypted is called plaintext. After being encrypted with a key called ciphertext. At present, AES (Advanced Encryption Standard) is a cryptographic algorithm that is safe enough to protect confidential data or information. In 2001, AES was used as the latest cryptographic algorithm standard published by NIST (National Institute of Standard and Technology) in lieu of the DES (Data Encryption Standard) algorithm that has expired. The AES algorithm is a cryptographic algorithm that can encrypt and decrypt data with varying key lengths, namely 128 bits, 192 bits, and 256 bits. From the results of tests carried out for speed and classification memory, it can be concluded that the AES cryptographic algorithm is superior or faster if the size or size of the plaint text is not so large, because for the smaller AES algorithm the speed ratio in terms of encryption will become more fast, it becomes very different for the Blowfish algorithm itself where for large sizes plaint text can be encrypted faster than AES but for smaller sizes Blowfish is certainly slower in that case, for memory allocation in this case from the tests performed it can be concluded that AES requires more storage space or larger memory allocation compared to the blowfish algorithm
Co-Authors Azelia Sarah Dwi Artha Bangun, Joy Erivan Pratama Berlian Juni R Marpaung Br. Batubara, Anggi Natasya Br. Karo, Selli Afnita Br. Sembiring Pelawi, Pindi Alpioninta Darwis Robinson Manalu Delvi Natalina Br Tarigan Elisabeth, Duma Megaria Elsya Secilia Margaretha Elvika Rahmi Emma Rosinta Simarmata Eva Julia G. Harianja Eva Julia Gunawati Harianja Eva Julia Gunawati Harianja Eva Julia Gunawati Harianja, Eva Julia Gunawati Eviyanti N. Purba Fenina Twince Tobing Ginting Babo, Aris Franata Giska Yufani Gortap Lumbantoruan Harianja, Eva J. G. Harianja, Eva Julia G. Henri Yosua Pangihutan Hutagalung, Estri Aprilia Hutagaol, Ryan Philip Hutapea, Marlyna I. Ijonris, Yusuf Ika Yusnita Sari Indra Kelana Jaya Jamaluddin Jamaluddin Jamaluddin Jepriyanta N. Brahmana Jimmy F. Naibaho Jonathan H. Saragih Jonathan Hamonangan Saragih Jujur Marentha Nababan Junika Napitupulu Lyna M. N. Hutapea Mahendra Tlapta Sitepu Marihot Gultom Marlyna I Hutapea Marpaung, Berlian Juni R Marpaung, Flora Moris Raichel Sitanggang Mufria J. Purba Nainggolan, Rena Napitupulu, Thomson Januari Nehemia Christian Boy Octania Togatorop Paiman Nababan Panjaitan, Calvin Nicolas Petty Exclesia Pardosi Purba, Eviyanti N. Purba, Eviyanti Novita Rasmulia Sembiring Rena Nainggolan Reynaldi Pantun Sianturi Rijois I. E Saragih Rijois I. E. Saragih Rimbun Siringoringo Rimbun Siringoringo Rimbun Siringoringo, Rimbun Robert Simangunsong Roni J. Simamora Rumahorbo, Benget Siboro, Yohana Natalia Sidabalok, Valentino Sihaloho, Senta Egrioni Simanjuntak, Stevani L. Z. Simanullang, Sanco Siringoriongo, Rimbun Sitepu, Fernanda Jekita F. Sitorus, Hegi Audria Sofya C. Sitompul Tobing, Fenina A. T. Torong, Yepta Efraim Yohana Angelita Manullang Zalukhu, Delianus