Claim Missing Document
Check
Articles

ANALISIS KINERJA KOMBINASI ALGORITMA AFFINE CHIPER, HILL CHIPER DAN ALGORITMA EL GAMAL DALAMPENGAMANAN DATA Ananda Faridhatul Ulva
Sisfo: Jurnal Ilmiah Sistem Informasi Vol. 3 No. 1 (2019): Sisfo: Jurnal Ilmiah Sistem Informasi, Mei 2019
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/sisfo.v3i1.6306

Abstract

Perkembangan teknologi semakin maju setiap zaman dengan berkembangnya teknologi kebutuhan manusia akan teknologi semakin besar terutama kebutuhan manusia dalam teknologi informasi. Kriptografi secara umum adalah ilmu dan seni untuk menjaga kerahasiaan pesan ketika pesan dikirim dari suatu tempat ke tempat yang lain. Algoritma kunci publik banyak digunakan karena kekuatan pengamanannya tapi memiliki kelemahan dalam lambatnya proses enkripsi dan dekripsi. Penggabungan proses enkripsi dengan menggunakan algoritma simetris yaitu Affine Cipher yang kemudian hasil dari affine cipher dienkripsi kembali dengan menggunakan Hill Cipher sehingga akan menutupi kelemahan dari Affine Cipher kemudian untuk menutupi kelemahan dari kedua algoritma dalam proses pengaman kunci digunakan algoritma asimetris atau algoritma kunci publik yaitu ElGamal sehingga nantinya memunculkan suatu kombinasi algoritma yang dapat memperkuat keamanan data
Classification Analysis Model of Construction Materials to Support Decision-Making in Construction Projects Emi Maulani; Syarifah Asria Nanda; Burhanuddin Burhanuddin; Ananda Faridhatul Ulva; zahratul fitri
Sisfo: Jurnal Ilmiah Sistem Informasi Vol. 10 No. 1 (2026): Sisfo: Jurnal Ilmiah Sistem Informasi, Mei 2026
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/sisfo.v10i1.26978

Abstract

This study aims to analyze and compare the performance of Gaussian Naïve Bayes and K-Nearest Neighbor (KNN) algorithms in classifying the feasibility of construction materials to support decision-making in construction projects. A quantitative comparative study design was applied using 127 samples of structural building materials collected from 15 contractor companies in Lhokseumawe City, Indonesia. The dataset consists of five predictor variables: price, compressive strength, water absorption, delivery time, and supplier rating. Data preprocessing included missing value imputation, outlier handling using the interquartile range method, normalization using Min-Max scaling, and class balancing using Synthetic Minority Over-sampling Technique (SMOTE). Model evaluation was conducted using accuracy, precision, recall, F1-score, and AUC, while feature importance was analyzed using permutation importance. The results show that the KNN model (k = 5) outperforms Gaussian Naïve Bayes across all evaluation metrics, achieving an accuracy of 92.11% and an AUC of 0.934.