Article Per Year (5 Year)
p-Index From 2021 - 2026
4.116
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Teknik Komputer AMIK BSI JIKO (Jurnal Informatika dan Komputer) Faktor Exacta Jusikom : Jurnal Sistem Komputer Musirawas Jurnal Sisfokom (Sistem Informasi dan Komputer) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer KOMPUTIKA - Jurnal Sistem Komputer Jurnal Manajemen Informatika Jurnal Informatika Global Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya Jurnal Informatika dan Rekayasa Elektronik Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer ILKOMNIKA: Journal of Computer Science and Applied Informatics Scientific Journal of Informatics Jurnal Pengabdian kepada Masyarakat Nusantara Journal of Computer, Electronic, and Telecommunication (COMPLETE) Jurnal Pengabdian Masyarakat Indonesia Jurnal Abdimas Bina Bangsa Jurnal Abdi Masyarakat Indonesia Ngabdimas : Pengabdian Pada Masyarakat KREATIF: Jurnal Pengabdian Masyarakat Nusantara Journal Of Artificial Intelligence And Software Engineering
Asep Syaputra
Sekolah Tinggi Teknologi Pagaralam
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Public Health Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Faktor Exacta

 1 
Implementasi Metode Quantitative dan Qualitative Pada Risk Analysis & IT Risk Management Asep Syaputra; Buhori Muslim
Faktor Exacta Vol 15, No 1 (2022)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v15i1.12040

Abstract

The purpose of this study is to produce blue prints based on the level that positively and negatively affects hardware and software in one of the Agencies in City which will later become a benchmark to avoid or overcome problems that will be faced in the IT governance and IT infrastructure. IT governance is a process relationship structure that guides and controls an organization to achieve its vision and mission by creating value that balances risk with IT and its processes. An IT facility is an entity that performs the administrative and management functions of all IT applications in the Department XYZ environment for protection against unwanted threats that require risk management assessment. Minimize the danger or risk that may arise. The two analytical methods used in this study are quantitative and qualitative risk analysis. In the future, the quantitative risk analysis (QRA) approach will focus more on analyzing the condition of IT assets to find risk factors that need serious consideration and handling. For qualitative risk analysis methods, NIST SP 80030 is used to analyze various threat and risk attributes for to provide guidelines for the management of IT facilities in Department XYZ. Based on the QRA risk assessment, it was concluded that server-class IT resources are counted as the biggest potential loss to the Service. This is reflected in the risk aspect, where power losses have the most potential damage. Qualitative assessment of risk management according to NIST SP 80030 found that the sources of high-risk threats are high-risk power grids and the Internet. This level of risk can be identified during the threat source classification process. Submission of all risk analysis results can provide the results of risk recommendations communicated with departement IT management. To then be able to help the campus make decisions that include policies, procedures, budgets, operating systems and change management.
Implementasi Metode Support Vector Machine Dengan Algoritma Genetika Pada Prediksi Konsumsi Energi Untuk Gedung Beton Bertulang Asep Syaputra; Buhori Muslim; Nanda S. Prawira; Edowinsyah edowinsyah
Faktor Exacta Vol 16, No 2 (2023)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v16i2.16657

Abstract

Informasi tentang konsumsi energi sangat penting dalam mengukur efisiensi energi dan penghematan energi dalam bangunan. Konsumsi energi ini mengacu pada jumlah energi yang dibutuhkan untuk memberi daya pada bangunan pada waktu tertentu. Dengan mengetahui informasi ini, kita dapat mengevaluasi konsumsi energi yang ada dan membuat perubahan yang diperlukan untuk mengurangi penggunaan energi yang tidak perlu. Dalam jangka panjang, penghematan energi dapat membantu mengurangi biaya dan juga memberikan manfaat bagi lingkungan dengan mengurangi emisi gas rumah kaca yang dihasilkan oleh bangunan. Oleh karena itu, memperoleh informasi konsumsi energi yang akurat sangat penting bagi semua pihak yang terlibat dalam perencanaan, pembangunan, dan pengelolaan bangunan. Selama beberapa dekade terakhir, konsumsi energi di bangunan terus meningkat di seluruh dunia, dan sebagian besar konsumsi energi ini berasal dari Pemanasan, Ventilasi, dan Penyejuk Udara (HVAC) di dalam bangunan. Untuk mengatasi masalah ini, penelitian dilakukan dengan membuat model mesin vektor dukungan yang menggunakan algoritma genetika untuk memprediksi konsumsi energi di bangunan secara akurat. Dalam penelitian ini, dua model mesin vektor dukungan diuji, yaitu support vector machine dan support vector machine yang menggunakan algoritma genetika. Hasil pengujian menunjukkan bahwa model support vector machine memberikan nilai RMSE sebesar 2,6. Selanjutnya, algoritma genetika digunakan untuk mengoptimalkan parameter C dan memilih variabel prediktor yang paling relevan, dan hasilnya adalah nilai RMSE sebesar 1,7 dan hanya 3 variabel prediktor yang dipilih. Pada tahap selanjutnya, optimasi parameter dan pemilihan fungsi dilakukan untuk mencapai nilai RMSE terendah yang mungkin, dan hasilnya adalah RMSE sebesar 1,537. Dengan demikian, algoritma mesin vektor dukungan yang menggunakan algoritma genetika dapat memberikan solusi yang akurat dan efektif dalam memprediksi konsumsi energi di bangunan dengan nilai kesalahan terkecil.
Co-Authors Asep Deden Rahmat S Barrorotul Azizah Barrorotul Azizah Buhori Muslim Buhori Muslim Dedi Setiadi Dhiniati, Fameira Didi Ardiansyah Edowinsyah Edowinsyah Edowinsyah Edownsyah Ego Winanda Eva Susilawati Eva Susilawati Febriansyah . Ferry Putrawansyah Jang Cik, Idi Nanda S. Prawira Rony, Zahara Tussoleha Sasmita Sasmita Tri Susanti Vike Itteridi Vike Itteridi Wenny Djuarni Yogi Isro Mukti, Yogi Isro