Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal TIMES Jurnal Informatika dan Teknik Elektro Terapan Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Billy Ibrahim Hasbi
Unknown Affiliation
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
PENYISIPAN PESAN RAHASIA PADA CITRA GAMBAR DENGAN TEKNIK STEGANOGRAFI DAN ALGORITMA ASIMETRIS ENKRIPSI RIVEST SHAMIR ADLEMAN (RSA) Dendi Prana Yudha; Kiki Ahmad Baihaqi; Billy Ibrahim Hasbi
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 4 No 1 (2019): Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v4i1.538

Abstract

Steganografi adalah seni menyembunyikan informasi dan upaya untuk menyembunyikan keberadaan informasi yang disematkan. Steganografi berfungsi sebagai sebuah cara yang lebih baik untuk mengamankan pesan dari pada kriptografi, steganografi menyembunyikan isi pesan bukan mengacak pesan. Pesan asli disembunyikan di dalam citra gambar sedemikian rupa sehingga perubahan yang terjadi pada gambar tidak dapat diketahui perbedaannya dengan gambar tanpa pesan. Pada penelitian ini dikombinasikan algoritma RSA yang digunakan untuk mengenkripsi pesan rahasia dan teknik LSB digunakan untuk menyembunyikan pesan terenkripsi dengan tujuan untuk menghasilkan stego file yang lebih aman dan lebih baik secara kualitas. Berdasarkan hasil implementasi dan pengujian citra gambar yang dihasilkan sistem memiliki nilai diatas 40 dB sehingga kualitas citra gambar stego file memiliki kualitas yang baik.
PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ULASAN ROBLOX DI PLAY STORE Deni Deni; Hannie Hannie; Billy Ibrahim Hasbi
Jurnal TIMES Vol 15 No 1 (2026): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.15.1.2026908

Abstract

Game Roblox merupakan salah satu platform permainan daring dengan jumlah pengguna yang sangat besar dan ulasan pengguna yang beragam di Google Play Store. Ulasan tersebut mengandung informasi penting mengenai persepsi, kepuasan, serta keluhan pengguna terhadap kualitas aplikasi. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Roblox berbahasa Indonesia serta membandingkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest (RF) dalam mengklasifikasikan sentimen positif dan negatif. Metodologi yang digunakan adalah SEMMA, yang meliputi tahap pengumpulan data melalui web scraping, eksplorasi data, preprocessing teks, pemodelan, dan evaluasi. Data yang digunakan berjumlah 5.174 ulasan dengan periode 1 Juni hingga 1 Oktober 2025. Pelabelan sentimen dilakukan secara otomatis berdasarkan rating bintang dan divalidasi oleh ahli bahasa. Proses preprocessing meliputi case folding, cleaning, normalisasi, tokenisasi, stopword removal, dan stemming, sedangkan ekstraksi fitur menggunakan metode TF-IDF. Pemodelan dilakukan dengan pembagian data 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa algoritma SVM menghasilkan kinerja yang lebih baik dibandingkan Random Forest dengan nilai akurasi sebesar 84,35%, sedangkan Random Forest memperoleh akurasi sebesar 83,19%. Berdasarkan hasil evaluasi tersebut, SVM dinilai lebih optimal untuk analisis sentimen ulasan pengguna game Roblox di Google Play Store.
RANCANG BANGUN SISTEM INFORMASI MANAJEMEN PRODUKSI KUE HOME INDUSTRY MENGGUNAKAN METODE SCRUM Kevin Sipahutar; Bagja Nugraha; Billy Ibrahim Hasbi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.9987

Abstract

Penelitian ini merancang sistem informasi manajemen produksi untuk home industry kue guna mengatasi permasalahan operasional, seperti perhitungan bahan baku manual yang rentan kesalahan, pengelolaan stok tanpa metode First Expired First Out (FEFO) yang memicu bahan kedaluwarsa, pencatatan pesanan yang tidak terstruktur, dan kesulitan menghitung Harga Pokok Produksi (HPP) secara presisi. Metode pengembangan perangkat lunak yang digunakan adalah kerangka kerja Scrum melalui tiga siklus sprint, yang memungkinkan adaptasi cepat terhadap kebutuhan operasional pengguna. Hasil penelitian menunjukkan bahwa sistem yang dibangun berhasil mengotomatisasi konversi resep, menerapkan algoritma FEFO dan First In First Out (FIFO) pada modul inventaris, mengelola Pre-order dengan pembatasan kapasitas harian, serta menghitung HPP secara otomatis. Pengujian fungsionalitas menggunakan Black Box Testing pada 26 skenario menghasilkan status PASS secara keseluruhan. Selanjutnya, User Acceptance Testing (UAT) oleh pemilik usaha mencapai tingkat penerimaan 96% dengan kategori Sangat Layak. Sistem ini terbukti secara signifikan mampu meningkatkan efisiensi operasional dan transparansi finansial, sekaligus menegaskan bahwa metode Scrum sangat efektif diimplementasikan untuk digitalisasi proses bisnis pada skala usaha mikro.
ANALISIS SENTIMEN OPINI PUBLIK TERHADAP STAND-UP COMEDY “MENS REA” DI MEDIA SOSIAL X DENGAN NAIVE BAYES Rizki Juli Aditia; Siska; Billy Ibrahim Hasbi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10387

Abstract

The Mens Rea stand-up comedy performance by Pandji Pragiwaksono has generated diverse public responses on the X social media platform, reflecting positive, negative, and neutral sentiments. This study aims to analyze public sentiment toward the performance using the Multinomial Naive Bayes algorithm. Research data were collected through a crawling process on X, resulting in 3,019 tweets. The research stages included data selection, sentiment labeling using a lexicon-based approach validated by an expert, preprocessing (cleansing, case folding, tokenizing, stopword removal, and stemming), TF-IDF term weighting, and sentiment classification using Multinomial Naive Bayes. Model performance was evaluated using a Confusion Matrix with five train-test split scenarios (90:10, 80:20, 70:30, 60:40, and 50:50). The best performance was achieved using the 80:20 split, with an accuracy of 85.79%, while the highest F1-score of 0.9231 was obtained for the neutral sentiment class. Overall, the combination of TF-IDF and Multinomial Naive Bayes demonstrated stable and effective performance for public sentiment classification of the Mens Rea stand-up comedy on the X platform.
Co-Authors Bagja Nugraha Baihaqi, Kiki Ahmad Dendi Prana Yudha Deni Deni Hannie Hannie Kevin Sipahutar Rizki Juli Aditia Siska