Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Sistem dan Informatika

Model Evaluasi Rekaman Percakapan Di Audio Forensik Roy Rudolf Huizen; Ni Ketut Dewi Ari Jayanti; Dandy Pramana Hostiadi
Jurnal Sistem dan Informatika (JSI) Vol 11 No 2 (2017)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

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

Abstract

Metadata pada rekaman percakapan berisi berbagai informasi, salah satunya adalah ciri frekuensi yang digunakan untuk identifikasi identitas. Ciri tersebut sangat rentan interferensi noise. Untuk menghilangkannya digunakan filter, namun penggunaan filter menyebabkan sebagian komponen ciri frekuensi tereduksi, sehingga tidak dapat digunakan dalam hal ini. Untuk hasil acquisisi dari metadata mempunyai kualitas yang baik maka dilakukan evaluasi terhadap data rekaman yang terpengaruh noise. Agar diketahui batas perbandingan noise dan derau (SNR) yang tidak menyebabkan perubahan ciri. Metodologi yang digunakan dengan membandingkan hasil ekstraksi tanpa noise dengan varian noise, dan diukur perubahan cirinya. Hasil pengujian didapatkan bahwa, untuk nilai SNR antara --5.4078 dB sampai -7.0632 dB, ciri masih dapat dikenali, sedangkan lebih dari -7.0632 dB ciri telah mengalami perubahan.
Optimasi Klasifikasi Naive Bayes Menggunakan Analisis Kemiripan Data Untuk Mengukur Kinerja Dosen Hostiadi, Dandy Pramana; Ni Luh Putri Srinadi; I Made Darma Susila
Jurnal Sistem dan Informatika (JSI) Vol 17 No 2 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v17i2.519

Abstract

Dosen memiliki kewajiban Tridarma yaitu wajib melaksanakan pendidikan, penelitian dan pengabdian kemapada masyarakat. Terdapat beberapa variabel yang dapat digunakan dalam mengukur kualitas kinerja dosen, seperti motivasi, kepemimpinanan, budaya organisasi, dan pelatihan. Beberapa penelitian sebelumnya memodelkan pengukuran dengan pendekatan klaisifikasi. Namun model klasifikasi perlu dioptimalkan untuk mendapatkan hasil yang optimal, misalnya dalam dengan pengukuran kemiripan data kinerja dosen sehingga mampu mendapatkan model yang optimal. Metode pengukuran kemiripan data dapat digunakan agar dapat mengelompokkan berdasarkan kelompok pola data dan mengurangi data yang bersifat redundant. Semakin banyak data yang memiliki kemiripan maka model akan mengklasifikasikan lebih cepat dan tepat. Penelitian ini melakukan optimasi klasifikasi menggunakan pengukuran kemiripan yaotu euclidean distance untuk mengelompokkan data sehingga didapatkan kelompok data yang serupa dan digunakan dalam pengukuran klasifikasi. Metode klasifikasi yang digunakan adalah naive bayes, dan optimasi menunjukkan model memiliki performa yang lebih baik dibandingkan tanpa menggunakan metode analisis kemiripan data dengan akurasi sebesar 0.757, precision 0.763, recall 0.757 dan F1-score adalah 0.755,. Pendekatan yang diusulkan dapat digunakan di perguruan tinggi untuk mengukur kinerja dosen yang menggunakan metode klasifikasi dengan hasil yang tepat dan cepat.
Analisis Seleksi Fitur untuk Optimasi Metode Klasifikasi k-NN pada Studi Kasus Penilaian Kinerja Karyawan Tangkawarow, Irene; Hostiadi, Dandy Pramana; Fatonah, Nenden Siti; Mohammad Yazdi; Hariyanti, Eva
Jurnal Sistem dan Informatika (JSI) Vol 18 No 1 (2023): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i1.593

Abstract

Model Klasifikasi banyak digunakan dalam rangka menganalisis dan menemukan jenis kategori kelas data. Salah satu bentuk pemanfaatan metode klasifikasi adalah mengklasifikasikan hasil penilaian pengukuran kinerja karyawan. Metode klasifikasi yang umum dan dapat digunakan antara lain adalah metode Decision Tree, Naive Bayes, -NN dan Random Forest. Namun tidak semua metode dapat menghasilkan performa yang baik dalam penilaian kinerja Karyawan. Sehingga perlu dilakukan optimasi misalnya melalui penggunaan seleksi fitur. Beberapa penelitian telah dilakukan optimasi metode klasifikasi melalui penggunaan metode seleksi fitur dalam penilaian kinerja karyawan. Namun optimasi ini dipengaruhi oleh karakteristik data yang digunakan. Tidak semua teknik seleksi fitur sesuai untuk meningkatkan hasil klasifikasi dan jumlah penggunaan fitur dapat mempengaruhi performa model klasifikasi. Penelitian ini mengusulkan teknik analisis penggunaan jumlah fitur pada data kinerja dosen melalui metode seleksi fitur ANOVA untuk meningkatkan performa model klasifikasi metode -NN. Tujuannya adalah untuk mendapatkan jumlah fitur yang terbaik dalam peningkatan performa metode klasifikasi -NN. Hasil penelitian menunjukkan bahwa jumlah fitur terbaik dari metode ANOVA adalah sejumlah 5 fitur dengan hasil akurasi klasifikasi -NN sebesar 0.839, precision 0.8323, recall 0.839 dan F1-score 0.833. Teknik analisis ini dapat digunakan oleh sebuah perusahaan dalam mengutamakan fitur terbaik dalam menilai kualitas kinerja karyawannya.
Analisis Perbandingan Metode Seleksi Fitur pada Model Klasifikasi Decission Tree untuk Deteksi Serangan di Jaringan Komputer Hariyanti, Eva; Hostiadi, Dandy Pramana; Anggreni; Yohanes Priyo Atmojo; I Made Darma Susila; Tangkawarow, Irene
Jurnal Sistem dan Informatika (JSI) Vol 18 No 2 (2024): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v18i2.615

Abstract

Perkembangan informasi dan teknologi memerlukan teknik pengamanan yang tepat. Potensi terjadinya kebocoran data dan informasi di era digital sangat tinggi apabila tidak ditangani dengan serius. Beberapa serangan berbahaya yang terjadi adalah spam, Denial of Service Attack, ARP Poisoning, SQL Injection, U2L, R2L dan Probing. Penelitian sebelumnya telah mengenalkan pendekatan deteksi serangan berbahaya seperti menggunakan klasifikasi, klusterisasi dan analisis statistik. Namun analisis penggunaan fitur terbaik perlu dilakukan untuk mendapatkan hasil model klasifikasi yang optimal. Pada penelitian ini, menganalisis dan mencari metode seleksi fitur terbaik yang dapat diimplementasikan pada model klasifikasi berbasis machine learning untuk mendeteksi serangan di jaringan. Dataset yang digunakan adalah UNSW-NB15, dan dilakukan beberapa proses seperti data transformasi, Data normalisasi, seleksi Fitur dan Klasifikasi. Perbandingan teknik seleksi fitur yang digunakan antara lain ANOVA, UNIVARIATE dan ChiSquare. Tujuan penelitian ini adalah untuk meningkatkan akurasi, precision dan recall pada model klasifikasi Decision Tree. Hasil penelitian pengujian menunjukkan bahwa metode seleksi fitur terbaik dalam model klasifikasi adalah metode ANOVA dengan hasil nilai Area Under Curve sebesar 0.989, nilai F1-score adalah 0.999, akurasi deteksi adalah 0.999, nilai precission adalah 0.999 dan recall adalah 0.999. Hasil penelitian ini dapat digunakan untuk menyempurnakan model Intrusi Detection System berbasis machine learning.
Co-Authors Amry wicaksono, Amry Anggreni Antarajaya, I Nyoman Suraja Artamerta, Aditya Naray Candra Ahmadi, Candra Chawaphan, Pharan Danang Setyo Utomo, Danang Setyo Dian Pramana S.Kom., M.Kom, Dian Erma Sulistyo Rini Erma Sulistyo Rini, Erma Sulistyo Eva Hariyanti Evi Triandini Fatonah, Nenden Siti Firgiawan Faira Florentina Tatrin Kurniati Gede Angga Pradipta Gede Angga Pradipta, Gede Angga Gede, Angga Pradipta Hendra Wijaya Hilmi, Muhammad Riza I G K G Puritan Wijaya. ADH, I G K G I Gede Harsemadi I Gede Ngurah Widya Pradnyana, I Gede Ngurah Widya I Gede Putu Krisna Juliharta I GKG Puritan Wijaya, I GKG I Gusti Ayu Dewi Suardi, I Gusti Ayu Dewi I Gusti Ngurah Darma Paramartha I Gusti Nym Adi Purnama Putra, I Gusti Nym I Made Darma Susila I Made Darma Susila, I Made I Made Darma Susila, I Made Darma I Made Liandana I Nyoman Triwantara Putra, I Nyoman I Putu Harry Wibawa Eka Putra, I Putu Harry Wibawa I Putu Oka Aditya Pratama I Putu Ramayasa, I Putu I Putu Widiantara, I Putu I Wayan Eka Mahardika, I Wayan Eka I Wayan Nesa Masjaya Perdana, I Wayan Nesa I.B. Putra Utama Dhiatmika, I.B. Putra Utama Ida Bagus Suradarma Indah, Hene Nor Intaran, Arya Ngurah Irene Realyta Halldy Trosi Tangkawarow Kadek Evanna Sidarta, Kadek Evanna Komang Yuli Santika Made Liandana Made Liandana, Made Made Sudarma Made, Liandana Mohammad Yazdi Pusadan Muhammad Riza Hilmi Ni Ketut Dewi Ari Jayanti Ni Luh Putri Srinadi Nurfalah, Rizal Farhan Nabila Pande Wira Andika, Pande Perimawati, Ni Nyoman Eny Pradita, Agus Hendra Putu Desiana Wulaning Ayu Rizky Adhitya Ridholloh, Rizky Adhitya Rosalia Hadi Roy Rudolf Huizen Rustamaji, Abdullah Saputra, Made Wisnu Adhi Shofwan Hanief Sudawati, Luh Dwi Ari Tubagus Mahendra Kusuma Widhyastuti, Luh Putu Wiwien Wulaning Ayu, Putu Desiana Wulaning Ayu, Putu Desiana Yohanes Priyo Atmojo Yohanes Priyo Atmojo Yohanes Priyo Atmojo, Yohanes Yohanes Priyo Atmojo, Yohanes Priyo Yudhi Pratiwindhya, Yudhi