Article Per Year (5 Year)
p-Index From 2021 - 2026
1.503
P-Index
This Author published in this journals
All Journal DINAMIKA DOTCOM TEKNOLOGI INFORMASI SMATIKA Syntax Literate: Jurnal Ilmiah Indonesia Wacana: Jurnal Ilmiah Ilmu Komunikasi International Journal of Science and Environment Transaction on Informatics and Data Science Mahardika Adiwidia Communica : Journal of Communication
Mochamad Husni
STMIK PPKIA Pradnya Paramita Malang
Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Physics Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SMATIKA

 1 
AUTENTIKASI AKSES APLIKASI KOMPUTER MENGGUNAKAN TEKNOLOGI SMART CARD (JAVA CARD) Saipi, Mochamad Husni ,
SMATIKA Vol 5, No 1 (2015)
Publisher : SMATIKA

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

Abstract

Autentikasi akses aplikasi komputer diperlukan untuk melindungi aplikasi tersebut dari orang-orang yang tidak berhak untuk mengakses aplikasi tersebut, penggunaan sistem autentikasi bermacam-macam, untuk lebih amannya menggunakan object pressision seperti sidik jari, retina mata dan smart card. Penggunaan smart card sekarang ini mengalami perkembangan yang sangat pesat terutama untuk identifikasi dan autentikasi.Autentikasi menggunakan smart card banyak mempunyai keunggulan diantaranya mengenai integritas data, enkripsi data, dan juga sebagai object pressision. Smart card digunakan sebagai objek untuk log in ke aplikasi yang dilindungi dengan sistem autentikasi ini. Data pada smart card kemudian dicocokkan dengan data log in dan dengan database aplikasi jika dinyatakan valid maka seseorang diberikan hak akses terhadap aplikasi tersebut.Smard card diisi dengan applet yang berisi data log in seorang user yang berupa username, password dan id worker. Setelah smart card berhasil diisi applet maka langkah selanjutnya adalah membuat aplikasi klien yang akan membaca data smart card. Pada aplikasi klien ini juga terdapat autentikasi smart card yang terdaftar pada sistem yang berhak untuk mengakses aplikasi yang dilindungi dengan autentikasi ini.Kata – kata kunci : Smart Card, Java Card
Klasifikasi Sentimen Terhadap Badan Penyelenggara Jaminan Sosial (BPJS) Pada Media Sosial Twitter Menggunakan Naive Bayes Mahmud Yunus; Mochamad Husni; Muhammad Miqdad Mufadhdhal
SMATIKA JURNAL Vol 11 No 02 (2021): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM STIKI MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v11i02.577

Abstract

BPJS Kesehatan is listed as the agency that provides insurance financial services with the largest number of public complaints in the Ombudsman in 2019. The number of complaints on the official BPJS Kesehatan twitter account can be an indication of the level of satisfaction and public sentiment towards BPJS Kesehatan services. Twitter can be used to convey the experiences, ideas, complaints, opinions, or facts presented. The Tweet can be either a positive or a negative opinion. To find out, there needs to be an existing data processing process, so that it can be classified as a positive and a negative opinion. The classification method used in this study is the Naive Bayes Classifier. This study aims to see the tendency of the public towards BPJS Kesehatan based on sentiment classifications and to see the level of accuracy of the Naive Bayes Classifier method in classifying BPJS Kesehatan sentiments on Twitter social media. The data used were 780 tweet data from March to May 2020. The results of model testing using the Confusion Matrix resulted in an accurate performance of 86.25%, precision of 84.92%, recall of 87.78%, and f-measure of 86, 37%. As well as the results of testing the data in May 2020, there were 52% of tweets in the positive sentiment category, and 48% of tweets in the negative category
Co-Authors Achmad Saiful Rizal Akhriza, Tubagus M. Andre Kurniawan Dwi Safiroh Utsalina Lestari, Elvira Verdhi Mahmud Yunus Muhammad Miqdad Mufadhdhal Patrissia, Ressa Uli Putranto, Algooth Sa’atul Ihsan Saipi -, Saipi Septiani, Erni Uli Patrissia, Ressa