Claim Missing Document
Check
Articles

Found 39 Documents
Search

Analisis Peningkatan hybrid Cryptosystem Untuk Enkripsi dan Dekripsi Menggunakan Vigenere Cipher dan RSA Pada Text Alfian Yunianto Suseno; Nina Sulistiyowati; Purwantoro -
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 6, No 2 (2021)
Publisher : Universitas Indraprasta PGRI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (504.422 KB) | DOI: 10.30998/string.v6i2.10309

Abstract

Ilmu kriptografi merupakan suatu teknik matematis yang berhubungan dengan aspek keamanan. Ilmu kriptografi memiliki dua jenis teknik yang memiliki kelebihan dan kekurangannya sendiri. Untuk mengatasi masing-masing kekurangan kedua teknik tersebut dapat digunakan metodologi hybrid cryptosystem. Metodologi hybrid cryptosystem adalah sebuah metode untuk mengamankan suatu file atau informasi dengan menggunakan kombinasi antara algoritma simetris dan asimetris. Dengan penggabungan kedua teknik tersebut maka didapat sebuah algoritma yang kuat dan saling menutupi kekurangannya masing-masing. Tahapan yang dilakukan dalam penelitian ini adalah melakukan pembangkitan token acak dengan menggunakan pseudorandom number generator, lalu dengan token acak tersebut akan dilakukan pembangkitan tabel dan key acak, kemudian plaintext dienkripsi menggunakan tabel dan key acak tersebut, sedangkan token yang digunakan akan dienkripsi dengan RSA. Hasil penelitian yang ditampilkan adalah hasil analisa dari penelitian ini yaitu peningkatan varian bentuk ciphertext yang dihasilkan dan kemudahan dalam pembacaan hasil dekripsi karena penggunaan printable ASCII dalam proses enkripsi, dan hasil token yang dienkripsi memiliki panjang yang lebih pendek dan berbentuk hexadesimal.
Diagnosa Tingkat Depresi Mahasiswa Selama Masa Pandemi Covid-19 Menggunakan Algoritma Random Forest Dewi Septiani; Ultach Enri; Nina Sulistiyowati
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 6, No 2 (2021)
Publisher : Universitas Indraprasta PGRI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (541.785 KB) | DOI: 10.30998/string.v6i2.10361

Abstract

Covid-19  virus has become a pandemic across the world, including Indonesia. Based on the data from the Covid-19 Handling Officer Unit, the number of Covid-19 sufferers in Indonesia until February 15, 2021 reaches 1.2 million people. The number of daily cases that continues to grow has forced the government to enforce policies to work, study, and worship from home to minimize the Covid-19 transmission. The policy and many Covid-19 sufferers Indonesia affect the mental health of people, including students of Singaperbangsa Karawang University. Therefore, this research aims to diagnose the initial level of depression in students of Singaperbangsa Karawang University during Covid-19 pandemic by using data mining with Random Forest algorithm. The method used in this research is KDD (Knowledge Discovery in Database) with data used come from PHQ-9 questionnaire given to 392 respondents according to calculation of Slovin formula. Evaluation model used is 10-fold cross validation, with accuracy, sensitivity and specificity parameters. The results of the research show the depression level prediction model using Random Forest algorithm has an accuracy of 85.94%. From 392 students, 1.02% of students are normal, 47.96% have mild depressive symptoms, 36.73% have mild depression, 8.16% have moderate depression, and 6.12% have major depression.
EVALUASI PENGELOLAAN ASET LABORATORIUM KOMPUTER MENGGUNAKAN STANDAR ISO/IEC 27001 Fahmi Husaeni; Nina Sulistiyowati; Adhi Rizal
Jurnal TAM (Technology Acceptance Model) Vol 9, No 2 (2018): Jurnal TAM (Technology Acceptance Model)
Publisher : LPPM STMIK Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (296.189 KB)

Abstract

Computer laboratory UNSIKA is a vital facility belonging to the computer science faculty of the university singaperbangsa karawang because it is used to conduct teaching and learning activities practicum. Evaluated the management of computer lab assets UNSIKA using ISO 27001 standard in clause A.8 Assets Management to overcome the problem in asset management. The assets in question (Hardware, Software, Human, Information, Infrastructure and Outsourcing Services) use quantitative research methods and ISO evaluation stage model starting from scoping, planning, implementation, analysis, reporting and closing. The goal is to improve the quality of the management of computer lab assets UNSIKA. This study uses the stages of ISO evaluation with data collection methods from questionnaires with a scattered likert scale for the lab and user respondents. The result of this research is got the value of maturity of asset management of computer laboratory UNSIKA in clause A.8 Assets Management equal to 1,22 still in level 1 (Initial) there is no standard process or procedure in some asset management activities in manual and still applied approach specific to each activity undertaken in asset management.
Penerapan Algoritma Support Vector Machine (SVM) untuk Klasifikasi Berita Hoax Covid-19 Isnin Apriyatin Ropikoh; Rijal Abdulhakim; Ultach Enri; Nina Sulistiyowati
Journal of Applied Informatics and Computing Vol 5 No 1 (2021): July 2021
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v5i1.3167

Abstract

Hoax merupakan informasi yang dibuat oleh orang tidak bertanggung jawab dengan tujuan membuat orang lain mempercayai sesuatu yang tidak benar. Berita hoax yang paling mudah beredar adalah hoax tentang kesehatan. Di Indonesia sendiri semenjak diberitakan masuknya virus Covid-19, berita hoax tentang hal itu terus meningkat berdasarkan data yang dirilis oleh Kominfo periode Januari-Agustus 2020. Agar terhindar dari berita hoax ialah dengan lebih teliti membaca judul berita pada situs yang terpercaya seperti Kompas. Karena itu penelitian ini akan mengembangkan dan menganalisis model klasifikasi berita hoax Covid-19 dengan menerapkan algoritma Support Vector Machine (SVM) dengan metodologi Knowledge Discovery in Databases (KDD). Studi kasus penelitian ini dibagi dalam 2 kategori yaitu berita hoax yang didapat dari situs Trunbackhoax & Hoax buster sedangkan berita bukan hoax diambil dari situs berita Kompas. Hasil penelitian menyatakan bahwa Algoritma Support Vector Machine (SVM) dengan kernel linear memiliki hasil prediksi yang bagus pada skenario 3 (80:20) karena model sanggup dalam mengklasifikasikan berita hoax dan bukan hoax Covid-19. Akurasi yang didapat pada skenario 3 juga memiliki nilai akurasi tertinggi sebesar 97,06%. Sedangkan pada kernel RBF memiliki akurasi terendah pada skenario 4 (90:10) yaitu 90.46% dan model kurang bagus dalam mengklasifikasikan berita hoax maupun bukan hoax Covid-19.
Clustering Obat Untuk Menentukan Pola Pemasaran Efektif di Apotek Amarta Sehat Bagus Aji Pangestu; Nikko Aldiana Kristiawan; Nina Sulistiyowati
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 16 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (278.138 KB) | DOI: 10.5281/zenodo.7058995

Abstract

Medicine is a substance that is used to diagnose, eliminate, and cure diseases, injuries, or others in humans. Handling and prevention of various diseases cannot be separated from therapeutic actions with drugs. Drug grouping serves to classify drugs into several groups to determine the characteristics of a drug or not. By knowing the characteristics of each existing drug, it can be easier to determine an effective marketing pattern. The use of data mining can help to cluster drugs by utilizing existing sales data. In this study the methodology used is CRISP-DM with the stages carried out namely Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, and Deployment. The dataset used is Amarta Sehat Pharmacy data from January-December 2021. The K-Means algorithm is used for cluster formation using Jupyter Notebook tools with the python programming language. The elbow method serves to determine the best number of clusters (K), the recommendation from the elbow method produces the 5 most optimal clusters and is also calculated by evaluating the Sum of square error with an optimal cluster value of 7154215036292.542. The results of drug Clustering obtained to determine an effective marketing pattern at the Amarta Sehat Pharmacy are 11 drugs that are classified as high-selling drugs, 76 drugs are classified as best-selling drugs, 131 drugs are classified as drugs with the category of selling well. quite in demand, 399 drugs into the category of drugs that are not in demand, and 326 drugs into the category of drugs that are not in demand
Analisis Quality Of Service (QOS) Pada Jaringan Internet Yayasan Rumah Santri Al-Ridwan Iqbaal Aditya Maulana; Nina Sulistiyowati
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 16 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (162.805 KB) | DOI: 10.5281/zenodo.7067627

Abstract

Internet adalah sebuah jaringan interkoneksi dengan jangkauan yang luas serta dapat menghubungkan antar perangkat yang ada di dunia selama terhubung dengan koneksi internet. Internet pun berperan sebagai penghubung komunikasi antar individu dan bahkan antar instansi. Seperti halnya Yayasan Rumah Santri Al-Ridwan yang menggunakan internet untuk berkomunikasi antar individu dan instansi. Dalam berkomunikasi juga perlu kinerja yang baik dan handal dan oleh karena itu pengujian Quality of Service dilakukan agar mengetahui seberapa baik kualitas internet yang dimiliki oleh Yayasan Rumah Santri Al-Ridwan. Pengujian Quality of Service ini menggunakan 3 parameter dari Europian Telecomunications Standards Institute (ETSI) yakni delay, Packet loss, dan Jitter. Dari hasil pengujian pada Yayasan Rumah Santri Al-Ridwan didapati bahwa untuk delay mendapat kategori Sangat Bagus, untuk Packet loss mendapat kategori Sangat Bagus, dan untuk Jitter termasuk kategori Sangat Bagus.
Perancangan UI / UX Aplikasi Toko Kue Dengan Metode Design Thinking Muhammad Fiqri Widiyantoro; Nono Heryana; Apriade Voutama; Nina Sulistiyowati
INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS : Journal of Information Management Vol 7 No 1 (2022): INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS (DESEMBER 2022)
Publisher : Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/imbi.v7i1.1949

Abstract

Tampilan antarmuka pengguna merupakan salah satu aspek penting dalam aplikasi seluler yang menjadi penghubung antara aplikasi dengan pengguna. Oleh karena itu, dalam membuat tampilan antarmuka pengguna perlu dilandasi dengan pemikiran yang bersifat objektif, karena nantinya akan memengaruhi pendapat pemakai terhadap aplikasi yang di buat. Juga user interface aplikasi yang diciptakan harus mempunyai solusi atas permasalahan yang di alami pengguna, sehingga nantinya akan menciptakan pengalaman yang memberikan kenyamanan dan kemudahan kepada pengguna ketika menggunakannya, khususnya aplikasi yang berfungsi sebagai media pemesanan. Adapun metode yang di pakai ketika melakukan penelitian ini ialah Design Thinking. Design Thinking sendiri merupakan sebuah framework yang digunakan untuk menyelesaikan permasalahan yang dialami oleh pengguna, dimana metode ini mempunyai 5 tahapan yaitu empathize, define, ideate, prototype, dan test. Untuk mengetahui seberapa besar tingkat efektivitas, peneliti melakukan pengujian terhadap 5 responden melalui usability testing dengan menggunakan metrik SUS (System Usability Scale), dan diperoleh hasil uji SUS (System Usability Scale) sebesar 85. Nilai tersebut berada di kategori acceptable, yang artinya dapat di terima dan memiliki skor sempurna.
INTEGRASI NAIVE BAYES DENGAN TEKNIK SAMPLING SMOTE UNTUK MENANGANI DATA TIDAK SEIMBANG Nina Sulistiyowati; Mohamad Jajuli
NUANSA INFORMATIKA Vol 14, No 1 (2020)
Publisher : FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (153.928 KB) | DOI: 10.25134/nuansa.v14i1.2411

Abstract

Classification of data with unbalanced classes is a major problem in the field of machine learning and data mining. If working on unbalanced data, almost all classification algorithms will produce much higher accuracy for majority classes than minority classes. This research will implement the Synthetic Minority Over-sampling Technique (SMOTE) method to overcome unbalanced data on credit customer data in Rawamerta teacher cooperatives. The research methodology uses SEMMA with the stages of research Sample, Explore, Modify, Model, and Asses. The Sample Phase was conducted to choose the data of the Rawamerta Teachers Cooperative credit customers for 2015-2017 with a total of 878 data with the attributes used namely income, total deposits, loan amount, duration of installments, services, installments, and credit status. The Explore phase analyzes current classes which are categorized as majority classes because there are 813 data, while traffic classes can be categorized as minority classes because there are 65 data. The data shows an imbalance of data between the two classes. The Modify stages perform the 500% SMOTE process. The Model Stage classifies using Naïve Bayes. Naïve Bayes modeling with SMOTE produced 1131 successfully classified data correctly and 72 data were not classified correctly while without SMOTE resulted in 818 data was classified correctly and 60 data were not classified correctly.Keywords: Naïve Bayes, SMOTE, unbalanced data
Analisis Sentimen Tempat Wisata Di Jakarta Pasca Covid -19 Dengan Algoritma Naïve Bayes Nabila Aurelia Rahma; Garno Garno; Nina Sulistiyowati
Jurnal Pendidikan dan Konseling (JPDK) Vol. 4 No. 6 (2022): Jurnal Pendidikan dan Konseling
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jpdk.v4i6.9228

Abstract

Pariwisata merupakan sektor yang menjadi imbas dari kebijakan PPKM, karena mengalami penurunan pengunjung. Hal tersebut menjadikan banyak pariwisata yang mengalami kerugian yang besar. Penurunan pengunjung menyebabkan tempat wisata harus memikirkan cara untuk mengembalikan pengunjung seperti saat sebelum pandemi covid - 19 agar tidak mengakibatkan kerugian yang sangat besar. Oleh karena itu dilakukannya penelitian menggunakan media sosial Twitter untuk mencari sebuah opini atau tanggapan dari pengunjung tempat wisata di jakarta pasca covid — 19 yaitu Dufan dan TMII yang merupakan tempat paling sering dikunjungi pada 2020. Analisis sentimen digunakan untuk mengolah opini tersebut dengan menggunakan algoritma Naïve bayes Classifier dan Metodologi KDD (Knowledge Discovery in Database) dengan tahapan yaitu data selection, Pre Processing, transformation data, data mining dan evaluation. Data yang digunakan berjumlah 9729 yang diambil dari Twitter dengan keyword dufan dan tmii. Penelitian ini menggunakan transformasi Term Frequency-Inverse Document Frequency (TF-IDF) dengan melakukan pengujian menggunkan pembagian empat model yaitu 90:10, 80:20, 70:30, dan 60:40. Model 90:10 mempunyai nilai skor akurasi tertinggi yaitu 65%, precision 53%, Recall 51% dan F-Measure 50%. Sedangkan pengujian performa model dengan menggunakan nilai AUC menghasilkan nilai 0.71.
Dimensional Data Design for Event Feedback Data Warehouse Ahmad Maulana Malik Fattah; Taufik Ridwan; Nina Sulistiyowati
JISA(Jurnal Informatika dan Sains) Vol 6, No 1 (2023): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v6i1.1648

Abstract

Data is an important asset and a fundamental requirement for building valuable information for organizations. Association of Information Systems Students of Unsika (Himsika) as a university organization provides many events to develop student’s academic and professional skills. A post-event evaluation through a feedback survey was conducted and stored in Google Sheets spreadsheet format. However, the current analysis process using spreadsheets lacks standardization, making it difficult to compare satisfaction rates over time and between events. Additionally, the lack of standardization leads to semi-structured data on spreadsheets, with varying question formats and meanings. To address these limitations, implementing a centralized data warehouse is proposed as a solution. The data warehouse would provide a structured and standardized approach to analyzing event feedback, enabling better comparisons and evaluation of management quality within Himsika. The research aims to design a data warehouse that supports multidimensional analysis. As a way to simplify and optimize analytical queries, the data structure is standardized in the data warehouse. The Four-step Dimensional Design method is applied in designing dimensional modeling on the data warehouse, consisting of four stages including selecting the business process, declaring the grain, identifying the dimensions, and identifying the facts. The design process resulted in 4 dimensions of events, dim_instances, dim_degree_programs, and dim_professions, and a fact table called fact_rates_by_responses. Overall, the proposed data warehouse and dimensional modeling approach aim to enhance the analysis and evaluation of Himsika’s events.