Article Per Year (5 Year)
p-Index From 2021 - 2026
0.888
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi Jurnal Ilmiah Universitas Batanghari Jambi NEAR: Jurnal Pengabdian kepada Masyarakat
Evasaria Magdalena Sipayung
Program Studi Informatika, Fakultas Teknologi Dan Desain, Universitas Bunda Mulia
Agriculture, Biological Sciences & Forestry Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Nursing Public Health Social Sciences Transportation Other

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

Found 4 Documents
Search

 1 
Sistem Rekomendasi Tempat Kost di Sekitar Kampus ITHB Menggunakan Metode Analytical Hierarchy Process (AHP) Evasaria Magdalena Sipayung; Cut Fiarni Fiarni; Sherly Sutopo
Jurnal Nasional Teknologi dan Sistem Informasi Vol 7, No 2 (2021): Agustus 2021
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v7i2.2021.52-60

Abstract

Dalam memilih tempat kos terdapat beberapa kriteria yang harus diperhatikan, pada penelitian ini digunakan tujuh kriteria dalam memilih tempat kos, diantaranya adalah fasilitas kamar, ketersediaan listrik dan air, jarak tempat kos ke kampus, akses tempat kos ke jalan protokol, kebersihan tempat kos, aman dari banjir, dan reputasi tempat kos. Setiap orang tentunya memiliki perbedaan akan tingkat penilaian (preferensi) antara satu kriteria dan kriteria lainya dan setiap tempat kos pun memiliki harga dan fasilitas yang berbeda-beda. Hal inilah yang terkadang membuat seseorang sulit untuk membandingkan kos yang satu dengan lainya. Pada sistem yang ada saat ini, rekomendasi yang diberikan hanya berupa list tempat kos berdasarkan pencocokan antara inputan dengan database saja dan tidak memperlihatkan urutan kos yang menjadi alternatif terbaik. Pada penelitian dilakukan penentuan preferensi terhadap kriteria untuk memilih tempat kos dengan menggunakan metode Analytical Hierarchy Process (AHP). Sistem rekomendasi tempat kos dilakukan dengan melakukan filter input harga tempat kos dan penilaian terhadap kriteria preferensi fasilitas utama, ketersediaan  listrik dan air, jarak tempat kos ke kampus, akses tempat kos ke jalan protokol, kebersihan tempat kos, lingkungan keadaan banjir dan reputasi yang telah ditentukan oleh user. Perhitungan bobot preferensi masing-masing kriteria terhadap alternatif tempat kos sehingga dihasilkan total nilai masing-masing alternatif kos. Berdasarkan penelitian yang dilakukan, rekomendasi yang diberikan tergantung dari penilaian preferensi setiap kriteria. Hasil yang diberikan berupa rangking alternatif tertinggi ke rangking terendah sesuai dengan preferensi yang dipilih untuk mempermudah mahasiswa menentukan tempat kos yang sesuai dengan kebutuhannya.
Analisis Sentimen Ulasan Aplikasi Samsat Digital Nasional Menggunakan Algoritma Naive Bayes Classifier Ruby Chandra; Evasaria Magdalena Sipayung
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.156-164

Abstract

Samsat Digital Nasional (SIGNAL) merupakan aplikasi layanan pengesahan Surat Tanda Nomor Kendaraan berbasis mobile. Aplikasi ini membuat perubahan dimana masyarakat yang biasanya harus mendatangi kantor Samsat untuk mengurus pajak kendaraan motornya, sekarang dapat dilakukan dimana saja. Semenjak diluncurkannya aplikasi ini, mucul berbagai tanggapan berupa ulasan dari para pengguna SIGNAL. Ulasan-ulasan ini memiliki informasi yang sangat berguna bagi pihak pemilik aplikasi untuk mengetahui kekurangan dan kelebihan dari aplikasinya. Proses perolehan informasi untuk mengetahui kekurangan dan kelebihan secara manual tentunya memakan waktu lama jika ada puluhan ribu ulasan yang harus dibaca satu persatu. Dengan analisis sentimen, proses tersebut dapat dipersingkat dimana sistem dapat secara otomatis memisahkan ulasan berdasarkan informasi yang terkandung didalamnya dengan cepat dan tepat. Penelitian ini menggunakan algoritma Naïve Bayes Classifier untuk melakukan klasifikasi terhadap ulasan menjadi 3 kelas yaitu sentimen positif, negatif, dan netral. Penelitian dilakukan dengan menggunakan 1792 data ulasan yang diambil dari kolom ulasan aplikasi SIGNAL di Google Play Store, dimana 1433 data dialokasikan sebagai data latih dan 359 data dialokasikan sebagai data uji. Data teks selanjutnya terbentuk numerik dengan menggunakan pembobotan TF-IDF. Pengujian dilakukan dengan menggunakan confusion matrix untuk mengetahui accuracy, precision, dan recall sistem. Berdasarkan hasil pengujian dengan 359 data uji menggunakan confusion matrix didapatkan nilai accuracy dari sistem adalah 91.643% dengan nilai rata-rata precision sebesar 90.41%, dan nilai rata-rata recall sebesar 74.973%.
Peningkatan Wawasan Siswa tentang Big Data dan Peluang Karir Akuntansi di SMK Ariya Metta Yemima Monica Geasela; Puguh Hiskiawan; Evasaria Magdalena Sipayung; Kezia Josephine; Adeline Yolanda C. Cristie
NEAR: Jurnal Pengabdian kepada Masyarakat Vol. 5 No. 1 (2025): NEAR
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/nr.v5i1.3113

Abstract

Kegiatan Pengabdian Kepada Masyarakat (PKM) dengan tema “Pengaruh Big Data Terhadap Peluang Karier di Bidang Akuntansi” dilaksanakan di SMK Ariya Metta sebagai upaya meningkatkan pemahaman siswa mengenai perkembangan teknologi dalam bidang akuntansi. Program ini dirancang untuk menjawab kebutuhan siswa dalam menghadapi transformasi digital yang menuntut keterampilan baru, khususnya dalam pemanfaatan Big Data. Tahapan kegiatan mencakup survei awal, persiapan materi, pelaksanaan pelatihan, hingga evaluasi. Materi utama yang diberikan meliputi pengenalan peluang karier, jalur karier baru di bidang akuntansi dengan Big Data, tantangan implementasi, serta strategi pengembangan keterampilan di masa depan. Hasil kegiatan menunjukkan bahwa siswa mampu memahami peran penting Big Data dalam memperluas prospek karier akuntansi, sekaligus menyadari tantangan seperti kualitas data, keamanan informasi, serta keterbatasan infrastruktur dan sumber daya manusia. Evaluasi melalui kuesioner menunjukkan respons positif, dengan mayoritas peserta menilai kegiatan bermanfaat, relevan, dan disampaikan dengan jelas. Antusiasme siswa terlihat melalui keterlibatan aktif dalam diskusi, tanya jawab, dan aktivitas interaktif. Dengan demikian, PKM ini tidak hanya memperluas wawasan siswa, tetapi juga memberikan bekal strategis agar mereka lebih siap menghadapi era digital yang semakin berbasis data.
Penerapan Algoritma Isolation Forest dan Metode Rule Based untuk Deteksi Serangan Brute Force Muhammad Rifky Dharmawan; Evasaria Magdalena Sipayung
Jurnal Ilmiah Universitas Batanghari Jambi Vol 26, No 1 (2026): Februari
Publisher : Universitas Batanghari Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33087/jiubj.v26i1.6425

Abstract

Brute force attacks remain one of the most common cyber threats targeting network authentication services such as Secure Shell (SSH), File Transfer Protocol (FTP), and web-based login systems. This type of attack is performed by repeatedly attempting various combinations of usernames and passwords until valid credentials are obtained. Brute force activities are often difficult to distinguish from legitimate network traffic because they exhibit communication patterns similar to normal user behavior. Therefore, an automated detection approach is required to identify abnormal patterns from network log data. This study implements a brute force attack detection system based on network log analysis using the Isolation Forest algorithm and a Rule-Based method. The dataset used in this research consists of network traffic logs captured using Wireshark and exported in CSV format. Data preprocessing was conducted to standardize log structure, convert timestamps into numerical values, and extract additional features, including packet count per source IP address. The Isolation Forest algorithm was applied as an unsupervised anomaly detection method, enabling the identification of abnormal network activities without requiring labeled data. Subsequently, a Rule-Based method was employed as a verification stage to classify detected anomalies as brute force attacks based on predefined rules, such as the presence of specific keywords in log information fields, repeated login attempts, and defined time windows. The experimental results indicate that the Isolation Forest algorithm effectively identifies anomalous network activities that deviate from normal traffic patterns. The application of the Rule-Based method further refines the detection results by filtering anomalies that exhibit brute force characteristics. The combination of both methods produces more specific and interpretable detection outcomes, as demonstrated by the identification of repeated failed login attempts originating from the same source IP within a short time interval. Detection results are presented through tabular outputs and visualizations to support further analysis.
Co-Authors Adeline Yolanda C. Cristie Cut Fiarni Fiarni Kezia Josephine Muhammad Rifky Dharmawan Puguh Hiskiawan Ruby Chandra Sherly Sutopo Yemima Monica Geasela