Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika Teknologi dan Sains (Jinteks) JIKTI : Jurnal Ilmiah Komputer Terapan dan Informasi
Budi Nugroho
Universitas Pembangunan Nasional “Veteran” Jawa Timur
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS MANAJEMEN INSIDEN KEAMANAN INFORMASI MENGGUNAKAN STANDAR ISO 27002:2013 (STUDI KASUS: DINAS KOMUNIKASI DAN INFORMATIKA PROVINSI JAWA TIMUR) Muhammad Muharrom Al Haromainy; Annisa Dwi Puspitarini; Budi Nugroho
Jurnal Ilmiah Komputer Terapan dan Informasi Vol. 2 No. 1 (2023): Vol. 2 No. 1: JIKTI - April 2023
Publisher : Program Studi D-III Teknologi Informasi Politeknik 'Aisyiyah Pontianak

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

Abstract

Manajemen insiden keamanan informasi merupakan tindak pengelolaan data yang perlu dilakukan oleh instansi pemerintahan untuk menjaga keamanan dan konsistensi atas validnya ketersediaan informasi. Berkembangnya teknologi menjadikan instansi pemerintahan juga melakukan pelayanan dengan memanfaatkan teknologi digital dan berusaha untuk menerapkan e-government yang menjadikan risiko insiden keamanan informasi semakin meningkat. Kejadian kejahatan di bidang keamanan informasi yang terkait dapat berupa penyerangan keamanan, pencurian data pada perangkat lunak yang dapat dilakukan dengan memanfaatkan media email, serta serangan hacker atas beberapa website instansi pemerintah dengan domain go.id. Beberapa penelitian terdahulu telah dilakukan untuk meningkatkan manajemen insiden keamanan informasi pada berbagai instansi pemerintahan yang bergerak di bidang teknologi dan informasi. Kerangka kerja atau framework yang digunakan dalam melakukan audit tersebut beragam dengan tingkat standar yang berbeda, seperti COBIT, ISO 27001, ISO 27002, dan Indeks KAMI. Standar ISO 27002 dinilai sangat efektif dalam menganalisis insiden keamanan informasi karena merupakan pengembangan dan penyempurnaan dari standar ISO 27001 yang berfokus pada penerapan, pemeliharaan, dan perbaikan manajemen keamanan informasi untuk meningkatkan kualitas sistem keamanan dan mengurangi risiko terjadinya pencurian data. Pada penelitian ini dilakukan analisis manajemen insiden keamanan informasi menggunakan standar ISO 27002:2013 dengan fokus kontrol Klausul 16 yaitu Manajemen Insiden Keamanan Informasi. Hasil penelitian yang didapat adalah penerapan manajemen insiden keamanan informasi pada Dinas Komunikasi dan Informatika Provinsi Jawa Timur berada pada level 4 dengan pemberian rekomendasi yang berfokus pada kontrol dengan nilai kematangan rendah.
SISTEM KONTROL PRESENTASI REAL-TIME BERBASIS GESTUR TANGAN MENGGUNAKAN METODE LSTM PADA APLIKASI CANVA Salsa Pramudhita Agustiardani; Rizky Parlika; Budi Nugroho
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7484

Abstract

Penggunaan perangkat konvensional seperti mouse dan keyboard dalam presentasi masih memiliki keterbatasan pada interaksi tanpa sentuhan. Penelitian ini bertujuan untuk mengembangkan sistem kontrol presentasi real-time berbasis gestur tangan menggunakan metode Long Short-Term Memory (LSTM) yang diintegrasikan ke dalam aplikasi Canva. Sistem memanfaatkan MediaPipe untuk mengekstraksi 21 titik landmark tangan sebagai fitur input model klasifikasi. Untuk menjalankan perintah presentasi, terdapat empat kelas gestur yang meliputi gestur one, peace, ok, dan fist. Setiap gestur memiliki fungsi untuk melakukan kontrol presentasi seperti berpindah slide, kembali ke slide sebelumnya, mengaktifkan mode layar penuh, dan keluar dari mode layar penuh. Hasil pengujian menunjukkan model mencapai akurasi sebesar 99%, serta mampu bekerja secara konsisten pada kondisi indoor dan outdoor. Tingkat akurasi yang diperoleh menunjukkan bahwa metode LSTM memiliki performa yang optimal dalam mengenali gestur tangan secara real-time.
PERBANDINGAN METODE GRU DAN XGBOOST DALAM MEMPREDIKSI HARGA PENUTUPAN SAHAM ADRO Eka Maurita Maurita; Rizky Parlika; Budi Nugroho
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7490

Abstract

Prediksi harga saham merupakan salah satu tantangan yang penting dalam analisis pasar modal sebab perubahan harga saham memiliki sifat fluktuatif serta dipengaruhi oleh berbagai elemen baik eksternal maupun internal. penelitian ini memiliki tujuan untuk membandingkan performa metode Deep Learning dan Machine Learning, yaitu Gated Recurrent Unit (GRU) dan Extreme Gradient Boosting (XGBoost), dalam memprediksi nilai penutupan saham ADRO. Data yang digunakan berupa data time series multivariat yang terdiri dari harga saham ADRO, harga Batubara dunia, dan nilai tukar USD/IDR yang diperoleh dari Yahoo Finance. Tahapan penelitian meliputi pengumpulan dataset, preprocessing data, normalisasi menggunakan Min-Max Normalization, pembentukan sequence dengan teknik sliding window, pelatihan model, denormalisasi, serta evaluasi model menggunakan tiga metrik yaitu MAE, RMSE, dan MAPE. Hasil dari penelitian ini memperlihatkan bahwa model GRU memiliki performa yang lebih baik dibandingkan dengan XGBoost dengan nilai MAE sebesar 50.59, RMSE sebesar 87.85, dan MAPE sebesar 2.12%, sedangkan model XGBoost memperoleh nilai MAE sebesar 66.04, RMSE sebesar 103.47, dan MAPE sebesar 2.60%. berdasarkan hasil tersebut, metode GRU lebih efektif dalam mempelajari pola temporal dan dependensi jangka panjang pada data deret waktu harga saham ADRO sehingga menghasilkan prediksi yang lebih akurat,
Co-Authors Annisa Dwi Puspitarini Eka Maurita Maurita Muhammad Muharrom Al Haromainy Parlika, Rizky Salsa Pramudhita Agustiardani