Claim Missing Document
Check
Articles

Found 34 Documents
Search

IMPLEMENTASI ALGORITMA ADVANCED ENCRYPTION STANDARD (AES) UNTUK MENGENKRIPSI DATASTORE PADA APLIKASI BERBASIS ANDROID Mulud Muchamad, Reski; Asriyanik, Asriyanik; Pambudi, Agung
Jurnal Mnemonic Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i1.5889

Abstract

Ponsel pintar merupakan perangkat yang sangat berguna untuk membantu aktivitas manusia. Ini terlihat dari tingkat penggunaan smartphone yang tinggi di seluruh dunia. Android adalah sistem operasi yang paling populer untuk perangkat ponsel pintar, sehingga banyak pengembang yang membuat aplikasi yang berjalan di perangkat Android. DataStore adalah media penyimpanan yang digunakan dalam aplikasi Android untuk menyimpan data pengguna. Namun, keamanan data pengguna masih merupakan perhatian utama bagi pengembang aplikasi, karena jika tidak dijaga dengan baik, data tersebut dapat disalahgunakan oleh pihak yang tidak berhak. Oleh karena itu, dalam penelitian ini akan diterapkan metode enkripsi menggunakan algoritma Advanced Encryption Standard (AES) pada DataStore untuk mengamankan data pengguna di aplikasi Android dengan mode Cipher Block Chaining. Algoritma AES memiliki keunggulan kecepatan dibandingkan dengan algoritma kriptografi lainnya. Hasil dari penelitian ini menunjukkan bahwa sistem yang dikembangkan memiliki tingkat risiko ancaman keamanan yang rendah, dan data yang disimpan dalam DataStore aman dari ancaman karena telah dienkripsi menggunakan algoritma AES yang dikembangkan. Selain itu, algoritma ini juga memiliki nilai Avalanche Effect yang baik, yaitu sebesar 64,68%, serta proses enkripsi dan dekripsinya lebih cepat dibandingkan penelitian sebelumnya.
Sosialisasi dan Pelatihan Digital Marketing sebagai Bentuk Promosi terhadap Peningkatan Daya Tarik Konsumen pada Produk Lokal Pambudi, Agung; Takarini, Nurjanti
JURNAL BESEMAH Vol. 2 No. 2 (2023): JULI-DESEMBER
Publisher : Gayaku Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58222/jurnalbesemah.v2i2.232

Abstract

Local products in Indonesia are very diverse, but still underestimated by the Indonesian people assuming the quality is still not good. Digitalization of marketing applied in the promotion of local products will help change the stigma of the community on local products. Good and widespread promotion makes people know the quality offered so that consumer attraction can increase. MSME actors, most of whom are housewives, will find it difficult to penetrate digital marketing without assistance from other parties. The purpose of this service is to increase the skills possessed by MSME actors so that they can keep up with the times to penetrate digital marketing. Through this activity, it is expected to increase skills and increase knowledge to MSME players so that they can market their products more widely.
Fine-Tuning Model Indobert (Indonesian Bidirectional Encoder Representations from Transformers) untuk Analisis Sentimen Berbasis Aspek pada Aplikasi M-Paspor widansyah, muhammad; Fathia Frazna Az-Zahra; Agung Pambudi
Joutica Vol 9 No 2 (2024): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/informatika.v9i2.1310

Abstract

M-paspor adalah aplikasi untuk membantu masyarakat dalam proses permohonan paspor. Di Google Play Store aplikasi ini telah diunduh lebih dari 1 juta pengguna dengan ulasan yang diperoleh sebanyak 29 ribu. Data ulasan ini dapat dimanfaatkan untuk mengetahui kelebihan dan kekurangan aplikasi berdasarkan pengalaman nyata. Dengan Teknik analisis sentiemen berbasis aspek, ulasan pengguna dapat dimanfaatkan untuk mengevaluasi aplikasi dan pengembangan aplikasi. Sehingga  kualitas layanan aplikasi dapat meningkat. Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan dengan mengelompokannya berdasarkan aspek-apsek yang diulas oleh pengguna. Teknik pemodelan aspek menggunakan LDA (Latent Dirichlet Allocation) dan teknik pemodelan sentimen menggunakan IndoBERT(Indonesian Bidirectional Encoder Representations From Transformers). Pemodelan aspek menghasilkan coherence score tertinggi pada topik ke3 dengan nilai 0.435, sehingga aspek dibagi menjadi 3 kategori yaitu  Usability, Reliability, Efficiency. Pemodelan sentimen menggunakan IndoBERT menghasilkan nilai Accuracy tertinggi pada 94%. Dan hasil evaluasi terhadap kinerja model menggunakan ROC mendapatkan nilai 94%.
PERBANDINGAN METODE ECONOMIC ORDER QUANTITY (EOQ) DAN METODE JUST IN TIME (JIT) TERHADAP EFISIENSI BIAYA PERSEDIAAN PAKAN TERNAK IKAN LELE PADA UD REPUBLIK LELE PARE KABUPATEN KEDIRI Sinta Putri Prayogi; Baju Pramutoko; Agung Pambudi
Musytari : Neraca Manajemen, Akuntansi, dan Ekonomi Vol. 5 No. 3 (2024): Musytari : Neraca Manajemen, Akuntansi, dan Ekonomi
Publisher : Cahaya Ilmu Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.8734/musytari.v5i3.3090

Abstract

Abstrak Penelitian ini bertujuan mengetahui metode yang tepat untuk meminimalisir biaya persediaan menggunakan metode Economic Order Quantity dan metode just in time. Jenis penelitian yang digunakan adalah deskriptif kuantitatif bertujuan untuk memberikan solusi terhadap permasalahan tertentu dan mendapatkan pemahaman yang lebih komprehensif mengenai suatu fenomena. Jenis data yang digunakan yaitu data primer yang di peroleh melalui teknik pengumpulan data dengan wawancara, obsrvasi dan dokumentasi dan data sekunder yang diperoleh dari data persediaan pakan ternak ikan lele. Analisis yang digunakan dalam penelitian ini adalah Analisis Economic Order Quantity dan Just In Time. Tempat penelitian di UD Republik Lele yang beralamat di Jl. Asparaga, Tegalsari, Tulungrejo, Kec. Pare, Kabupaten Kediri, Jawa Timur 64212. Hasil implementasi metode EOQ pada tahun 2021 adalah sebesar Rp 39.857.496 sedangkan menggunakan aplikasi POM-QM pada tahun 2021 adalah sebesar Rp 39.857.495. Hasil implementasi metode EOQ pada tahun 2022 adalah sebesar Rp 39.002.500 sedangkan menggunakan aplikasi POM-QM pada tahun 2022 adalah sebesar Rp 39.002.499. Hasil implementasi metode EOQ pada tahun 2023 adalah sebesar Rp 41.689.836 sedangkan menggunakan aplikasi POM-QM pada tahun 2023 adalah sebesar Rp 41.689.837. Hasil implementasi metode JIT menggunakan pada tahun 2021 adalah sebesar Rp 15.658.703. Hasil implementasi metode JIT pada tahun 2022 adalah sebesar Rp 15.922.704. Hasil implementasi metode JIT pada tahun 2023 adalah sebesar Rp 17.019.804.
IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK MENGIDENTIFIKASI BERITA HOAKS BERBAHASA INDONESIA Ramadhan, Vito; Asriyanik, Asriyanik; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10889

Abstract

Penyebaran berita hoaks, khususnya dalam sektor politik, telah menjadi masalah serius di era digital yang dapat menimbulkan kebingungan dan konflik sosial. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berita hoaks berbahasa Indonesia di Facebook dengan menggunakan pendekatan CRISP-DM dan model Convolutional Neural Network (CNN). Proses dimulai dengan pemahaman bisnis terkait penyebaran hoaks, dilanjutkan dengan pembersihan teks, tokenisasi, dan lemmatization data. Data kemudian dibagi menjadi data latih dan uji untuk pengembangan model CNN. Hasil penelitian menunjukkan model mencapai akurasi 92,53% pada data pelatihan dan 81,09% pada data pengujian, dengan loss 0,33 dan 0,55. Evaluasi menggunakan confusion matrix serta metrik precision, recall, dan F1-score menunjukkan model ini efektif dalam mendeteksi berita hoaks politik dan dapat digunakan untuk meningkatkan keakuratan identifikasi konten hoaks.
PENDETEKSIAN KANDUNGAN GULA DAN KARBOHIDRAT PADA UMBI-UMBIAN DENGAN METODE YOLO (YOU ONLY LOOK ONCE) v8 Eko Farhan, Arief; Prajoko, Prajoko; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10891

Abstract

Di Indonesia, sebagian besar asupan makanan terdiri dari karbohidrat. Setelah dikonsumsi, karbohidrat tersebut dicerna oleh enzim di tubuh manusia dan diubah menjadi glukosa. Kadar gula darah memiliki peran penting dalam mempengaruhi fluktuasi tekanan darah, sehingga mengelola tekanan darah dan kadar gula sangat penting untuk meningkatkan kualitas hidup. Asupan gula yang berlebihan, terutama akibat pola makan yang kurang sehat, dapat menyebabkan diabetes melitus, yang banyak dialami oleh masyarakat, terutama lansia. Makanan tradisional berbasis umbi-umbian menawarkan potensi sebagai sumber karbohidrat yang sehat dan bisa menjadi pilihan yang baik untuk menjaga keseimbangan gula darah. Maka dari itu penelitian ini mengusulkan penerapan sistem deteksi kadar gula dan karbohidrat pada umbi-umbian menggunakan teknologi YOLO. Model YOLOv8 dikembangkan dengan menganalisis dataset berisi 1800 gambar, menghasilkan sistem deteksi umbi-umbian yang sangat akurat. Model ini menggunakan varian YOLOv8s dengan batch size 8 dan optimizer Adam dengan learning rate 0.001. Hasil uji menunjukkan kinerja yang sangat baik, dengan mAP50 (Mean Average Precision) sebesar 99.2%, Precision Confidence Curve 94.7%, Precision Recall 99.4%, dan F1 Confidence Curve 85.2%.
ANALISIS PREDIKSI TAJWID NUN MATI PADA AYAT AL-QURAN DENGAN METODE YOLOV8 (YOU ONLY LOOK ONCE) Padilah, Dandi; Pambudi, Agung; Frazna Az-Zahra, Fathia
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10963

Abstract

Al-Quran adalah wahyu ilahi yang diberikan kepada Nabi Muhammad SAW dan menjadi mukjizat abadi yang memengaruhi berbagai generasi dan bangsa sepanjang sejarah. Umat Islam diwajibkan untuk mengimani, membaca, dan memahami isi Al-Quran, termasuk mempelajari ilmu tajwid guna membaca Al-Quran dengan benar. Berdasarkan berita dari Antara News, Ahmad Zayadi, Direktur Penerangan Agama Islam Kementerian Agama, menyatakan bahwa kemampuan umat Islam dalam mengenali huruf dan harkat Al-Quran mencapai 61,51 persen, membaca urutan huruf menjadi kata sebesar 59,92 persen, dan membaca ayat dengan lancar sebanyak 48,96 persen. Kemampuan membaca Al-Quran dengan kaidah Tajwid dasar tanpa kesalahan berada dalam kategori sedang, yaitu 44,57 persen. Hal ini menunjukkan bahwa banyak umat Islam yang masih kesulitan dalam membaca Al-Quran dengan benar sesuai kaidah tajwid. Untuk mengatasi masalah ini, penelitian ini bertujuan memfasilitasi pemahaman hukum tajwid dasar dan memastikan pembaca Al-Quran mengikuti kaidah dengan benar. Sebagai solusi, dikembangkan sebuah platform yang mampu mengenali dan mendeteksi objek tajwid menggunakan algoritma Convolutional Neural Network (CNN) dengan model You Only Look Once (YOLO). Hasil pelatihan menunjukkan akurasi total sebesar 91,7%, dengan tingkat akurasi untuk idzhar mencapai 94,6%, idgham bigunnah 92%, ikhfa 92,2%, dan iklab 84,5%. Evaluasi model menggunakan matriks evaluasi seperti akurasi, presisi, recall, dan F1-score juga memberikan hasil yang memuaskan. Penelitian ini berhasil menghasilkan sebuah platform berbentuk website yang mampu mengidentifikasi tajwid secara real-time, sehingga dapat menjadi alat bantu yang efektif bagi umat Islam dalam membaca Al-Quran sesuai dengan kaidah tajwid.
IMPLEMENTASI ALGORITMA FISHER-YATES SHUFFLE DALAM PEMBUATAN GAME EDUKASI MATEMATIKA UNTUK SISWA KELAS 3 SD Fachriza Thoyib Firdaus, Muhammad; Frazna Az-Zahra, Fathia; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11060

Abstract

Perkembangan teknologi informasi dan komunikasi (TIK) telah membawa dampak signifikan dalam berbagai aspek kehidupan, termasuk pendidikan. Penggunaan smartphone dan akses internet oleh anak-anak usia dini di Indonesia meningkat secara signifikan, dengan sebagian besar menghabiskan waktu berjam-jam di depan layar. Selain sebagai hiburan, teknologi TIK juga menjadi alat pembelajaran yang efektif, terutama dalam bentuk game edukasi atau pembelajaran berbasis game (game-based learning). Namun, masih terdapat masalah dalam pembelajaran matematika, khususnya pada materi perkalian dan pembagian di kelas 3 sekolah dasar, di mana siswa seringkali mengalami kesulitan dan kebosanan. Penelitian ini bertujuan untuk merancang dan membuat sebuah game edukasi yang menggunakan metode Game Development Life Cycle (GDLC) untuk meningkatkan minat dan kemampuan belajar matematika pada siswa kelas 3 SD. Dalam pengembangan game ini, Algoritma Fisher-Yates Shuffle digunakan untuk mengacak soal sehingga setiap sesi permainan memiliki variasi yang berbeda dan menarik. Dengan menggunakan Unity dan Blender, game ini dibuat dalam bentuk 3D dan dirancang untuk bisa dimainkan secara offline. Hasil dari penelitian ini dapat dilihat bahwa terjadi penaikan nilai rata-rata pada pre test yaitu 63,1 menjadi 137,2 pada post test yang berarti setiap siswa memiliki kenaikan rata-rata nilai 74,1 atau sebanyak 54% yang diharapkan dapat membantu siswa mengatasi kesulitan dalam pembelajaran matematika dan meningkatkan semangat belajar mereka.
PREDIKSI PENJUALAN SUKU CADANG MOTOR DENGAN PENERAPAN RANDOM FOREST DI PT TERUS JAYA SENTOSA MOTOR Reza Febrian, Sandi; Adi Sunarto, Asril; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11100

Abstract

Suku cadang kendaraan memiliki peran vital dalam menjaga agar kendaraan tetap berfungsi optimal. PT Terus Jaya Sentosa Motor adalah perusahaan yang berfokus pada penjualan suku cadang motor Honda. Suku cadang ini memiliki berbagai kode barang yang berbeda karena banyaknya jenis dan variasi komponen motor Honda. Untuk meningkatkan penjualan, memahami suku cadang yang paling diminati oleh konsumen menjadi sangat penting. Algoritma Random Forest dapat digunakan untuk memprediksi penjualan suku cadang tersebut. Random Forest adalah teknik data mining yang membangun beberapa pohon keputusan secara acak dan menggabungkan hasil prediksi dari setiap pohon untuk mendapatkan hasil akhir yang lebih akurat. Penelitian sebelumnya membuktikan bahwa algoritma Random Forest sangat efektif dalam memprediksi harga jual rumah dan suku cadang mobil terlaris dengan tingkat akurasi yang tinggi. Dalam penelitian ini, dataset sebanyak 3528 data digunakan dengan pendekatan metodologi CRISP-DM. Hasil uji model menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 23.38, Mean Absolute Error (MAE) sebesar 13.97, dan Mean Squared Error (MSE) sebesar 546.49, walaupun nilai MSE cukup besar, model ini tetap dianggap baik karena nilai RMSE dan MAE yang relatif kecil. Model prediksi ini diimplementasikan dalam sebuah situs web untuk mempermudah pengguna dalam memprediksi suku cadang motor di PT Terus Jaya Sentosa Motor.
PENERAPAN YOLO (YOU ONLY LOOK ONCE) UNTUK DETEKSI ETIKA BERBUSANA DI UNIVERSITAS MUHAMMADIYAH SUKABUMI Jamaludin, Firdaus; Asriyanik, Asriyanik; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11124

Abstract

Pendidikan memainkan peranan yang krusial dalam mengembangkan potensi individu dan kemajuan masyarakat. Universitas Muhammadiyah Sukabumi, sebagai lembaga pendidikan Islam, menekankan pentingnya etika berbusana sebagai cerminan nilai dan norma kampus. Dengan kemajuan teknologi, khususnya dalam kecerdasan buatan dan model deep learning seperti YOLO (You Only Look Once), data gambar yang digunakan meliputi empat kategori busana yang dikumpulkan dari berbagai sumber dengan total 400 frame citra. Data ini kemudian diproses melalui pelabelan menggunakan aplikasi Roboflow serta augmentasi untuk meningkatkan variasi dataset. Model YOLOv8 dilatih dengan 1200 frame citra dan dievaluasi menggunakan metrik seperti Mean Average Precision (mAP) dan Confusion Matrix, menghasilkan akurasi rata-rata sebesar 99,5%. Implementasi model ini dilakukan pada situs web berbasis Flask, memungkinkan deteksi objek secara real-time melalui kamera. Sistem ini bertujuan untuk memberikan solusi praktis dalam pemantauan dan pengelolaan etika berbusana, berfungsi sebagai asisten otomatis yang memberikan informasi langsung kepada pengguna.