Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Computatio : Journal of Computer Science and Information Systems

DASHBOARD PENJUALAN DAN PENGIKLANAN TOKOPEDIA PADA CBP GENERAL Verrent Prischila; Dedi Trisnawarman; Janson Hendryli
Computatio : Journal of Computer Science and Information Systems Vol 5, No 2 (2021): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v5i2.16561

Abstract

Banyaknya pengguna internet menawarkan peluang baru dalam dunia bisnis, terutama terbentuknya konsep bisnis berbasis internet yang sering disebut dengan marketplace. Tokopedia salah satunya, banyaknya penjual di Tokopedia membuat persaingan antar penjual semakin ketat untuk menarik dan mempengaruhi konsumen untuk memilih, membeli produknya dan tidak beralih ke toko pesaing. Oleh karena itu, penjual mencoba melakukan hal ini dengan berbagai cara agar tokonya bisa muncul di awal pencarian (search engine). Pemasar online juga perlu mengembangkan promosi pemasaran yang efektif, terutama bagi konsumen. Tujuan dalam pembuatan Dashboard Pengiklanan dan Penjualan pada toko CBP General adalah untuk membantu mengolah data pengiklanan dan penjualan toko dalam bentuk file excel ke dalam bentuk dashboard yang mudah dipahami, agar dapat membantu pemilik dalam melakukan pengiklanan dan penjualan yang efektif.  Metode pengembangan perangkat lunak yang digunakan adalah metode Prototype, metode ini digunakan untuk mengetahui proses bisnis dan kebutuhan pengguna sebagai pemilik toko CBP General. Pembuatan dashboard ini menggunakan beberapa tools yaitu, seperti Microsoft SQL Server, Visual Studio, SSIS dan Power BI. Hasil dari pembuatan skripsi ini adalah berupa dashboard pengiklanan dan penjualan yang dapat membantu pemilik dalam melakukan analisa pengiklanan dan penjualan dengan mudah dan cepat.
Program Konversi Citra Notasi Balok Menjadi Notasi Angka Hendy Gunawan; Janson Hendryli; Dyah Erny Herwindiati
Computatio : Journal of Computer Science and Information Systems Vol 2, No 2 (2018): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (765.856 KB) | DOI: 10.24912/computatio.v2i2.2278

Abstract

The Image Conversion Program of Music Notation being Numeric Notation is a character recognition system that accepts input in form of music notation image that produces an output of a DOCX file containing the numeric notation from the input image. Music notation has notation value, ritmic value and written with a music stave. The system consists of four main processes: preprocessing (grayscale and thresholding), notation line segmentation, notation character segmentation, and template matching. Template matching is used to recognize the music notation that obtained after segmentation. The recognition process obtained by comparing the image with the template image that has been inputted before to the database. This system has 100% success rate on segmentation of the character and success rate 38,4843% on the character recognition with template matching.
Analisis Security Voice Authentication pada Sistem Login 2-FA Gilbert Alexandro Onggo; Dyah Erny Herwindiati; Janson Hendryli
Computatio : Journal of Computer Science and Information Systems Vol 5, No 1 (2021): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v1i1.10915

Abstract

Program Sistem Login dengan API Otentikasi Suara merupakan sebuah program website yang dibuat untuk memberikan contoh untuk pengembang lain agar dapat membuat website sistem login yang aman. Program ini dibuat menggunakan bahasa pemrograman Python dengan program pengembangan Visual Studio Code, sedangkan berbagai modul dalam program menggunakan Flask dan MongoDB. Hasil dari pengujian program berupa analisa kerentanan program terhadap serangan injeksi SQL, XSS dan Replay. Hasil yang didapatkan berupa kerentanan terhadap penyerangan XSS dan terutama Replay. Serangan XSS dan injeksi dapat terjadi apabila program tidak ada proses filter terhadap bahasa pemrograman pada input. Serangan Replay dapat ditembus karena penggunaan token berbasis waktu. Penyerang dapat mengirim ulang data yang di rekam sebelum token kadaluwarsa. Untuk mencegah kebocoran data, program website dan API harus menggunakan Koneksi yang terenkripsi seperti SSL / TSL. API otentikasi suara dapat melakukan klasifikasi pengguna dengan akurasi 81.25% menggunakan 3 suara sebagai input awal. Namun, API otentikasi suara gagal dalam mencegah serangan replay spoofing dengan akurasi 66.66%. Kuesioner juga diberikan kepada pengembang lain mengenai contoh program yang dibuat dengan 32 responden. Hasil dari kuesioner menunjukkan bahwa “Analisis Security Voice Authenticator pada Sistem Login Two Factor Authentication” dapat menambah ilmu cybersecurity bagi pengembang lainnya.
SISTEM PERINGKAS OTOMATIS ABSTRAKTIF DENGAN MENGGUNAKAN RECURRENT NEURAL NETWORK Kuncoro Yoko; Viny Christanti Mawardi; Janson Hendryli
Computatio : Journal of Computer Science and Information Systems Vol 2, No 1 (2018): Computatio : Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (249.911 KB) | DOI: 10.24912/computatio.v2i1.1481

Abstract

Abstractive Text Summarization try to creates a shorter version of a text while preserve its meaning. We try to use Recurrent Neural Network (RNN) to create summaries of Bahasa Indonesia text. We get corpus from Detik dan Kompas site news. We used word2vec to create word embedding from our corpus then train our data set with RNN to create a model. This model used to generate news. We search the best model by changing word2vec size and RNN hidden states. We use system evaluation and Q&A Evaluation to evaluate our model. System evaluation showed that model with 6457 data set, 200 word2vec size, and 256 RNN hidden states gives best accuracy for 99.8810%. This model evaluated by Q&A Evaluation. Q&A Evaluation showed that the model gives 46.65% accurary.