Garuda - Garba Rujukan Digital

SOCIAL LIBRARY SEBAGAI SALAH SATU ALTERNATIF PELESTARIAN NASKAH KUNO Rizqa, Ifan; Mustofa, Habib; kartikadarma, Etika
Prosiding SNATIF 2016: Prosiding Seminar Nasional Teknologi dan Informatika
Publisher : Prosiding SNATIF

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

Abstrak Kandungan informasi yang terdapat pada naskah kuno dapat dimanfaatkan sebagai pembelajaran dan tolok ukur oleh masyarakat Indonesia masa yang akan datang. Informasi ini akan menjadi sia sia jika masyarakat luas tidak mengetahui dan tidak bisa mempelajari naskah kuno nusantara yang melimpah. Hampir setiap suku bangsa di Indonesia memiliki warisan berupa naskah, seperti misalnya naskah jawa yang merupakan peninggalan naskah dari masyarakat jawa. Kondisi naskah kuno yang rapuh membutuhkan adanya preservasi. Di era teknologi informasi saat ini, salah satu usaha preservasi naskah kuno yang dilakukan adalah digitalisasi naskah yaitu dengan memindahkan media asli naskah ke media elektronik yang lebih aman dan dapat memperpanjang usia naskah tanpa mengurangi informasi yang sesungguhnya. Selain preservasi, naskah kuno juga perlu dipublikasikan ke masyarakat. Publikasi ini membutuhkan kontribusi dari banyak pihak yang berkecimpung di bidang naskah kuno baik itu lembaga ataupun individu. Keterlibatan banyak pihak dalam mengumpulkan pustaka ini memerlukan suatu system kepustakaan yang berorientasi pada pengguna. Konsep sistem kepustakaan yang seperti ini dikenal dengan istilah library 2.0. Pengumpulan naskah kuno ini tidak semata - mata hanya untuk menyatukan naskah - naskah yang sudah ada kedalam bentuk digital, namun dengan konsep Library 2.0 masyarakat dapat berbagi tentang identifikasi naskah, kajian tentang isi naskah, hingga alih bahasa naskah yang telah diteliti untuk kemudian dijadikan suatu pembelajaran atau referensi untuk masyarakat satu dengan yang lain. Kata kunci: Naskah Kuno, Library 2.0

SOCIAL LIBRARY SEBAGAI SALAH SATU ALTERNATIF PELESTARIAN NASKAH KUNO Rizqa, Ifan; Mustofa, Habib; kartikadarma, Etika
Prosiding SNATIF 2016: Prosiding Seminar Nasional Teknologi dan Informatika
Publisher : Prosiding SNATIF

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

Abstrak Kandungan informasi yang terdapat pada naskah kuno dapat dimanfaatkan sebagai pembelajaran dan tolok ukur oleh masyarakat Indonesia masa yang akan datang. Informasi ini akan menjadi sia sia jika masyarakat luas tidak mengetahui dan tidak bisa mempelajari naskah kuno nusantara yang melimpah. Hampir setiap suku bangsa di Indonesia memiliki warisan berupa naskah, seperti misalnya naskah jawa yang merupakan peninggalan naskah dari masyarakat jawa. Kondisi naskah kuno yang rapuh membutuhkan adanya preservasi. Di era teknologi informasi saat ini, salah satu usaha preservasi naskah kuno yang dilakukan adalah digitalisasi naskah yaitu dengan memindahkan media asli naskah ke media elektronik yang lebih aman dan dapat memperpanjang usia naskah tanpa mengurangi informasi yang sesungguhnya. Selain preservasi, naskah kuno juga perlu dipublikasikan ke masyarakat. Publikasi ini membutuhkan kontribusi dari banyak pihak yang berkecimpung di bidang naskah kuno baik itu lembaga ataupun individu. Keterlibatan banyak pihak dalam mengumpulkan pustaka ini memerlukan suatu system kepustakaan yang berorientasi pada pengguna. Konsep sistem kepustakaan yang seperti ini dikenal dengan istilah library 2.0. Pengumpulan naskah kuno ini tidak semata - mata hanya untuk menyatukan naskah - naskah yang sudah ada kedalam bentuk digital, namun dengan konsep Library 2.0 masyarakat dapat berbagi tentang identifikasi naskah, kajian tentang isi naskah, hingga alih bahasa naskah yang telah diteliti untuk kemudian dijadikan suatu pembelajaran atau referensi untuk masyarakat satu dengan yang lain. Kata kunci: Naskah Kuno, Library 2.0

BIG DATA PIPELINE INFRASTRUCTURE DESIGN IN MSME E-COMMERCE SYSTEMS WITH A FOCUS ON DATA SOURCE PROCESSING USING ORCHESTRATION TOOLS Wibowo, Isro' Rizky; Sani, Ramadhan Rakhmat; Dewi, Ika Novita; Alzami, Farrikh; Rizqa, Ifan; Salam, Abu; Irawan, Candra; Aqmala, Diana
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 26, No 1 Januari (2024): TRANSMISI: Jurnal Ilmiah Teknik Elektro
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.26.1.48-54

In the digital era, Micro, Small and Medium Enterprises (MSMEs) need to utilize data to improve their business performance, such as increasing customer targets, product development and pricing strategies. Apache Airflow is a powerful tool for building data scraping pipelines that are scalable, flexible, and easy to monitor. One of them is the Central Java MSME data scraping pipeline, which collects business registration information, business type, location, contacts, products, and financial information from various websites, including the Central Java Provincial Government website, basic goods price comparison tables, and specialized news sites. The captured data is stored in a data warehouse for further analysis by the Central Java souvenir entrepreneurs association (ASPOO) in the region. Apache Airflow is used to manage the scraping pipeline in the Central Java MSME E-Commerce system and ensure it runs smoothly. Apache Airflow also has a built-in dashboard for monitoring pipelines and troubleshooting issues. Overall, scraping pipeline in the Central Java MSME e-commerce system is a valuable tool for collecting and analyzing data on the MSME sector in Central Java. This pipeline is scalable, flexible and easy to use, and can be adapted to different user needs and can be integrated with various systems.

DEVELOPMENT OF TIME-SERIES-BASED MLOPS ARCHITECTURE FOR PREDICTING SALES QUANTITY IN MICRO, SMALL, AND MEDIUM ENTERPRISES (MSMES) Lesmarna, Salsabila Putri; Alzami, Farrikh; Rizqa, Ifan; Salam, Abu; Aqmala, Diana; Megantara, Rama Aria; Pramunendar, Ricardus Anggi
Transmisi: Jurnal Ilmiah Teknik Elektro Vol 26, No 2 April (2024): TRANSMISI: Jurnal Ilmiah Teknik Elektro
Publisher : Departemen Teknik Elektro, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/transmisi.26.2.64-69

Micro, Small, and Medium Enterprises (MSMEs) constitute a significant portion of the economy in many developing countries, playing a vital role in employment generation and economic growth. Sales performance is a critical factor for MSMEs, influenced by various internal and external factors. Time-series analysis offers a valuable tool to predict sales quantities by analyzing historical data and identifying patterns and trends. In this context, the SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogenous Variables) model emerges as a suitable method to forecast future sales, leveraging both historical data and external variables. This research explores the synergy between time-series analysis, specifically SARIMAX modeling, and MLOps (Machine Learning Operations). Finally, this research aims to provide a framework for the practical application of MLOps to enhance sales forecasting and decision-making processes within MSMEs, fostering their growth and sustainability in a competitive market landscape.

Analisis Topic-Modelling Menggunakan Latent Dirichlet Allocation (LDA) Pada Ulasan Sosial Media Youtube Alpiana, Vika; Salam, Abu; Alzami, Farrikh; Rizqa, Ifan; Aqmala, Diana
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 1 (2024): Januari 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i1.7127

This research explores the role of Micro, Small, and Medium Enterprises (MSMEs) in the Indonesian economy, focusing on sales and marketing challenges in the era of social media, especially YouTube. With millions of individuals using this platform to share product insights, reviews, and experiences, MSMEs need to receive relevant feedback. This study applies text mining, particularly the topic modeling analysis method with Latent Dirichlet Allocation (LDA), to analyze user comments on MSME videos, with an emphasis on Lumpia Gang Lombok Semarang on YouTube. Through the application of LDA, the identification of ten main topics is conducted, with the highest coherence value reaching 0.414027. The visualization of the intertopic distance map provides an understanding of the relationships between topics and dominant words. Comment analysis provides valuable insights into user preferences and perceptions of products, supporting MSMEs in understanding customer satisfaction and enhancing value for those enterprises. These findings also affirm the effectiveness of YouTube as a relevant data source for understanding public preferences for MSME products. This research details text processing methods, including extraction, cleaning, tokenization, normalization, removal of stopwords, and stemming. With this approach, the research not only provides insights into topic analysis in the context of social media but also makes a valuable contribution to the development and marketing of MSMEs through a better understanding of social media data, especially on the YouTube platform.

SISTEM MANAJEMEN PENEGAKAN DIAGNOSA PENYAKIT TYPUS DENGAN METODE NAIVE BAYES Setijaningsih, Retno Astuti; Setiawan, Aries; Sugiyanto, Zaenal; Farida, Ida; Widjajanto, Budi; Rizqa, Ifan
Jurnal Transformatika Vol. 20 No. 2 (2023): January 2023
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i2.5792

Dalam dunia kesehatan, beberapa gejala yang timbul bisa menjadi tanda-tanda penyebab dari beberapa penyakit sekaligus. Kondisi yang dilematis ini sering kali mempersulit pengambilan keputusan mengenai penyakit yang diderita seseorang. Penentuan langkah pencegahan maupun pengobatan juga menjadi sulit untuk dilakukan, sehingga pemeriksaan lanjutan perlu dilakukan oleh tim medis. Sangat dimungkinkan jika tim medis kurang akurat dalam menentukan analisis penyakit dikarenakan munculnya gejala yang sama pada beberapa penyakit. Diperlukan sistem penegakan diagnose penyakit dengan metode na ve bayes akan mampu membantu pembelajaran bagi mahasiswa dalam mengenal gejala-gejala penyakit typus, dan juga dilengkapi dengan solusi pencegahan maupun solusi penanggulangan.

Kriptostegano Menggunakan Data Encryption Standard dan Least Significant Bit dalam Pengamanan Pesan Gambar Rizqa, Ifan; Safitri, Aprilyani Nur; Harkespan, Imanuel
Jurnal Masyarakat Informatika Vol 13, No 2 (2022): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.13.2.44547

Aplikasi yang menerapkan metode LSB dan algoritma kriptografi DES ini berjalan dengan baik dan mampu menyisipkan dan mengekstrakan pesan dan dapat mengenkripsi dan deskripsi isi pesan. Pada penelitian Penyisipan Pesan Ke Dalama Gambar Dengan Menggunakan Metode Least Significant Bit (LSB) dan enkripsi dengan menggunakan Algoritma Data Encryption Standard (DES) yang mempunyai tujuan untuk menambah keamanan pesan agar seseorang yang tidak bertanggung jawab tidak dapat mengetahui sebuah pesan rahasia yang akan dikirim. Aplikasi ini hanya mengamankan sebuah pesan kedalam sebuah citra dan merubah isi pesan dari yang dikethaui maknanya ke yang tidak diketahui maknanya. Pada penelitian ini telah diterapkan metode LSB-DES pada gambar 281x320 pixel dengan cover berupa gambar berwarna dan pesan berupa kata. PSNR yang dihasilkan adalah 86.64 db untuk pesan kata “rahasia. Berdasarkan penelitian dapat disimpulkan hasil PSNR nilainya tinggi, maka kualitas citra bagus, maka dari itu hasil gambar steganogragi pun sangat baik.

Optimizing Parcel Package Selection Using an Enhanced Multiple Knapsack Problem Approach with Greedy Dynamic Programming Santoso, Dewi Agustini; Rizqa, Ifan; Aqmala, Diana; Alzami, Farrikh
Moneter: Jurnal Keuangan dan Perbankan Vol. 12 No. 3 (2024): OKTOBER
Publisher : Universitas Ibn Khladun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/moneter.v12i3.996

This study introduces an enhanced algorithm for solving the Multiple Knapsack Problem to optimize parcel package selection, particularly focusing on balancing value maximization with price and weight constraints. Due to Dynamic Programming requires significant memory, The proposed method employs a heuristic approach such as greedy algorithm, initially sorting items by their value-to-weight ratio and iteratively filling each knapsack to maximize total value while adhering to constraints. The algorithm demonstrates high computational efficiency, solving instances within 0.07 seconds, and achieves a total value of 122.00 across multiple knapsacks. However, the analysis reveals a significant underutilization of weight capacity (44.74%) compared to price capacity (98.92%), highlighting the need for more sophisticated constraint handling. Limitations such as the simplistic heuristic approach and single-objective focus are discussed. Future work will explore the integration of advanced optimization techniques, dynamic constraints, and multi-objective frameworks to improve solution quality and applicability in real-world scenarios. This research contributes to the field by providing a foundation for further exploration of Multiple Knapsack Problem in logistics and resource allocation contexts.

Balancing CICIoV2024 Dataset with RUS for Improved IoV Attack Detection Firmansyah, Muhammad David; Rizqa, Ifan; Rafrastara, Fauzi Adi
Journal of Applied Informatics and Computing Vol. 9 No. 2 (2025): April 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i2.9079

This study addresses the cybersecurity challenges within the Internet of Vehicles (IoV) by exploring the efficacy of Random Under-Sampling (RUS) in balancing the class distribution of the CICIoV2024 dataset for improved intrusion detection. IoV technology connects vehicles to digital infrastructure, fostering communication and enhancing safety but is simultaneously vulnerable to cyber threats such as Denial of Service (DoS) and spoofing attacks. This research employed RUS to mitigate data imbalance within the CICIoV2024 dataset, which often impedes effective threat detection in machine learning models. Four machine learning classifiers Random Forest, AdaBoost, Gradient Boosting, and XGBoost were evaluated on both imbalanced and balanced datasets to compare their performance. Results demonstrated that RUS significantly enhances model accuracy, precision, recall, and F1-score, reaching perfect scores across all classifiers post-balancing. Additionally, RUS contributed to substantial reductions in training and testing times, thereby boosting computational efficiency. These findings underscore the potential of RUS in addressing data imbalance in IoV cybersecurity, establishing a foundation for future research aimed at safeguarding IoV systems against evolving cyber threats.

Improving Attack Detection in IoV with Class Balancing and Feature Selection Widyatama, Thierry; Rizqa, Ifan; Rafrastara, Fauzi Adi
Journal of Applied Informatics and Computing Vol. 9 No. 2 (2025): April 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i2.9080

The Internet of Vehicles (IoV) represents a specialized application of the Internet of Things (IoT), enabling vehicles to communicate with their surrounding infrastructure to enhance transportation safety and efficiency. However, IoV systems are susceptible to various cyberattacks, including Denial of Service (DoS) and spoofing attacks, which necessitate effective and efficient detection mechanisms. This study investigates the enhancement of detection efficiency for DoS and spoofing attacks in IoV by employing Ensemble Learning methods combined with feature selection techniques. The selected feature selection methods include Information Gain Ratio, Chi-Square (X²), and Fast Correlation-Based Filter (FCBF). The CICIoV2024 dataset, utilized in this study, was balanced using the Random Under Sampling technique to address data imbalance issues. The ensemble algorithms evaluated in this research comprise Random Forest, Gradient Boosting, and XGBoost. Results indicate that all three algorithms achieved high accuracy and F1 scores, reaching 0.985. Moreover, the application of feature selection significantly reduced computational time without compromising detection performance. These findings are expected to contribute to the advancement of IoV security systems in the future.

Title

Found 12 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 12 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 12 Documents
Search