Claim Missing Document
Check
Articles

Found 3 Documents
Search

Algoritma Smith-Waterman Untuk Mengidentifikasi Kemiripan Judul Proyek Mahasiswa Andre Pratama; Nababan, Junerdi; Salsabila, Nadiyah Shofa
JIKTEKS : Jurnal Ilmu Komputer dan Teknologi Informasi Vol. 3 No. 01 (2024): Desember
Publisher : Faatuatua Media Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70404/jikteks.v3i01.125

Abstract

Plagiarisme dalam lingkungan akademik menjadi masalah yang signifikan, terutama dalam pengajuan judul proyek oleh mahasiswa. Untuk mengidentifikasi kemiripan judul proyek guna mencegah plagiarisme, penelitian ini menggunakan algoritma Smith-Waterman. Algoritma ini, yang awalnya digunakan dalam bioinformatika, diaplikasikan untuk membandingkan teks dengan pendekatan penyelarasan lokal. Proses penelitian meliputi beberapa tahapan seperti pengumpulan data, preprocessing teks dengan case folding, stemming, dan tokenizing sebelum penerapan algoritma Smith-Waterman. Hasil pengujian menunjukkan bahwa algoritma ini efektif dalam mendeteksi kemiripan antara judul proyek, dengan persentase kemiripan yang bervariasi. Penelitian ini diharapkan dapat menjadi langkah awal dalam pengembangan sistem deteksi plagiarisme yang lebih akurat di lingkungan akademik.
Efektivitas Program Abdimas “Pinjol Aman, Dompet Nyaman” dalam Meningkatkan Literasi Keuangan Digital dan Kemampuan Deteksi Pinjol Ilegal pada Remaja/Gen Z Kuncara, Tommy; Andre Pratama; Abdul Muchlis; Sandy Suryady
 Jurnal Abdi Masyarakat Multidisiplin Vol. 4 No. 03 (2025): Desember: JURNAL ABDI MASYARAKAT MULTIDISIPLIN
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56127/jammu.v4i03.2571

Abstract

Maraknya pinjol ilegal dan rendahnya literasi keuangan digital meningkatkan kerentanan remaja terhadap keputusan berutang yang impulsif dan risiko keamanan data. Penelitian ini bertujuan mengevaluasi efektivitas program Abdimas berbasis keterampilan keputusan “baca–hitung–cek sebelum klik setuju” dalam meningkatkan literasi keuangan digital, kemampuan deteksi pinjol ilegal, dan perilaku preventif pada remaja. Metode yang digunakan adalah kuantitatif dengan desain pra-eksperimen one-group pretest–posttest. Kegiatan dilaksanakan pada 2 Januari 2026 di Yayasan Rahmatan Lil Alamin JT Cab. Cibubur bekerja sama dengan ASOSIASI DOSEN MUDA INDONESIA(ADMI) dengan 25 peserta remaja. Data dikumpulkan menggunakan kuesioner pretest–posttest yang mengukur pemahaman komponen biaya dan risiko pinjaman, kemampuan menghitung total kewajiban, kemampuan mengenali red flags serta verifikasi legalitas, dan indikator perilaku keamanan digital (OTP, phishing, izin aplikasi), kemudian dianalisis secara deskriptif dan uji beda berpasangan. Hasil menunjukkan peningkatan literasi keuangan digital, peningkatan akurasi deteksi pinjol ilegal, serta penguatan perilaku preventif, terutama kebiasaan mengecek legalitas dan komitmen menjaga keamanan data pribadi. Implikasi penelitian menunjukkan bahwa model edukasi praktis berbasis simulasi dan checklist dapat direplikasi pada komunitas/sekolah untuk pencegahan pinjol ilegal dan penguatan perlindungan konsumen digital pada remaja. Orisinalitas penelitian terletak pada integrasi literasi pinjol (biaya–risiko–legalitas) dengan literasi keamanan digital dalam satu alur tindakan yang operasional dan dievaluasi secara terukur melalui pretest–posttest pada konteks pengabdian masyarakat.
DETEKSI ANOMALI TEKSTURAL PADA GAMBAR GENERATIF AI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR EFFICIENTNETB2 Farhan Muhammad; Marcelia Anggiriani; Ahmad Yusuf Roky; Tri Tia Fahada; Andre Pratama
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 11 No 1 (2026): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v11i1.64122

Abstract

Perkembangan teknologi image generation berbasis Artificial Intelligence (AI) membuat batas antara gambar buatan AI dan gambar Non-AI semakin sulit dibedakan. Kondisi ini mendorong kebutuhan akan sistem deteksi otomatis yang akurat. Penelitian ini bertujuan mengembangkan model klasifikasi citra untuk membedakan gambar AI dan Non-AI menggunakan arsitektur EfficientNet-B2. Evaluasi model dilakukan menggunakan dataset CIFAKE yang terdiri dari citra REAL dan FAKE sebagai representasi gambar non-AI dan AI. Model dibangun dengan memanfaatkan bobot pretrained sebagai feature extractor dan menambahkan lapisan klasifikasi dua kelas. Pelatihan dilakukan dalam dua tahap menggunakan Adam optimizer untuk meningkatkan stabilitas dan kemampuan generalisasi. Hasil penelitian menunjukkan bahwa EfficientNet-B2 mampu mengekstraksi fitur visual secara efektif. Pada pelatihan tahap awal, model memperoleh akurasi validasi 85,37%, kemudian meningkat menjadi 86,11% setelah optimisasi, dan mencapai performa terbaik pada tahap fine-tuning dengan akurasi 86,67%. Evaluasi pada data pengujian menghasilkan akurasi 87,12% dengan nilai precision, recall, dan f1-score yang seimbang pada kedua kelas. Secara keseluruhan, model yang dibangun menunjukkan performa yang stabil dan akurat dalam mendeteksi gambar AI. Studi ini membuktikan bahwa pendekatan transfer learning dan fine-tuning dengan EfficientNet-B2 merupakan metode yang efektif untuk tugas klasifikasi gambar dua kelas.