Claim Missing Document
Check
Articles

Found 23 Documents
Search

Klasifikasi Kesadaran Mahasiswa terhadap Jejak Digital Menggunakan Metode Naive Bayes Ainun Aminah; Humaira Humaira; Roberto Kaban
Blantika: Multidisciplinary Journal Vol. 4 No. 7 (2026): Special Issue
Publisher : PT. Publikasiku Academic Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57096/blantika.v4i7.532

Abstract

Jejak digital merupakan rekam data aktivitas pengguna yang tersimpan di internet dan dapat memberikan dampak positif maupun negatif bagi individu. Rendahnya kesadaran mahasiswa terhadap jejak digital dapat menyebabkan berbagai permasalahan, seperti penyalahgunaan data pribadi, pencemaran reputasi, dan ancaman keamanan informasi. Penelitian ini bertujuan mengklasifikasikan kesadaran mahasiswa terhadap jejak digital berdasarkan perilaku penggunaan media sosial dengan metode Naive Bayes. Data yang digunakan adalah Students Social Media Addiction Dataset yang terdiri dari 705 data mahasiswa dari berbagai negara dan jenjang pendidikan, diakses melalui platform Kaggle. Tahapan penelitian meliputi pengumpulan data, preprocessing, diskretisasi, pembagian data latih dan data uji sebesar 80:20, penerapan algoritma Naive Bayes dengan Laplace Smoothing, serta evaluasi menggunakan confusion matrix, akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan model mencapai akurasi 90,78% dengan distribusi kelas yang tidak seimbang, yaitu Kesadaran Rendah 408 data (57,9%), Kesadaran Sedang 197 data (27,9%), dan Kesadaran Tinggi 100 data (14,2%). Dominasi kelas Kesadaran Rendah mengindikasikan bahwa sebagian besar mahasiswa dalam dataset masih rentan terhadap risiko jejak digital akibat intensitas penggunaan media sosial yang tinggi. Temuan ini menegaskan pentingnya program literasi digital yang terstruktur di perguruan tinggi untuk meningkatkan kesadaran mahasiswa dalam mengelola jejak digital secara bertanggung jawab.
PENGEMBANGAN SISTEM PENJADWALAN SIDANG SKRIPSI BERBASIS WEB DENGAN RAPID APPLICATION DEVELOPMENT DAN ALGORITMA BACKTRACKING Roberto Kaban; Nurhafiz Ahmad Rangkuti; Ita Margaretta Tarigan; David JM Sembiring
Jurnal TIMES Vol 15 No 1 (2026): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.15.1.2026910

Abstract

Proses penjadwalan sidang skripsi merupakan salah satu kegiatan akademik yang memiliki tingkat kompleksitas tinggi karena melibatkan berbagai pihak dan sumber daya dengan keterbatasan waktu tertentu. Permasalahan yang sering terjadi pada proses penjadwalan meliputi bentrokan jadwal dosen, keterbatasan ketersediaan ruangan, serta kesulitan dalam menyesuaikan jadwal apabila terjadi perubahan. Penelitian ini bertujuan untuk mengembangkan sistem penjadwalan sidang skripsi berbasis web menggunakan algoritma backtracking dengan studi kasus di Institut Teknologi dan Bisnis Indonesia (ITB Indonesia). Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD) yang menekankan pengembangan sistem secara iteratif dan melibatkan pengguna secara aktif. Proses penjadwalan dimodelkan sebagai permasalahan penjadwalan berbasis kendala, di mana setiap mahasiswa harus memperoleh satu jadwal sidang, dosen tidak diperkenankan terlibat dalam lebih dari satu sidang pada waktu yang sama, dan setiap ruangan hanya dapat digunakan untuk satu kegiatan dalam satu slot waktu tertentu. Algoritma backtracking diterapkan untuk mengevaluasi setiap kemungkinan penjadwalan berdasarkan kendala yang telah ditetapkan. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu menghasilkan jadwal sidang skripsi yang valid dan bebas konflik. Penerapan sistem ini diharapkan dapat membantu pengelola akademik dalam menyusun jadwal secara lebih efisien dan akurat, mengurangi kesalahan penjadwalan, serta meningkatkan kualitas layanan akademik.
LRU-Based Caching Optimization for REST API and GraphQL in a PBB-P2 Information System Rudi Setiawan Samosir; David JM Sembiring; Roberto Kaban
Jurnal Locus Penelitian dan Pengabdian Vol. 5 No. 8 (2026): JURNAL LOCUS: Penelitian dan Pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v5i8.6214

Abstract

The increasing demand for fast and reliable access to taxpayer, tax object, billing, and payment information requires efficient data retrieval mechanisms in PBB-P2 information systems. Repeated database access for frequently requested data can increase server workload and prolong response times. Application-level caching can reduce redundant database operations; however, cache performance depends on the replacement policy applied when memory capacity is limited. This study aimed to evaluate the performance impact of Least Recently Used (LRU) caching compared with simple bounded caching and no-cache conditions in REST API- and GraphQL-based PBB-P2 information systems. A quantitative comparative experimental method was employed using a Node.js prototype connected to a MySQL/MariaDB database. The experiment evaluated three cache conditions (no cache, simple cache, and LRU cache) across four workload patterns: random, repeat, mixed, and pressure. Performance was assessed using response time, throughput, cache hit ratio, database query count, CPU utilization, and eviction accuracy. The results showed that LRU provided the most significant improvement under high cache eviction pressure conditions. In REST API testing, LRU reduced response time from 10.41 ms to 7.89 ms and decreased database queries by 74.66%. In GraphQL testing, LRU reduced response time from 19.58 ms to 17.03 ms and decreased database queries by 74.96%. However, LRU was not consistently superior, particularly when workloads had sufficient cache capacity or irregular access patterns. The study concludes that LRU caching is effective when temporal locality and cache pressure are present; however, its implementation should be guided by workload characteristics and system telemetry.