Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika SEMINAR TEKNOLOGI MAJALENGKA (STIMA)
Hena Sulaeman
Sekolah Tinggi Teknologi Bandung
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering Transportation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN DOSEN PEMBIMBING SKRIPSI MENGGUNAKAN METODE PROFILE MATCHING BERBASIS ANDROID Rendi Saputra; Harya Gusdevi; Hena Sulaeman
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 2 No 2 (2020): Naratif : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (205.94 KB) | DOI: 10.53580/naratif.v2i2.101

Abstract

Android adalah sistem operasi mobile yang didasari pada versi modifikasi dari Linux yang awalnya dikembangkan oleh startup dengan nama yang sama, Android. Inc pada tahun 2005. Statistik menjelaskan bahwa pengguna sistem operasi android masih terus berada dipuncak dengan persentase 93,83%-Android, 5,54%-IOS, dan 0,32%-lainnya. Sistem pendukung keputusan bertujuan sebagai sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semi terstruktur dengan cara memberikan informasi ataupun ulasan menuju pada keputusan tertentu, dengan menggunakan metode profile matching sebagai perhitungan matematis yang merupakan proses membandingkan antara kompetensi individu kedalam kompetensi jabatan sehingga dapat diketahui perbedaan kompetensinya , semakin kecil nilai gap yang dihasilkan maka bobot nilainya semakin besar yang berarti memiliki peluang lebih besar dalam menempati posisi tersebut . Maka dari itu peneliti membuat sistem pendukung keputusan penentuan dosen skripsi menggunakan metode profile matching berbasis android.
PENILAIAN RISIKO KEAMANAN INFORMASI PADA SISTEM INFORMASI AKADEMIK (SIAKAD) DENGAN MENGGUNAKAN FRAMEWORK NIST-SP 800 30 Sulaeman, Hena; Utomo, Hadi Prasetyo; Suryana, Agus Iim
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 2 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i2.254

Abstract

Seiring dengan perkembangan teknologi banyak kejahatan cyber yang sangat meresahkan terhadap data yang ada di suatu organisasi atau perusahaan, hal penting yang harus menjadi focus utama terhadap data dan informasi adalah melindungi informasi yang bersifat rahasia agar tidak bocor ke public atau segelintir orang yang tidak berkepentingan. Dengan meningkatnya insiden keamanan cyber berupa perusakan situs web (web defacement), peretasan (hacking) dan perangkat lunak berbahaya keamanan informasi harus menjadi fokus utama yang harus di selesaikan terutama di sector pendidikan hal ini merujuk pada Peraturan Sekretaris Jenderal Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Nomor 11 Tahun 2022 tentang Sistem Manajemen Keamanan Informasi pada Sistem Pemerintahan Berbasis Elektronik Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi. Sistem keamanan informasi seperangkat kebijakan, prosedur, teknologi, dan praktik yang dirancang untuk melindungi, mengamankan, dan menjaga kerahasiaan, integritas, dan ketersediaan data dan informasi dalam suatu organisasi. Penggunaan Framework NIST-SP 800-30 sebagai panduan dalam manajemen risiko keamanan informasi bertujuan untuk mengidentifikasi, mencegah, dan mengelola potensi risiko yang dapat membahayakan organisasi. Dengan demikian, organisasi dapat mengurangi kemungkinan terjadinya kerugian yang signifikan. Tujuan akhirnya adalah melindungi proses bisnis organisasi dari berbagai ancaman keamanan, meminimalkan potensi kerugian, dan mencegah terjadinya gangguan serius terhadap sistem dan teknologi informasi yang digunakan oleh organisasi. Penelitian ini berfokus pada penilaian risiko aset system informasi yang terkait dengan system informs akademik (SIAKAD) yang didasarkan pada panduan NIST-SP 800-30. Penilaian risiko bertujuan untuk mengidentifikasi dan mengevaluasi tingkat kerentanan dari aset Teknologi Informasi (TI) yang dapat mempengaruhi proses bisnis. Hasil dari evaluasi risiko digunakan sebagai landasan untuk merencanakan langkah-langkah pengamanan yang disesuaikan dengan tingkat risiko yang telah diidentifikasi dan direkomendasikan. Dengan demikian, penelitian ini bertujuan untuk memastikan bahwa rekomendasi kontrol keamanan yang di sarankan akan efektif dalam mengurangi risiko yang mungkin timbul dari aset TI yang berdampak pada proses bisnis.
EXPLAINABLE AI SEBAGAI SOLUSI BLACK BOX EFFECT DALAM KECERDASAN BUATAN Takwim, Ahsani; Sulaeman, Hena
SEMINAR TEKNOLOGI MAJALENGKA (STIMA) Vol 9 (2025): Seminar Teknologi Majalengka (STIMA) 9.0 Tahun 2025
Publisher : Universitas Majalengka

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

Abstract

The black box effect in artificial intelligence models has raised serious concerns regarding transparency and accountability. Explainable Artificial Intelligence (XAI) has emerged as a solution by offering interpretability and clearer reasoning in complex models. This study aims to analyze the development of XAI research and identify dominant approaches used to overcome the limitations of black box models. A bibliometric method was applied using data from the Scopus database, focusing on publication trends, author keywords, and frequently applied methods. The analysis shows that research on XAI has grown rapidly, with the number of publications increasing more than tenfold within the observed period. The trend demonstrates that interpretability is becoming a central aspect of artificial intelligence research. Keyword analysis highlights the strong association of XAI with machine learning and deep learning, while method analysis reveals that SHAP and LIME are the most dominant techniques, supported by Grad CAM and Surrogate Models in more specific applications. These findings confirm that XAI is not only an academic discourse but also an urgent response to the challenges of modern AI systems, ensuring that models are not only accurate but also transparent, understandable, and trustworthy for decision making.
Co-Authors Ahsani Takwim Hadi Prasetyo Utomo Harya Gusdevi Rendi Saputra Suryana, Agus Iim