Claim Missing Document
Check
Articles

Found 4 Documents
Search

APLIKASI PENENTUAN TINGKAT KEPUASAN MAHASISWA TERHADAP LAYANAN PENDIDIKAN BERBASIS FUZZY Rolansa, Freska; Suheri, Suheri
Jurnal Pendidikan Informatika dan Sains Vol. 7 No. 2 (2018): Jurnal Pendidikan Informatika dan Sains
Publisher : IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (911.8 KB) | DOI: 10.31571/saintek.v7i2.1043

Abstract

Mahasiswa merupakan Konsumen utama di Program Studi (Prodi) Teknik Informatika (TI) Kepuasan Layanan Mahasiswa sangat penting dan mendasar dalam meningkatkan kualitas program studi. Kepuasan mahasiswa dapat dijadikan indikator /bahan evaluasi dalam pencapaian visi dan misi Prodi TI. Kesulitan dalam melakukan pengukuran kepuasan mahasiswa terhadap layanan di program studi Teknik informatika merupakan masalah yang harus diselesaikan. Rendahnya kepuasan mahasiswa terhadap layananmemperlambat kinerja dan bahkan mengganggu aktivitas proses belajar mengajar di Prodi TI. Aplikasi Pengukur Tingkat Kepuasan Mahasiswa  terhadap Layanan di Program Studi Teknik Informatika Politeknik  Negeri Pontianak berbasis Fuzzy dibuat dengan mengumpulkan data terkait pengukuran kepuasan mahasiswa, kemudian dilakukan analisis dengan metode service quality, setelah itu dilakukan perancangan aplikasi berbasis fuzzy dan setelah itu diimplementasikan di prodi TI untuk melakukan Evaluasi terhadap layanan Kata Kunci: Aplikasi Fuzzy,Evaluasi, Kepuasan Mahasiswa, Layanan
Sistem prediksi dan evaluasi prestasi akademik mahasiswa di Program Studi Teknik Informatika menggunakan data mining Rolansa, Freska; Yunita, Yunita; Suheri, Suheri
Jurnal Pendidikan Informatika dan Sains Vol 9, No 1 (2020): Jurnal Pendidikan Informatika dan Sains
Publisher : IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/saintek.v9i1.1696

Abstract

Pada tahun 2019 Program Studi Teknik Informatika memiliki jumlah kelas reguler sebanyak 11 kelas dan sebanyak 1 kelas program kerjasama internasional dengan Perguruan Tinggi di Malaysia. Salah satu cara untuk menghasilkan mahasiswa yang berkualitas adalah dengan menciptakan sistem pembelajaran yang tepat terhadap mahasiswa. Sehingga mahasiswa tersebut memiliki prestasi yang baik dalam bidangnya. Penerapan  dalam data mining adalah klasifikasi. Metode klasifikasi dapat digunakan untuk memprediksi atau meramalkan prestasi mahasiswa berdasarkan variabel –variabel tertentu. Teknik ini juga dapat diaplikasikan dalam mencari informasi penting berkaitan dengan prestasi mahasiswa. Berdasarkan teknik klasifikasi akan dapat diketahui faktor-faktor yang berpengaruh terhadap prestasi mahasiswa serta seberapa besar pengaruhnya tersebut. Prestasi mahasiswa dalam hal ini direpresentasikan dengan nilai IPK. Hasilnya diharapkan dapat menjadi bahan masukan atau rekomendasi kepada pihak kampus  khususnya manajemen di Program Studi Teknik Informatika untuk membuat sistem pembelajaran yang tepat dan dapat menangani dengan segera mahasiswa yang memiliki prestasi rendah dan upaya dalam melihat faktor-faktor yang berperan dalam peningkatan prestasi akademik mahasiswa
Penerapan dan Pelatihan Penggunaan Semesta untuk Pelaksanaan Tugas Akhir di Fakultas Pertanian Universitas Panca Bhakti Siswanto, Lindung; Rolansa, Freska; Bibi, Sarah; Suryanto, Tommi; Budianingsih, Budianingsih; Faisal, Ferry; Wibowo, Fitri; Tharam, Medi Yuwono; Hermanto, Bangbang
Kapuas Vol. 3 No. 1 (2023): Kapuas : Jurnal Publikasi Pengabdian Pada Masyarakat
Publisher : Politeknik Negeri Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31573/jk.v3i1.517

Abstract

One form of service provided, especially in institutions engaged in education, is the service process in the implementation of the Final Project/Thesis where the implementation process itself is currently still being done manually which makes the entire implementation process take longer and less efficient, as well as the distribution conditions. Covid-19 (corona virus) which is currently still not showing a decline until the Government issues government regulations, circulars and appeals for the implementation of face-to-face activities to be reduced and shifted to online / online. This information system is the result of research that has been implemented in the Department of Electrical Engineering, Pontianak State Polytechnic, named SEMESTA which is an acronym for Information System for Final Project Completion. Which has three user entities, namely students, supervisors and administrators. The information system is able to serve title proposals, proposals, submission of supervisors, selection of students to be mentored, and consultation media between students and their supervisors for the smooth process of online and real-time final assignments/thesis. Faculty of Agriculture, Panca Bhakti University, Pontianak currently does not have an information system that can be used to help complete the final project/thesis. If this information system is implemented then the parties who will be involved in this information system will be trained how to use it separately based on the level of users.
SMOTE tree-based autoencoder multi-stage detection for man-in-the-middle in SCADA Rolansa, Freska; Istiyanto, Jazi Eko; Afiahayati, Afiahayati; Kusuma Frisky, Aufaclav Zatu
Indonesian Journal of Electrical Engineering and Computer Science Vol 38, No 1: April 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v38.i1.pp133-144

Abstract

Security incidents targeting supervisory control and data acquisition (SCADA) infrastructure are increasing, which can lead to disasters such as pipeline fires or even lost of lives. Man-in-the-middle (MITM) attacks represent a significant threat to the security and reliability of SCADA. Detecting MITM attacks on the Modbus SCADA networks is the objective of this work. In addition, this work introduces SMOTE tree-based autoencoder multi-stage detection (STAM) using the Electra dataset. This work proposes a four-stage approach involving data preprocessing, data balancing, an autoencoder, and tree classification for anomaly detection and multi-class classification. In terms of attack identification, the proposed model performs with highest precision, detection rate/recall, and F1 score. In particular, the model achieves an F1 score of 100% for anomaly detection and an F1 score of 99.37% for multi-class classification, which is preeminence to other models. Moreover, the enhanced performance of multi-class classification with STAM on minority attack classes (replay and read) has shown similar characteristics in features and a reduced number of misclassifications in these classes.