Article Per Year (5 Year)
p-Index From 2020 - 2025
2.957
P-Index
This Author published in this journals
All Journal Jurnal Simantec POSITIF Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Network Engineering Research Operation [NERO] JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Prosiding Seminar Nasional Sains dan Teknologi Terapan Jurnal Telematika Indonesian Journal of Electrical Engineering and Computer Science Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK)
Maftahatul Hakimah, Maftahatul
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Implementasi Algoritma Caesar Cipher dan Rivest Shamir Adleman Super Enkripsi Teks Pesan dengan Karakter Ascii Fahrezi Kusuma, Andra; Agustini, Siti; Hakimah, Maftahatul; Kurniawan, Muchamad
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2024: SNESTIK IV
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2024.5714

Abstract

Humans are never separated from information needs when viewed from technology use. Data security is important because it relates to confidentiality, integrity, authentication, and privacy. Some information has privacy that the public should not share. Therefore we need a way to secure information so that the information does not spread widely to unauthorized parties. This study used Caesar Cipher and RSA Algorithms to secure a text message. So the data would not be easily hacked by irresponsible parties. The encryption process started using the Caesar Cipher Algorithm by entering a key/shift of letters to produce a ciphertext. Ciphertext Caesar is used for the encryption process for the second time using the RSA algorithm. RSA ciphertext result was converted into ASCII characters. The algorithm proposed to secure message text data using a combination of letters and numbers in each trial. The Caesar Cipher Algorithm implementation results obtained an average avalanche effect value of 35.03%. At the same time, the RSA algorithm obtained an average avalanche effect value of 55.10%. And the Caesar-RSA algorithm obtained an average avalanche effect value of 59.015%. The best test results were obtained by combining the two algorithms, Caesar Cipher and RSA, which showed that the proposed algorithm could secure message text data effectively.
Penggunaan Metode Naive Bayes dengan Pembobotan Term Menggunakan R-Kuadrat untuk Analisis Sentimen Ulasan Pengguna Aplikasi Shopee Santoso, Anindya Berlinani; Hakimah, Maftahatul; Wardhana, Septiyawan Rosetya
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2024: SNESTIK IV
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2024.5906

Abstract

Perkembangan pesat e-commerce di Indonesia, khususnya aplikasi Shopee. E-commerce menjadi populer karena kemudahan dan kenyamanan dalam berbelanja secara online, termasuk diskon, promo, dan pengiriman gratis. Namun, ada juga masalah penipuan dan waktu pengiriman yang lama yang membuat beberapa orang meragukan e-commerce. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap aplikasi Shopee di Google Play Store menggunakan metode Naïve Bayes dengan pembobotan R-Kuadrat. Metode ini digunakan untuk mengklasifikasikan opini pengguna menjadi positif atau negatif. Hasil pengujian menunjukkan bahwa metode Naïve Bayes dengan pembobotan R-Kuadrat memiliki akurasi yang lebih baik 81% dibandingkan dengan metode Naïve Bayes tanpa pembobotan 42%. Dari hasil pengujian tersebut, dapat disimpulkan bahwa penggunaan pembobotan R-Kuadrat pada metode Naïve Bayes mampu meningkatkan performa analisis sentimen terhadap aplikasi Shopee di Play Store. Dengan pembobotan R-Kuadrat, akurasi meningkat sebesar 39%, recall meningkat sebesar 71%, dan nilai F1-score meningkat sebesar 47%. Namun, perlu diperhatikan bahwa precision mengalami penurunan sebesar 15%.
Klasterisasi Produk Berdasarkan Data Penjualan Menggunakan Algoritma K-Means Dengan Penentuan Centroid Awal Istighfariansyah, Risaldi; Hakimah, Maftahatul; Kurniawan, Muchamad
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2023: Transformasi Riset, Inovasi dan Kreativitas Menuju Smart Technology dan Smart Energy
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Kondisi pandemi pada awal Tahun 2020 membuat pada pemilik usaha terutama usaha kuliner memasang strategi untuk membuat produknya laku. Hal tersebut terjadi di salah satu Café di Surabaya dimana dalam kurun waktu satu tahun pada periode tahun 2020, tingkat penjualan suatu produk yang ditawarkan kurang maksimal. Salah satu strategi yang bisa diambil dan dibahas pada penelitian ini adalah memetakan produk penjualan mulai yang paling laku sampai dengan yang kurang laku. Pemetaan tersebut bisa dilakukan dengan pendekatan klasterisasi. Penelitian ini menerapkan metode yang sederhana dan efektif dalam klasterisasi yakni K-Means. K-means merupakan salah satu partition-based clustering yang bekerja dengan cara menentukan secara acak centroid dari tiap cluster kemudian tiap instance akan dikelompokkan ke dalam cluster dengan jarak terdekat. Namun Metode K-Means memiliki kekurangan yaitu penentuan centroid awal dengan acak. Sehingga, penelitian ini menerapkan K-Means Dengan Penentuan Centroid Awal. Berdasarkan hasil pengujian, K-Means Dengan Penentuan Centroid Awal bisa meningkatkan nilai Davies bouldin index (DBI) dari K-Means Standart sebesar 71,68% dan dapat menurunkan nilai Sum of Squared Error (SSE) dari K-Means Standart sebesar 35,73%.
Mutual information-MOORA based feature weighting on naive bayes classifier for stunting data Prabiantissa, Citra Nurina; Hakimah, Maftahatul; Rozi, Nanang Fakhrur; Puspitasari, Ira; Yamani, Laura Navika; Mahendra, Victoria Lucky
Indonesian Journal of Electrical Engineering and Computer Science Vol 36, No 2: November 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v36.i2.pp972-982

Abstract

One effort to reduce stunting rates is to predict stunting status early in toddlers. This study applies Naive Bayes (NB) to build a stunting prediction model because it is simple and easy to use. This study proposes a filter-based feature weighting technique to overcome the NB assumption, which states that each feature has the same contribution to the target. The frequency of an event in a dataset influences the feature weighting using mutual information criteria. This is the gap in the filter-based ranking highlighted in this study. Therefore, this study proposes a feature-weighting method that combines mutual information with the MOORA (MI-MOORA) decision-making method. This technique makes it possible to include external factors as criteria for ranking important features. For stunting cases, the external consideration for ranking purposes is the assessment of nutrition experts based on their experience in dealing with stunted toddlers. The MI-MOORA technique makes the availability of clean water the most influential feature that contributes to the stunting status. In the ten best features, the MI-MOORA ranking results are dominated by family factors. Based on the performance evaluation results of NB and other classifiers, MI-MOORA can improve the performance of stunt prediction models.
Metode Decision Tree C4.5 untuk Klasifikasi Penyakit Jantung Indriyani, Tutuk; Rozi, Fajar Fahru; Hakimah, Maftahatul; Rozi, Nanang Fakhrur; Muhima, Rani Rotul
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2024: Menjembatani Energi Berkelanjutan dan Ekonomi Hijau melalui Transformasi Riset dan Teknologi T
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Berbagai macam penelitian machine learning sudah dilakukan, salah satunya merupakan penelitian pemanfaatan machine learning untuk memprediksi penyakit jantung. Dalam Penelitian ini 304 dataset digunakan untuk melakukan klasifikasi. berdasarkan latar belakang dan hasil penelitian sebelumnya, penulis memutuskan untuk mengklasifikasi penyakit jantung menggunakan metode Decison Tree C4.5 Algoritma mengklasifikasi dengan benar saat hasil uji menggunakan confusion matrix menunjukkan nilai Accuracy 0,86 yang menunjukkan klasifikasi dataset pengujian ini sebesar 86% dan 14% tidak terklasifikasi dengan benar. Secara kesuluruhan, algoritma mengklasifikasi dataset penyakit jantung dengan baik. Hal ini di indikasikan dengan nilai rata rata seperti precision 0,87 yang berarti dari semua prediksi yang model dibuat sekitar 87% adalah benar, kemudian hasil recall adalah 0.84, yang berarti model berhasil mendeteksi sekitar 84%.
Co-Authors Andre Yuldian Afandi Anna Yustina Aprilia, Aries Augusta, Taufan Azmuri Wahyu Azinar Citra Nurina Prabiantissa Dian Puspita Hapsari Dwi Putra Marbun Fahrezi Kusuma, Andra Farida Farida Fawaz, Ahmad Haqiki, Nour Hendro Nugroho, Hendro Ira Puspitasari Istighfariansyah, Risaldi Laura Navika Yamani Mahendra, Victoria Lucky Muchamad Kurniawan, Muchamad Muhammad Aditya Kushardiawan Muhima, Rani Rotul Nanang Fakhrur Rozi Nour Haqiki O.T., Pambudi Rinci Kembang Hapsari Rochmana, Yussyafrida Choiriizzati Rozi, Fajar Fahru Santoso, Anindya Berlinani Siti Agustini, Siti Siti Azizah Tukadi Tukadi, Tukadi Tutuk Indriyani Wardhana, Septiyawan Rosetya Weny Mistarika Rahmawati