Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Information Technology and Cyber Crime
Nanda Setiawan
Universitas Potensi Utama
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

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

Found 3 Documents
Search

 1 
Kerahasiaan Teks Yang Disisipkan Ke Dalam Gambar Menggunakan Metode Porta Dan LSB Nanda Setiawan; Lili Tanti
Information Technology and Cyber Crime (ITCC) Vol. 1 No. 1 (2022): Oktober: Information Technology and Cyber Crime
Publisher : Research Institute of Science, Technology and Art (RISTecArt)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (431.643 KB) | DOI: 10.59840/itcc.v1i1.96

Abstract

Pada pertukaran informasi biasanya orang-orang menggunakan teks tertulis sehingga dapat dipahami dan dibaca. Teks yang dikirim ataupun mengingat teks yang diterima mungkin berisi informasi penting, sangat berisiko bagi pihak ketiga untuk memiliki akses ke teks tersebut karena dapat membahayakan penulis dan dapat diubah menjadi bentuk yang akan sangat berguna bagi pihak ketiga. Harus ada cara untuk mencegah pencuri informasi mengetahui teks penting dan merugikan pemilik informasi. Penggunaan sistem komputer meningkatkan kinerja manusia dalam berbagai cara diantaranya pengelolaan informasi, kerahasiaan data, misalnya. Peneliti menggunakan metode porta dan LSB untuk merahasiakan teks yang disisipkan ke dalam gambar. Dengan menggunakan teknik kriptografi dan steganografi serta menggunakan metode porta dan LSB maka teks yang bersifat penting tidak dapat diketahui oleh pihak ketiga atau pencuri informasi.
Optimasi Performa Model SVM dan Random Forest untuk Klasifikasi Kanker Payudara Menggunakan Penyetelan Hyperparameter Adil Setiawan; Andri Armaginda Siregar; Nanda Setiawan; Jalaluddin Nasution; Naufal Dhiya Putra Dalimunthe; Farhan Sardy Abdillah
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.789

Abstract

Kanker payudara merupakan salah satu penyakit dengan tingkat morbiditas dan mortalitas yang tinggi, sehingga deteksi dini dan diagnosis yang akurat menjadi faktor kunci dalam meningkatkan keberhasilan terapi. Perkembangan machine learning memberikan peluang besar dalam mendukung proses klasifikasi kanker payudara berbasis data medis. Penelitian ini bertujuan untuk mengevaluasi dan mengoptimalkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest dalam klasifikasi kanker payudara melalui penerapan Hyperparameter tuning. Dataset yang digunakan adalah Breast Cancer Wisconsin (Diagnostic), yang terdiri dari 569 sampel hasil pemeriksaan Fine Needle Aspirate (FNA) dengan 30 fitur numerik serta dua kelas target, yaitu benign dan malignant. Metodologi penelitian meliputi tahap pra-pemrosesan data, pembagian data menggunakan stratified train–test split, pelatihan model baseline, optimasi Hyperparameter menggunakan GridSearchCV dengan 5-fold cross-validation, serta evaluasi performa model menggunakan metrik accuracy, precision, recall, F1-score, confusion matrix, dan ROC–AUC. Hasil eksperimen menunjukkan bahwa kedua model mampu mencapai performa klasifikasi yang tinggi dengan tingkat akurasi sekitar 97% pada data uji. Hyperparameter tuning memberikan peningkatan performa yang lebih konsisten pada model SVM, khususnya pada recall kelas malignant dan nilai AUC, sedangkan Random Forest menunjukkan performa yang relatif stabil sebelum dan sesudah optimasi. Temuan ini menegaskan bahwa Hyperparameter tuning berperan penting dalam validasi dan stabilitas model, meskipun tidak selalu menghasilkan peningkatan performa numerik yang signifikan pada dataset benchmark.
Kombinasi K-Means dan Fuzzy C-Means untuk Clustering Transaksi PPOB Berdasarkan Validitas Cluster Nanda Setiawan; Heru Fredi; Bualazatulo Laia; Yiska Dayanti Zagoto; Johan; Andreas Jorghy Parapat; Wahyu Saptha Negoro
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.839

Abstract

Perkembangan layanan Payment Point Online Bank (PPOB) telah mendorong peningkatan signifikan pada volume dan kompleksitas data transaksi digital yang dihasilkan. Algoritma K-Means merupakan salah satu metode clustering yang paling banyak digunakan karena kesederhanaan, efisiensi komputasi, dan kemampuannya dalam menangani data berskala besar. Tujuan penelitian adalah mengelompokkan data transaksi PPOB secara optimal menggunakan kombinasi algoritma K-Means dan Fuzzy C-Means (FCM) serta mengevaluasi kualitas cluster berdasarkan validitas cluster. Data yang digunakan dalam penelitian ini merupakan data transaksi Payment Point Online Bank (PPOB) periode Januari 2024 yang diolah menggunakan Google Colaboratory (Google Colab). Data tersimpan dalam format CSV dan berisi informasi transaksi yang dilakukan oleh berbagai loket PPOB dengan jumlah data: 498.853 data transaksi. Penerapan metode Fuzzy C-Means memberikan hasil yang lebih sesuai karena mampu merepresentasikan derajat keanggotaan ganda pada loket-loket yang berada di zona transisi antar cluster. Keberadaan zona transisi tersebut membuktikan bahwa pendekatan Fuzzy lebih tepat digunakan dalam konteks bisnis PPOB yang dinamis, di mana performa loket dapat berubah seiring waktu dan tidak selalu berada pada kategori yang bersifat mutlak.
Co-Authors Andreas Jorghy Parapat Andri Armaginda Siregar Bualazatulo Laia Farhan Sardy Abdillah Heru Fredi Jalaluddin Nasution Johan Lili Tanti Naufal Dhiya Putra Dalimunthe Setiawan, Adil Wahyu Saptha Negoro Yiska Dayanti Zagoto