Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Kepada Masyarakat (Mediteg) Brilliance: Research of Artificial Intelligence JI-Tech
Oky Rahmanto
Politeknik Negeri Tanah Laut
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Mathematics Social Sciences Other

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

Found 3 Documents
Search

 1 
PENGARSIPAN FILE BERBASIS CLOUD DI DESA NUSA INDAH Arif Surpriyanto; Hendrik Setyo Utomo; Oky Rahmanto; Wan Yuliyanti
Jurnal Pengabdian Kepada Masyarakat (MEDITEG) Vol 8 No 1 (2023): Jurnal Pengabdian Kepada Masyarakat (MEDITEG)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Tanah Laut (Politala)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/mediteg.v8i1.150

Abstract

Pengarsipan dapat dilakukan dalam 2 hal yaitu arsip digital dan arsip fisik. Arsip digital merupakan hasil suatu administrasi disimpan dalam bentuk elektronik. Sedangkan arsip fisik adalah hasil suatu administrasi dalam bentuk cetak dari data elektronik atau ditulis secara manual. Pengarsipan tidak lepas dari sebuah organisasi pemerintahan maupun swasta. Salah satu pengarsipan di Pemerintahan yaitu Desa Nusa Indah Kecamatan Bati-Bati. pengarsipan yang dilakukan secara elektronik, namun tersimpan dalam komputer desa. Sehingga dalam melakukan pencarian hanya bisa dilakukan dalam komputer tersebut dan rentan terkena virus komputer. solusi permasalahan perangkat Desa Nusa Indah yaitu pengarsipan berbasis Cloud. Penyampaian materi pengarsipan berbasis cloud yaitu menggunakan OneDrive dan Google Drive. Hasil kuesioner yang telah di sebar yaitu 84.5% (Sangat Puas) untuk aspek keandalan, 84.3% (Sangat Puas) untuk aspek daya tanggap, aspek kepastian sebanyak 82.7% (Sangat Puas) dan aspek empati sebanyak 83.1% (Sangat Puas).
Deteksi DDoS dengan One Class Classification Oky Rahmanto
Jurnal JI-Tech Vol 18 No 1 (2022): Jurnal JI-Tech
Publisher : Sekolah Tinggi Teknologi Informasi NIIT

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

Abstract

Penggunaan teknik One-Class Classification telah lama digunakan untuk beberapa kasus dengan pengenalan pola dimana terdapat ketidakseimbangan data training antara 1 dengan lainnya. Kebanyakan dataset DDoS yang tersedia termasuk dalam hal ini. Penelitian ini bertujuan untuk melihat sejauh mana hasil training dengan teknik One Class Classification untuk mendeteksi adanya paket data berjenis serangan DDoS. Teknik One Class Classification yang digunakan dalam penelitian ini adalah One Class Support Vector Machine (OSVM). Perlakukan dataset pada fase Pra-proses sangat menentukan hasil dimana propertis dataset yang tersedia didalamnya terdapat data beerjenis kategori. Training dilakukan dengan pengaturan parameter nu dan gamma. Penentuan hasil secara keseluruhan menggunakan metrik f1-score. Nilai f1-score terendah pada pengaturan nu=0,075 dan gamma=1 dengan nilai 0.39615 Nilai f1-score tertinggi terdapat pada pengaturan parameter nu=0.025 dan gamma=1e-06 dengan nilai 0.97969
Design and Implementation Plagiarism Checker Application with DetectGPT using Scheduler Algorithm Arif Supriyanto; Hendrik Setyo Utomo; Oky Rahmanto
Brilliance: Research of Artificial Intelligence Vol. 3 No. 2 (2023): Brilliance: Research of Artificial Intelligence, Article Research November 2023
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v3i2.3275

Abstract

The increasing use of Generative AI in the field of writing in the academic world creates problems in the field of plagiarism. this problem has prompted an urgent need for plagiarism detection tools. However, not all universities are able to implement a system that is able to detect sentences or paragraphs resulting from generative AI. Recent research seeks to overcome this obstacle using AI itself, specifically through the DetectGPT model. However, the implementation of this technology has limitations, such as requiring large computing resources and quite a long examination time. Using a GPU can speed up the process, but not all users can implement it. Solutions to minimize processing time include using more than one worker, however, scheduling is essential to maximize plagiarism detection efficiency. This research proposes the implementation of the above system with the help of the scheduler. The results obtained in this system prototype are an average waiting time for checking of 457,778 seconds to complete 10 tasks with the help of 3 workers running at the same time.
Co-Authors Arif Supriyanto Arif Surpriyanto Hendrik Setyo Utomo Wan Yuliyanti