Claim Missing Document
Check
Articles

Found 8 Documents
Search

Sistem Informasi Kalibrasi Torque Wrench Berbasis Web Menggunakan Euramet cg-14 sebagai Syarat untuk Memenuhi Standar ISO/EIC 6789-1:2017 dan 6789-2:2017 Eka Sri Rahayu; Achmad Hindasyah; Dadang Kurnia
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.28990

Abstract

Kalibrasi adalah proses pengecekan dan pengaturan akurasi dari alat ukur dengan cara membandingkannya dengan standar atau tolak ukur. Menurut ISO/IEC 6789-1:2017 dan 6789-2:2017, semua alat ukur yang berpengaruh signifikan terhadap hasil pengukuran maka perlu dikalibrasi. Sistem pengolahan data yang masih menggunakan microsoft excel, masih memungkinkan terjadinya kesalahan pengolahan data. Pembuatan sistem database berbasis web merupakan cara meminimalisir terjadinya masalah tersebut. Dengan adanya sistem database berbasis web, setiap pihak yang berkaitan dalam kegiataan pengolahan data uji kalibrasi dapat meminimalisasi komunikasi langsung antar dua pihak karena dapat melihat progress pekerjaan kalibrasi langsung pada sistem. Pembuatan sistem database ini menggunakan metode waterfall dengan bahasa pemograman PHP dan MySQL, sistem yang dibuat mengacu pada euramet cg-14 yaitu pedoman kalibrasi perangkat pengukur torsi statik. Kemudian dalam perancangan web menggunakan model Unified Modeling Language (UML). Sistem database ini terbagi atas beberapa level user yaitu admin, staff, teknisi, analis dan penerbit. Semua peralatan yang memerlukan kalibrasi atau memiliki jangka waktu validitas tertentu harus diberi label, diberi kode atau diidentifikasi sehingga memungkinkan pengguna peralatan untuk segera mengidentifikasi status kalibrasi atau masa berlaku. Hasil keluaran akhir dari sistem database ini berupa hasil analisa dari pengujian kalibrasi torque wrench dan juga penerbitan sertifikat kalibrasi.
Sistem Aplikasi Pesanan Baju Berbasis Website (Studi Kasus: Via Kebaya) Hotmaida Simanjuntak; Achmad Hindasyah
BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia Vol. 1 No. 3 (2023): BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia
Publisher : CV. Shofanah Media Berkah

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

Abstract

Via Kebaya merupakan perusahaan yang bergerak di bidang fashion menerima beberapa model tempahan pakaian pesta. Beralamat di Perumahan Forinata Tahap X Blok D1 No.4. Via Kebaya menerima tempahan kebaya, kamisol, songket, rok, wiron, bordir, payet dll. Pada dasarnya Via Kebaya masih menggunakan pencatatan secara manual baik itu pesanan customer, pesanan pembelian bahan, pembayaran pesanan customer dan persediaan bahan. Untuk mengatasi hal tersebut maka memunculkan keinginan untuk mengakat masalah tersebut menjadi bahan penelitian dengan judul Perancangan Sistem Aplikasi Pesanan Baju Berbasis Website Pada Via Kebaya, dengan menggunakan Aplikasi Microsoft Visual Studio. Adapun hasil akhir dari penelitian tersebut diharapkan dapat memberikan  kemudahan dalam pemesanan, pembelian, serta pengecekan persediaan bahan pada Via Kebaya.
Analisa Kinerja Algoritma Random Forest Classifier dengan Mutual Information dan Skip-Gram pada Klasifikasi Jurnal INIS Mufidah Karimah; Achmad Hindasyah; Taswanda Taryo
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 7, No 3 (2022): Desember
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51213/jimp.v7i3.638

Abstract

Supervised learning adalah teknik yang bergantung pada masukan berlabel untuk mempelajari suatu fungsi dan menghasilkan keluaran yang sesuai apabila diberi data baru tanpa label. Penggunaan algoritma supervised learning sering dibutuhkan dalam berbagai kondisi, salah satunya yakni mengklasifikasikan dokumen. INIS adalah salah satu perpustakaan digital yang dianggap masih melakukan pengklasifikasian dokumen secara manual dan membutuhkan pengotomatisasian klasifikasi dokumen. Hal ini mengakibatkan proses pengelompokkan memakan waktu yang relatif lama dan terdapat banyak kendala karena banyaknya jumlah dokumen. Penelitian ini memiliki tujuan utama untuk menentukan algoritma yang memiliki kinerja dan akurasi terbaik agar dapat diimplementasikan dalam proses pengklasifikasian dokumen ilmiah. Penelitian ini menggunakan kombinasi algoritma Random Forest (RF) dengan Skip-Gram (SG) dan Mutual Information (MI) sebagai metode ekstraksi fitur dan metode seleksi fitur. Hasil menunjukkan bahwa kumpulan data yang digunakan dapat mempengaruhi kinerja suatu algoritma. Selain itu pada penelitian ini menunjukkan bahwa presentase kinerja dari algoritma Random Forest dan Skip-Gram lebih baik jika dikombinasikan dengan seleksi fitur daripada tidak menggunakan seleksi fitur. Penggunaan seleksi fitur pada Random Forest dan Skip-Gram  dalam penelitian ini juga menunjukkan presentase kinerja lebih stabil jika dibandingkan dengan kinerja Random Forest dan Skip-Gram tanpa fitur seleksi.
SISTEM INFORMASI ABSENSI KERJA KARYAWAN BASIS WEBSITE DENGAN METODE PROTOTYPE Dimas Ilham Maulana; Achmad Hindasyah
Kohesi: Jurnal Sains dan Teknologi Vol. 1 No. 6 (2023): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kjst.v1i6.424

Abstract

Elshinta Televisi berdiri sejak 29 September 2015, terletak di Jl. Sudirman kav70-71 Jakarta. Bergerak dalam bidang media informasi, yang dimana perusahan ini mengutamakan program berita. Berdasarkan penelitian yang di lakukan terhadap beberapa informan maka hasil penelitian menunjukkan jadwal lembur jam kerja karyawan untuk menjaga keseimbangan kinerja karyawan dalam perusahaan bidang informasi, yaitu: Karyawanan selalu di ingatkan untuk mengambil tugas lembur kerja untuk menjaga keseimbangan kinerja karyawan dalam perusahaan. Absensi kehadiran pegawai merupakan faktor penting bagi sebuah instansi atau perusahaan untuk mencapai tujuan, hal ini berkaitan pada kedisiplinan dan berdampak pada kinerja dari masing-masing pegawai. Banyak cara yang dapat dilakukan untuk mencapai sistem informasi absensi yang baik, salah satunya menggunakan teknologi komputer dimana penerapannya dengan aplikasi absensi berbasis website. Pada Kantor Elshinta Televisi sistem yang digunakan dalam proses absensi masih manual menggunakan buku absensi harian yang berdampak pada efisiensi dan efektifitas pendataan, pencarian data sekaligus perhitungan rekap data yang membutuhkan waktu yang relatif lama. Disamping itu resiko kesalahan dan kehilangan data absensi semakin besar. Berdasarkan permasalahan diatas dibuatlah Sistem Informasi Absensi Kepegawaian Pada Kantor Elshinta Televisi. Metode penelitian merupakan metode yang digunakan dalam pengumpulan data yang meliputi: metode riset dan wawancara. Dengan dihasilkannya aplikasi absensi kepegawaian berbasis web dapat memberikan kemudahan dalam proses absensi, pencarian data dan perhitungan rekap absensi, serta meminimalisir kehilangan dan kesalahan pencatatan data absensi pada Kantor Elshinta Televisi.
Analisis dan Implementasi Honeypot Honeyd Sebagai Low Interaction Terhadap Serangan Distributed Denial Of Service (DDOS) dan Malware Ubaidillah Ubaidillah; Taswanda Taryo; Achmad Hindasyah
Jurnal Teknologi Informasi dan Multimedia Vol. 5 No. 3 (2023): November
Publisher : Sekawan Institut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jtim.v5i3.405

Abstract

Every computer device connected to a wide computer network is vulnerable to security risks. These threats encompass vulnerabilities to data, information, resources, and services within the system. These threats include intrusion, eavesdropping, theft of vital data, as well as damage to the network system. These actions are carried out by parties who are not accountable, commonly referred to as intruders or attackers. One method to prevent or anticipate these malicious actions is by utilizing the honeyd Honeypot technique. The honeyd Honeypot adopts a low-interaction approach, which involves indirect interaction with attackers. This Honeypot serves as a decoy or simulated server intentionally presented as a target for attacks. The purpose of this Honeypot is to detect and analyze ongoing attacks. In this research, the honeyd Honeypot is implemented as a simulated server resembling an authentic server. This server provides various services and opens several ports deliberately prepared as attack targets, such as Port 139, and Port 21.The results of this research unveil the existence of attacks. Signs of these attacks include a surge in network traffic, reaching up to 100 Megabits above the normal level. Another indicator is a sudden spike in CPU usage, reaching 100%. The activities of these attacks can be analyzed through the installed Wireshark application on the Honeypot server. Information obtained from this analysis encompasses details about the attacker's activities, enabling more effective preventive, anticipatory, and corrective measures. These steps encompass securing the server, network system, and existing services.
Analisis Perbandingan Metode Naïve Bayes dan Decision Tree C4.5 untuk Meningkatkan Kualitas Sampling dan Efisiensi Biaya (Studi Kasus: PT. BFI Finance Tbk) Dyah Ayu Nurmumpuni; Tukiyat Tukiyat; Achmad Hindasyah
Jurnal Sains dan Informatika Vol. 12 No. 1 (2026): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v12i1.1744

Abstract

Penelitian ini bertujuan menganalisis komparasi metode Naïve Bayes dan Decision Tree C4.5 dalam mengoptimalkan proses sampling audit pada PT BFI Finance Tbk. Studi dilakukan melalui pendekatan kuantitatif dengan menggunakan dataset 491 kontrak, terdiri dari 461 data latih dan 30 data uji. Variabel independen mencakup angsuran, lama hari menunggak, sisa pokok hutang, dan jenis produk, sedangkan variabel dependen adalah hasil temuan audit. Metode penelitian melibatkan implementasi algoritma machine learning untuk mengklasifikasikan kualitas sampling. Hasil penelitian menunjukkan bahwa Decision Tree C4.5 memiliki akurasi lebih tinggi dibandingkan Naïve Bayes, dengan kemampuan superior dalam menangani kompleksitas data. Evaluasi performa algoritma mencakup metrik akurasi, presisi, recall, dan F1-score, yang mengindikasikan keunggulan Decision Tree C4.5 dalam meningkatkan efisiensi proses audit.
PENGENALAN KEAMANAN DIGITAL DAN PEMANFAATAN AI SECARA BIJAK BAGI SISWA-SISWI Taswanda Taryo; Achmad Hindasyah; Nilovar Asyiah
Abdi Jurnal Publikasi Vol. 4 No. 3 (2026): Januari
Publisher : Abdi Jurnal Publikasi

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

Abstract

The rapid development of digital technology and Artificial Intelligence (AI) has had a significant impact on daily life, including in the field of education. Students are now able to utilize various AI-based applications to support learning processes, access information quickly, and enhance creativity. However, alongside these positive opportunities, there are risks that cannot be ignored, such as low levels of digital security literacy, vulnerability to cybercrime, and the potential misuse of AI technology. In response to these conditions, this Community Service Program (Pengabdian kepada Masyarakat/PKM) is designed to provide an introduction to digital security and the wise use of AI for students. The activities focus on increasing awareness of the importance of protecting personal data, promoting ethical behavior in digital media usage, and improving understanding of responsible AI utilization. In addition, the program introduces various examples of AI applications that support learning, enabling students to understand both the benefits and risks of AI technology. The implementation methods include interactive material presentations, group discussions, case studies related to digital security, and hands-on practice using simple AI applications. Through this approach, students are expected to more easily understand the concepts presented and apply them in their daily lives.With the implementation of this PKM program, students are expected to develop better digital security literacy as well as the skills to utilize AI wisely, ethically, and productively, thereby becoming better prepared to face the challenges of the digital era.  
Analisis Sentimen Pengguna X Terhadap Pemilihan Gubenur Dki Jakarta Tahun 2024 Dengan Algoritma Naïve Bayes, K-Nearest Neighbor Dan Decision Tree Syarif Hidayatullah; Arya Adhyaksa Waskita; Achmad Hindasyah
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 1 (2026): IKRAITH-INFORMATIKA Vol 10 No 1 Maret 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i1.6283

Abstract

The 2024 DKI Jakarta Gubernatorial Election is one of the main political agendas that attracts public attention in Indonesia. In this context, sentiment analysis of the Gubernatorial and Vice Gubernatorial candidates is important to understand public opinion. With the advancement of technology, especially the internet and social media platforms like X (formerly Twitter), the public can freely express their opinions regarding the candidates. This study aims to analyze public sentiment towards the three pairs of Gubernatorial and Vice Gubernatorial candidates of DKI Jakarta through tweets collected using the crawling method, resulting in 6,120 rows of data, with each candidate pair obtaining 2,040 rows of data. The accuracy of sentiment analysis was calculated using Naïve Bayes, K-Nearest Neighbor, and Decision Tree algorithms to compare the accuracy of these three algorithms with an 80:20 testing-training data split and feature extraction using TF-IDF and Transformer, implemented using the RapidMiner software. Based on the analysis results, Naïve Bayes with TF-IDF representation showed the highest accuracy for Paslon 1 at 86.76%, followed by Paslon 2 at 76.96%, and Paslon 3 at 72.79%. Meanwhile, K-NN with TF-IDF achieved the best results for Paslon 1 (67.40%) and Paslon 2 (71.32%), while Decision Tree achieved the highest accuracy for Paslon 1 at 72.55%. For the Transformer representation, the overall accuracy was lower compared to TF-IDF, with Paslon 1 achieving 56.86%, Paslon 2 at 53.43%, and Paslon 3 at 51.23%. These results indicate that TF-IDF is more effective for sentiment analysis of tweets related to the Gubernatorial candidates, with Naïve Bayes being the most accurate algorithm.