Article Per Year (5 Year)
p-Index From 2021 - 2026
7.032
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Tekno : Jurnal Teknologi Elektro dan Kejuruan JURNAL ECONOMIA CommIT (Communication & Information Technology) Jurnal Informatika dan Teknik Elektro Terapan Jurnal Informatika Upgris Journal of Information Technology and Computer Science JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal of Information System, Applied, Management, Accounting and Research Jurnal Mantik bit-Tech ILKOMNIKA: Journal of Computer Science and Applied Informatics CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Jifosi Nusantara Science and Technology Proceedings Jurnal Ilmiah Teknologi Informasi dan Robotika International Journal of Data Science, Engineering, and Analytics (IJDASEA) ALINIER: Journal of Artificial Intelligence & Applications Abdimas Altruis: Jurnal Pengabdian Kepada Masyarakat JUSIFOR : Jurnal Sistem Informasi dan Informatika JEECS (Journal of Electrical Engineering and Computer Sciences) Inspiration: Jurnal Teknologi Informasi dan Komunikasi STATISTIKA Journal of Technology and System Information Informasi interaktif : jurnal informatika dan teknologi informasi Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Prosiding Seminar Nasional Ilmu Sosial dan Teknologi (SNISTEK)
Andreas Nugroho Sihananto
Department Of Informatics, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Surabaya 60294, Indonesia
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Social Sciences Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 1   2   3   4   5 
ANALISIS PENGUJIAN KEAMANAN FIREWALL PADA SISTEM X DI UNIVERSITAS Z Lesmana, Benedictus Rafael; Junaidi, Achmad; Sihananto, Andreas Nugroho
Journal of Information System, Applied, Management, Accounting and Research Vol 8 No 3 (2024): JISAMAR (June-August 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v8i3.1563

Abstract

Penggunaan sistem X di ruang lingkup kampus Z semakin sering digunakan baik oleh mahasiswa maupun tenaga pendidik di sekitar kampus. Dengan terkoneksinya sistem ke jaringan komputer dan internet, maka peluang berubah atau rusaknya data akan semakin terbuka lebar, karena user dari sistem X yang berpotensi berbahaya (malicious user) akan mudah masuk ke sistem melalui jaringan komputer atau internet. Firewall adalah alat keamanan jaringan yang mengawasi lalu lintas (traffic) yang masuk dan keluar dari jaringan dan menentukan apakah paket data boleh diterima atau diblokir menggunakan aturan khusus. Pengujian keamanan firewall perlu dilakukan untuk melihat seberapa rentan firewall yang dimiliki oleh sistem X. Dengan menggunakan Kali Linux untuk melakukan penetration testing dan nessus sebagai alat untuk memindai kerentanan, maka didapatkan seberapa kompleks proses penetration testing suatu firewall pada sistem X serta hasil kerentanan yang rinci dari pemindaian nessus. Hasil yang didapatkan setelah melakukan pemindaian kerentanan adalah didapatkan beberapa kerentanan yang dimiliki dari sistem X serta beberapa informasi yang perlu diperhatikan untuk menjaga keamanan jaringan. Sistem X memiliki tiga kerentanan tingkat sedang satu kerentanan tingkat rendah serta tiga puluh lima informasi keamanan yang perlu diperhatikan serta solusi yang ditawarkan untuk mengatasi kerentanan yang dimiliki sistem X. Dari pengujian yang dilakukan, dapat disimpulkan sistem X memiliki keamanan yang cukup baik dengan beberapa kerentanan yang perlu diperhatikan.
PERAMALAN TINGKAT INFLASI DI INDONESIA MENGGUNAKAN ARTIFICIAL BEE COLONY DAN XGBOOST Mohammad, Farrel Adel; Rizki, Agung Mustika; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4827

Abstract

Pertumbuhan ekonomi dan stabilitas harga merupakan fokus utama bagi negara-negara, termasuk Indonesia. Inflasi, sebagai indikator fluktuasi harga barang dan jasa, memainkan peran penting dalam stabilitas ekonomi. Peramalan inflasi menjadi kunci bagi pemerintah dan pemangku kepentingan ekonomi untuk merancang kebijakan yang responsif. Model pembelajaran mesin, seperti XGBoost, telah digunakan untuk tujuan ini, namun penyetelan hiperparameter yang optimal menjadi kunci keberhasilannya. Algoritma optimisasi seperti Artificial bee colony (ABC) dapat mengotomasi proses penyetelan hiperparameter XGBoost, meningkatkan efisiensi dan kinerja model. Penelitian ini membuktikan bahwa kombinasi Artificial bee colony dan XGBoost berhasil meramalkan tingkat inflasi bulanan di Indonesia dengan hasil yang akurat. Implementasi metode ini memberikan rata-rata skor RMSE 0.155066, skor MAE 0.115655, dan skor MAPE 0.795767.
IMPLEMENTASI METODE RAPID APPLICATION DEVELOPMENT (RAD) DALAM PENGEMBANGAN SISTEM ENTERPRISE INDUSTRI TEKSTIL BERBASIS WEBSITE Ramadhan, Dimas Dharu; Mumpuni, Retno; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5222

Abstract

Penelitian ini berfokus pada perancangan dan pengembangan aplikasi enterprise berbasis web yang khusus untuk industri konveksi tekstil di Bojonegoro, yang masih banyak menggunakan pencatatan manual atau aplikasi terpisah sehingga kurang efisien. Aplikasi ini dirancang untuk mengintegrasikan berbagai aspek operasional perusahaan, mulai dari manajemen, transaksi, hingga pengambilan keputusan, dengan tujuan meningkatkan efisiensi, produktivitas, dan koordinasi antar role dalam perusahaan. Pengembangan menggunakan metode Rapid Application Development (RAD), yang memungkinkan siklus pengembangan cepat dengan melibatkan klien secara intensif. Melalui prototyping yang berulang, klien dapat memberikan masukan langsung sehingga perangkat lunak dapat disesuaikan dengan kebutuhan hingga tercapai hasil yang optimal sesuai standar klien.
DETEKSI ANOMALI MENGGUNAKAN ENSEMBLE LEARNING DAN RANDOM OVERSAMPLING PADA PENIPUAN TRANSAKSI KEUANGAN Saputra, Dewa Raka Krisna; Via, Yisti Vita; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4910

Abstract

Di era digital, transaksi keuangan semakin beralih ke metode nontunai, karena sifatnya yang nyaman dan efisien. Namun, peningkatan penggunaan kartu kredit dan transaksi online juga meningkatkan risiko kejahatan finansial. Penelitian ini mengkaji metode ensemble learning dan random oversampling dalam mendeteksi anomali pada transaksi keuangan, khususnya penipuan kartu kredit. Algoritma klasifikasi yang digunakan meliputi Decision Tree (DT), Random Forest (RF), Logistic Regression (LR), dan Naive Bayes (NB), dengan pendekatan ensemble learning seperti Bagging, Boosting, dan Stacking. Hasil penelitian menunjukkan bahwa metode ensemble learning secara signifikan meningkatkan performa deteksi penipuan dibandingkan model dasar (base model). Khususnya teknik stacking menunjukkan peningkatan AUC yang signifikan, dengan beberapa algoritma mencapai AUC sempurna (1.00). Random Forest (RF) dengan metode ensemble learning menunjukkan performa yang sangat konsisten dan optimal dalam mendeteksi anomali penipuan. Penelitian ini menegaskan bahwa metode ensemble learning, terutama stacking, efektif dalam membedakan antara transaksi sah dan mencurigakan, sehingga dapat diandalkan untuk deteksi penipuan keuangan.
PENERAPAN HYBRID CRYPTOGRAPHY MENGGUNAKAN CAMELLIA DAN DUAL MODULUS RSA PADA PERTUKARAN FILE Ar Romandhon, Mitzaqon Gholizhan; Junaidi, Achmad; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5218

Abstract

Kebutuhan akan keamanan atas data merupakan hal yang sangat penting dalam era digital saat ini, terutama pada proses pertukaran data yang bersifat sensitif terhadap serangan siber. Selain keamanan data, ukuran data yang semakin besar juga menjadi permasalahan dalam proses pertukaran file karena waktu yang dibutuhkan dalam pemrosesan juga semakin lama. Penelitian ini melakukan implementasi skema hybrid cryptography menggunakan algoritma Camellia dan Dual Modulus RSA yang bertujuan untuk mengatasi permasalahan-permasalah tersebut. Pemilihan skema hybrid cryptography adalah untuk mendapatkan kekuatan dari masing-masing algoritma, sehingga keamanan dan kecepatan dari tiap algoritma dapat didapatkan. Tahapan yang dilakukan dalam penelitian ini adalah studi literatur, perancangan, implementasi dan pengujian. Hasil dari pengujian yang telah dilakukan, diperoleh bahwa untuk proses pembangkitan kunci skema hybrid memiliki waktu tempuh yang mirip dengan algoritma DM-RSA dengan perbedaan 9.3% lebih cepat dan pada proses enkripsi dan dekripsi memiliki waktu tempuh yang mirip dengan algoritma Camellia dengan perbedaan 2.3% lebih cepat. Untuk keseluruhan proses algoritma hybrid memiliki waktu tempuh yang mirip dengan algoritma Camellia untuk skenario ukuran data 600MB dan 1200MB dengan perbedaan 25.2% lebih lambat.
GWO-SVM: AN APPROACH TO IMPROVING SVM PERFORMANCE USING GREY WOLF OPTIMIZER IN INTELLECTUAL DISABILITY CLASSIFICATION Afifudin, Muhammad; Junaidi, Achmad; Sihananto, Andreas Nugroho; Fithriyah, Izzatul
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5359

Abstract

 Intellectual disability (ID) is a neurodevelopmental disorder that requires early and accurate diagnosis. This study aims to improve the efficiency of ID diagnosis using a machine learning approach. A Support Vector Machine (SVM) model optimized with Grey Wolf Optimizer (GWO) was developed and trained using data from questionnaires completed by 101 families/guardians of ID patients at RSUD Dr. Soetomo Surabaya. The features used include family history, cognitive abilities, and adaptive behaviors. The results showed that the GWO-SVM model achieved an accuracy of 95% in classifying ID patients, an improvement of 5% compared to the conventional SVM. The GWO algorithm successfully optimized the parameters in SVM, resulting in a model with the best performance. These findings indicate the potential of GWO-SVM as an effective and efficient tool for assisting in the diagnosis of ID.
KLASIFIKASI CITRA PLANKTON DENGAN ALGORITMA HIBRIDA CONVOLUTIONAL NEURAL NETWORK DAN EXTREME LEARNING MACHINE Shahab, Muhammad Syaugi; Junaidi, Achmad; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5219

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi dalam klasifikasi plankton secara otomatis dengan pendekatan hibrida CNN-ELM. Menggunakan Convolutional Neural Network (CNN) untuk ekstraksi fitur dan Extreme Learning Machine (ELM) sebagai pengklasifikasi, model ini dirancang untuk mengatasi tantangan citra plankton yang buram, dataset kecil, dan ketidakseimbangan kelas. SMOTE digunakan untuk menangani ketidakseimbangan data. Dari implementasi SMOTE dengan metode interpolasi, permasalahan ketidakseimbangan kelas berhasil diatasi dengan menjadikan jumlah data latih sama rata untuk setiap kelas. Dari hasil pengujian, konfigurasi dengan 32 filter dan 2000 hidden node serta 64 filter dan 2000 hidden node memberikan performa terbaik dengan akurasi 97,78%. Sebaliknya, model dengan 64 filter dan 4000 hidden node menunjukkan performa terendah dengan akurasi 82,78% yang diakibatkan overfitting. Analisis confusion matrix mengungkapkan kinerja tinggi pada beberapa kelas plankton, namun masih kesalahan klasifikasi sering terjadi pada kelas seperti Alexandrium, Noctiluca, dan Nitzschia. Temuan ini menunjukkan bahwa konfigurasi dengan filter dan node yang lebih kompleks tidak selalu menghasilkan kinerja lebih baik. Penelitian ini diharapkan dapat mendukung pengambilan keputusan di bidang kelautan.
Implementasi Logika Fuzzy Untuk Pemeriksaan Gizi Berdasarkan IMT Pada Aplikasi Fitpriority Mardhavi, Arif; Sihananto, Andreas Nugroho; Nurlaili, Afina Lina
CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Vol 11 No 1 (2025): CICES
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cices.v11i1.3502

Abstract

Public awareness of the importance of leading a healthy lifestyle and exercising hassignificantly increased in recent years. However, various issues such as a lack of understandingof proper exercise techniques and nutrition that do not align with fitness goals remain prevalent.To address these challenges, this study designs a web-based application called Fitpriority toconnect users with professional trainers. One of the main features of this application is anutritional status check based on Body Mass Index (BMI). This algorithm was chosen for itsability to tolerate small changes in nutritional values, unlike the rigid traditional logic methods.The study employs the Mamdani method to determine nutritional status through the processes offuzzification, implication function application, rule aggregation, and defuzzification using thecentroid method. Additionally, the System Usability Scale (SUS) method is used to assess theusability and user experience of the developed application. The results of this study are expectedto provide an effective solution for individuals aiming to achieve their fitness goals moreefficiently and comfortably, and to serve as a valuable tool for a wide range of users inmaintaining optimal physical health and fitness.
Sistem Rekomendasi Makanan Sesuai Budget Bagi Wisatawan Menggunakan Algoritma Genetika Berbasis Website Nurhaliza, Risma; Sihananto, Andreas Nugroho; Maulana, Hendra
CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Vol 11 No 1 (2025): CICES
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cices.v11i1.3504

Abstract

The development of a web-based food recommendation system using Laravel aims to help tourists in Surabaya find places to eat that suit their preferences, overcoming the constraints of limited information and the many choices that are often confusing. This system utilizes a genetic algorithm, which was chosen for its ability to optimize recommendations based on various criteria such as budget and location. Restaurant data in Genteng and Bubutan Districts is collected and analyzed for use in the recommendation process. Functional testing shows that this system functions well, with a genetic algorithm that is able to produce optimal recommendations based on adequate fitness values ​​and fast execution times. To improve this system, it is recommended to improve the user interface design, optimize algorithm parameters, and perform additional testing to ensure system performance and security.
Rainfall Forecasting Using Backpropagation Neural Network Sihananto, Andreas Nugroho; Mahmudy, Wayan Firdaus
Journal of Information Technology and Computer Science Vol. 2 No. 2: November 2017
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (390.659 KB) | DOI: 10.25126/jitecs.2017229

Abstract

Rainfall already became vital observation object because it affects society life both in rural areas or urban areas. Because parameters to predict rainfall rates is very complex, using physics based model that need many parameters is not a good choice. Using alternative approach like time-series based model is a good alternative. One of the algorithm that widely used to predict future events is Neural Network Backpropagation. On this research we will use Nguyen-Widrow method to initialize weight of Neural Network to reduce training time. The lowest MSE achieved is {0,02815;  0,01686; 0,01934; 0,03196} by using 50 maximum epoch and 3 neurons on hidden layer.
Co-Authors Abdul Rezha Efrat Najaf Abdurrahman, Nizar Achmad Junaidi Aditya Primayudha Aditya Rizqi Ardhana Afifudin, Muhammad Afriani, Regita Agung Mustika Rizki, Agung Mustika Agussalim Agussalim Agussalim Agussalim Agussalim, Agussalim Alif Wisam Desanta Fitrianto Alifah, Nurul Aini Amalia, Nadhia Rizqy Amri Muhaimin Anggraini PS Anggraini Puspita Sari Ani Dijah, Rahajoe Ar Romandhon, Mitzaqon Gholizhan Ardiansyah, Muhammad Dafa Arif Widiasan Subagio Basuki Rahmat Masdi Siduppa Bisma Putra Sulung Christianty, Theressa Marry Dwi Arman Prasetya Edi Sugiyanto Edi Sugiyanto Eristya Maya Safitri Fakhruddin, Fikri Farkhan Fauzi, Zaky Ahmad Fetty Tri Anggraeny Gusti Ahmad Fanshuri Alfarisy, Gusti Ahmad Fanshuri Henni Endah Wahanani Himawan, Rantau Izzatul Fithriyah Kartini Kartini Kartini Lesmana, Benedictus Rafael Lumangkun, Mordekhai Gerin M Shochibul Burhan, M Shochibul M. Arif Mardhavi M. Shochibul Burhan Made Hanindia Prami Swari Mardhavi, Arif Marselina, Anif Fitria Dewi Maulana Fauzan Maulana, Hendra Maulana, Yoga Mohammad, Farrel Adel Muhammad Afifudin Muhammad Dafa Ardiansyah Muhammad Muharrom Al Haromainy Naila, Amelia Maslaqun Nandaru, Laudy Nurdibya Nurhaliza, Risma Nurlaili, Afina Lina Octaviani, Vincentia Indri Pangestu, Arif Fajar Parlika, Rizky Pradana, Ilham Akbar Prami, Made Hanindia Putra, Chrystia Aji Putra, Gredy Christian Hendrawan Putra, Raditya Lungguk Satya Ramadhan, Dimas Dharu Rasjid, Azka Avicenna Ratna Yulistiani Retno Mumpuni Reza, Reno Alfa Safitri, Erista Maya Sankalla, Sabda Santosa, Mochammad Kevin Saputra, Dewa Raka Krisna Saputri, Asih Sebrina, Aida Fitriya Shahab, Muhammad Syaugi Suryandari, Sabrina Heryanti Taufiqurrahman, Rahmadany Fahreza Tirana Noor Fatyanosa, Tirana Noor Trianingsih, Arini Trimono, Trimono Wayan Firdaus Mahmudy Wiwik Handayani Yisti Vita Via Yudistira, Mochammad Ervinda Yulianto, Rusman