Claim Missing Document
Check
Articles

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.
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 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.
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.
Perancangan Mekanik Dialog pada Prototipe Game Edukasi Pengenalan Sejarah Peristiwa Puputan Margarana Putra, Raditya Lungguk Satya; Putra, Chrystia Aji; Sihananto, Andreas Nugroho
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 10, No 1 (2026): SEMNAS RISTEK 2026
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v10i1.8868

Abstract

Penerapan Arsitektur CNN-Dilated untuk Deteksi Manipulasi Citra Deepfake Taufiqurrahman, Rahmadany Fahreza; Anggraeny, Fetty Tri; Sihananto, Andreas Nugroho
ILKOMNIKA Vol 7 No 3 (2025): Volume 7, Number 3, December 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i3.821

Abstract

Perkembangan teknologi kecerdasan buatan telah menghasilkan berbagai inovasi multimedia, salah satunya adalah deepfake. Teknologi ini memanfaatkan algoritma deep learning untuk memanipulasi citra dan video secara realistis, sehingga sulit dibedakan dengan konten asli. Meskipun memiliki manfaat di bidang hiburan, deepfake juga menimbulkan ancaman serius terhadap keamanan digital. Penelitian ini bertujuan mendeteksi citra deepfake menggunakan arsitektur Convolutional Neural Network (CNN) dengan integrasi Dilated convolution. Integrasi ini memperluas receptive field tanpa meningkatkan jumlah parameter, sehingga model dapat menangkap informasi global dan detail lokal secara bersamaan. Dataset yang digunakan adalah Kaggle Deepfake Dataset berisi 8.000 citra (4.000 asli dan 4.000 palsu). Model diuji dengan lima rasio pembagian data (50:50 hingga 90:10) dan dibandingkan dengan CNN konvensional. Evaluasi menggunakan Confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil terbaik diperoleh pada rasio 80:20 dengan akurasi 85,69%, presisi 85,82%, dan recall 85,90%. Model CNN-Dilated secara konsisten mengungguli CNN standar dengan peningkatan akurasi 1–3% pada berbagai skenario. Hasil ini membuktikan efektivitas Dilated convolution dalam meningkatkan performa deteksi citra deepfake, yang berpotensi diterapkan dalam bidang keamanan digital dan forensik media.
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 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 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 Izzatul Fithriyah Kartini Kartini Kartini Lesmana, Benedictus Rafael M Shochibul Burhan, M Shochibul M. Arif Mardhavi M. Shochibul Burhan Mardhavi, Arif Marselina, Anif Fitria Dewi Maulana, Hendra Maulana, Yoga Mohammad, Farrel Adel Muhammad Afifudin Muhammad Dafa Ardiansyah Muhammad Muharrom Al Haromainy Naila, Amelia Maslaqun 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 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