Claim Missing Document
Check
Articles

Found 2 Documents
Search

Penerapan Data Mining Untuk Mengelompokkan Data Penjualan XL Home Menggunakan Metode K-Means Nanda Guslan Bakri; Azanuddin Azanuddin; Fifin Sonata
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 2 No. 5 (2023): EDISI SEPTEMBER 2023
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v2i4.5499

Abstract

Pada PT.GSR memiliki karyawan sebanyak 18 Orang sales yang memasarkan produk XL Home di kota Medan. Dalam waktu 1 bulan, target penjualan diharapkan sebanyak 200 pelanggan baru didapatkan untuk berlangganan produk XL Home. Tetapi, dengan luasnya cakupan area penjualan tidak sesuai dengan jumlah sales yang dimiliki. Permasalahan tersebut perusahaan membutuhkan bidang keilmuan data mining dengan menggunakan metode K-Means Clustering. Dengan menggunakan metode ini, data-data yang telah didapatkan dapat dikelompokan kedalam beberapa cluster berdasarkan kemiripan dari data-data tersebut, sehingga data-data yang memiliki karakteristik yang sama dikelompokan dalam satu cluster dan yang memliki karakteristik yang berbeda dikelompokan dalam cluster yang lain yang memiliki karakteristik yang sama. Hasil penelitian ini dapat pengelompokan data penjualan berdasarkan target penjualan dan jumlah penjualan di kota medan ini menggunakan data mining dengan metode clustering diharapkan dapat membantu untuk PT. GSR dalam melakukan promosi penjualan ke wilayah yang memiliki potensi besar dengan jumlah sales yang telah dimiliki agar menjadi lebih efisien dan mampu mencapai target penjualan yang diberikan.
RSA-AES Cryptosystem with Auto-Key Rotation for Cloud Storage Azanuddin Azanuddin; Asyahri Hadi Nasyuha; Ikhwan Ruslianto; Moch. Iswan Perangin Angin; Moustafa H. Aly; Moses Adeolu Agoi
ZERO: Jurnal Sains, Matematika dan Terapan Vol 9, No 3 (2025): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v9i3.26827

Abstract

The widespread adoption of cloud storage systems has increased the demand for cryptographic mechanisms that ensure data confidentiality while limiting security risks associated with static and long-lived encryption keys. Although hybrid RSA-AES schemes are commonly employed to balance security and computational efficiency, key management-particularly autonomous and quantitatively bounded key rotation-remains insufficiently formalized. This study proposes a hybrid RSA-AES cryptosystem equipped with an autonomous auto-key rotation mechanism defined through explicit analytical constraints. AES-256 is employed for bulk data encryption, while RSA-2048 is used for secure encapsulation of symmetric session keys. Key renewal is governed by inequality-based conditions on elapsed time (Δt ≤ 30 minutes) and encryption usage (n ≤ 10 operations), yielding a mathematically bounded key lifecycle without manual intervention or external infrastructure. System performance and operational security properties are evaluated in a simulated cloud environment using file sizes ranging from 100 KB to 10 MB. Quantitative metrics include encryption and decryption time complexity, computational overhead relative to AES-only encryption, key variability measured by Hamming distance, and data integrity verification using SHA-256. Experimental results demonstrate linear scalability and a stable average overhead of approximately 12.8%, indicating a bounded constant-factor cost independent of workload size. Successive AES-256 keys exhibit a mean Hamming distance of 127.42 bits, consistent with high key variability and effective key freshness. These findings show that analytically constrained key rotation enables controlled symmetric-key exposure while preserving practical efficiency overall.