Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Peran dan Metode Pengajaran Dosen dalam Pembelajaran "Online" Terhadap Kualitas Belajar Mahasiswa: Studi Mediasi oleh Motivasi Belajar Romansyah Sahabuddin; Fakhirah Husain; Muhammad Awan Gemawan; Zahra Azizah; Nuraziza
CARONG: Jurnal Pendidikan, Sosial dan Humaniora Vol. 2 No. 2 (2025): JUNI: Sosial Studies
Publisher : Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62710/dg7nsm30

Abstract

Penelitian ini bertujuan untuk menganalisis peran dan metode pengajaran dosen dalam konteks pembelajaran daring (online) serta dampaknya terhadap kualitas belajar mahasiswa. Studi ini secara khusus meneliti motivasi belajar sebagai variabel mediasi yang menghubungkan antara peran dan metode pengajaran dosen dengan kualitas belajar mahasiswa. Melalui pendekatan kuantitatif dengan metode survei, data dikumpulkan dari mahasiswa yang mengikuti perkuliahan daring. Analisis regresi digunakan untuk menguji pengaruh langsung peran dan metode pengajaran dosen terhadap kualitas belajar, serta peran mediasi motivasi belajar dalam hubungan tersebut. Hasil penelitian diharapkan dapat memberikan wawasan empiris mengenai strategi pengajaran daring yang efektif dalam meningkatkan motivasi dan kualitas belajar mahasiswa, serta implikasi praktis bagi pengembangan profesional dosen dan desain pembelajaran daring yang lebih responsif.
Deteksi PE Ransomware Menggunakan Shallow Learning Iik Muhamad Malik Matin; Zahra Azizah; Ihsan Alamal Ahmad
Prosiding Sains dan Teknologi Vol. 5 No. 1 (2026): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 5 - Februari 2026
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Ransomware merupakan salah satu ancaman keamanan siber yang berkembang pesat dalam satu dekade terakhir. Serangan jenis ini tidak hanya mengakibatkan kerugian finansial, tetapi juga gangguan pada layanan publik dan infrastruktur digital. Deteksi dini terhadap aktivitas ransomware menjadi tantangan utama karena pola serangan yang cepat dan adaptif. Penelitian ini bertujuan untuk mengimplementasikan metode Shallow Learning dalam mendeteksi ransomware menggunakan dataset RanSAP. Dataset ini memuat pola akses penyimpanan dari aktivitas ransomware dan aplikasi normal (benign). Empat algoritma yang digunakan yaitu Support Vector Machine (SVM), Random Forest (RF), Decision Tree dan Logistic Regression (LR). Evaluasi dilakukan dengan confusion matrix untuk mengukur akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model SVM memiliki kinerja terbaik dengan akurasi 95%, diikuti RF dengan 93%, Desicion Tree 91% dan LR dengan 89%. Penelitian ini menunjukan bahwa Shallow Learning cukup efektif dalam mendeteksi pola perilaku ransomware.