Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science International Journal Software Engineering and Computer Science (IJSECS)
Arpinda Arpinda
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pencegahan Serangan Berbasis Kata Sandi: Studi Komprehensif Tentang Implementasi Hash Pada Aplikasi Web Muhammad Adri Ramadhan; Arpinda Arpinda; Deny Saputra; Dadang Iskandar Mulyana
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 3 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i3.9526

Abstract

Dalam era digital yang semakin berkembang, keamanan informasi menjadi suatu aspek krusial dalam pengelolaan data, terutama di lingkungan aplikasi web. Serangan berbasis kata sandi merupakan salah satu ancaman utama yang dapat mengakibatkan akses tidak sah terhadap sistem informasi. Untuk mengatasi risiko ini, penggunaan metode enkripsi menjadi penting, dan salah satu pendekatan yang umum digunakan ialah teknik hash. Penelitian ini bertujuan untuk memberikan pemahaman komprehensif mengenai implementasi hash pada aplikasi web sebagai langkah pencegahan serangan berbasis kata sandi. Hashing merupakan metode matematis yang digunakan untuk mengubah kata sandi menjadi nilai hash, yang sulit untuk diurai kembali menjadi kata sandi asli. Namun, penggunaan hash dalam aplikasi web seringkali tidak optimal, sehingga memerlukan peninjauan dan perbaikan dalam implementasinya. Studi ini akan melakukan analisis mendalam terhadap berbagai algoritma hash yang umum digunakan, serta mengevaluasi kelemahan dan kelebihan masing-masing. Selain itu, penelitian ini akan mempertimbangkan faktor-faktor keamanan lain yang dapat memengaruhi efektivitas perlindungan kata sandi, seperti manajemen kunci, kebijakan kata sandi yang kuat, dan prosedur pemulihan akun. Penelitian ini mengeksplorasi penerapan metode keamanan adaptif yang dapat mengidentifikasi dan merespons secara dinamis terhadap tren serangan berbasis kata sandi terkini. Dengan mengintegrasikan teknologi kecerdasan buatan atau pembelajaran mesin, sistem dapat secara proaktif meningkatkan keamanan kata sandi berdasarkan pola-pola serangan yang terdeteksi. Melalui pendekatan ini, hasil dapat dikembangkan menjadi suatu pemahaman yang lebih baik mengenai perlindungan kata sandi dalam konteks aplikasi web, serta menyusun pedoman praktis untuk meningkatkan keamanan dan mengurangi risiko serangan berbasis kata sandi. Dengan demikian, hasil dari penelitian ini dapat memberikan kontribusi positif terhadap pengembangan teknologi keamanan informasi dalam menghadapi ancaman yang semakin kompleks di era digital ini. Kata Kunci: Keamanan Informasi, Enkripsi, Hashing, Kata Sandi, Algoritma, Aplikasi Web, Manajemen Kunci, Teknologi Keamanan.
Decision Tree-Based Potential Athletics Athlete Selection System for PASI DKI Jakarta Sugiyono Sugiyono; Arpinda Arpinda
International Journal Software Engineering and Computer Science (IJSECS) Vol. 5 No. 3 (2025): DECEMBER 2025
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v5i3.5242

Abstract

Selection of athletes in competitive sports is mostly based on subjective judgments; therefore, it results in inconsistency. This research presents a classification model that will help to measure the potential of athletes using the Decision Tree algorithm by utilizing real competition data from PASI DKI Jakarta. The dataset used consists of 450 records of athletes with attributes such as race category, time records, and ranking information. The analysis was performed based on the CRISP-DM framework which comprises six stages: business understanding, data exploration, preparation, modeling, evaluation, and deployment. Development and testing of the model were carried out in RapidMiner software using a 10-fold cross-validation technique. It achieved an accuracy of classification equal to 92.22% with a standard deviation of ±5.37%. The performance metrics show precision rates at 96.88% for High, 78.95% for Medium, and 94.87% for Low classes; while recall values are 100%, 88.24%, and 88.10%, respectively. The decision tree model generated specifies ranking as the root node meaning that this attribute has the highest influence on class separation among other attributes in this dataset. There are three classification rules produced by this model: ranking ≤3.500 is classified into high potential; between 3.500-6.500 belongs to medium potential; otherwise greater than 6.500 will be classified into low potential which can be applied practically as a decision support system enabling coaches to perform objective systematic data-driven processes in selecting athletes
Co-Authors Dadang Iskandar Mulyana` Deny Saputra Muhammad Adri Ramadhan Sugiyono Sugiyono