Article Per Year (5 Year)
p-Index From 2020 - 2025
6.072
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Jurnal Ilmu Komunikasi Jurnal Edukasi dan Penelitian Informatika (JEPIN) Proceeding of the Electrical Engineering Computer Science and Informatics Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer JURNAL MEDIA INFORMATIKA BUDIDARMA SENTIA 2016 Astonjadro Jurnal Telematika bit-Tech Systematics Respati SKANIKA: Sistem Komputer dan Teknik Informatika Jurnal Algoritma, Logika dan Komputasi Abditeknika - Jurnal Pengabdian Kepada Masyarakat DECODE: Jurnal Pendidikan Teknologi Informasi Kresna: Jurnal Riset dan Pengabdian Masyarakat Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Jurnal Ticom: Technology of Information and Communication Jurnal Insan Pembangunan Sistem Informasi dan Komputer (IPSIKOM) Eduvest - Journal of Universal Studies Telematika MKOM AMMA : Jurnal Pengabdian Masyarakat Jurnal Ticom: Technology of Information and Communication IPSIKOM Jurnal Pengabdian Masyarakat Tekno
Hardjianto, Mardi
Budi Luhur University
Aerospace Engineering Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Neuroscience Nursing Social Sciences Other

Published : 47 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 47 Documents
Search

 1   2   3   4   5 
Penerapan Naïve Bayes & Support Vector Machine untuk Analisis Sentimen Pilpres Pada Platform X Alamsyah Nur Alif; Imelda Imelda; Wahyu Pramusinto; Mardi Hardjianto
KRESNA: Jurnal Riset dan Pengabdian Masyarakat Vol 4 No 2 (2024): Jurnal KRESNA November 2024
Publisher : DRPM Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/kresna.v4i2.181

Abstract

Pemilihan Presiden (Pilpres) 2024 menjadi topik yang sangat hangat diperbincangkan di media sosial, terutama di Platform X, yang banyak digunakan oleh masyarakat untuk menyuarakan opini mereka. Namun, dengan banyaknya opini yang tersebar, menjadi tantangan tersendiri untuk memahami sentimen masyarakat secara keseluruhan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Pilpres 2024 di Platform X dengan membandingkan dua algoritma pembelajaran mesin, yaitu Naïve Bayes dan Support Vector Machine (SVM). Data yang digunakan dalam penelitian ini terdiri dari 503 tweet, yang setelah melalui proses preprocessing termasuk penghapusan data duplikat, tersisa 445 tweet. Data tersebut dibagi menjadi dua bagian, yaitu 80% untuk data latih dan 20% untuk data uji. Metode analisis yang digunakan mencakup perhitungan Term Frequency-Inverse Document Frequency (TF-IDF) pada kedua algoritma tersebut untuk mengoptimalkan representasi teks. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki akurasi keseluruhan yang lebih tinggi, yaitu 91,01%, dibandingkan dengan Naïve Bayes yang hanya mencapai 42,70%. Namun, performa kedua algoritma bervariasi berdasarkan kelas sentimen. SVM menunjukkan kinerja sangat baik dalam memprediksi kelas netral dengan presisi sebesar 0,9101, recall sebesar 1,0, dan F1-Score sebesar 0,9529. Sebaliknya, Naïve Bayes menunjukkan presisi sebesar 0,9211 pada kelas netral tetapi memiliki recall yang rendah sebesar 0,4321, menghasilkan F1-Score sebesar 0,5882. Kedua algoritma menunjukkan keterbatasan signifikan dalam memprediksi kelas positif dan negatif, dengan SVM gagal memprediksi kedua kelas tersebut, sedangkan Naïve Bayes memiliki presisi dan recall yang sangat rendah. Temuan ini menunjukkan bahwa meskipun SVM lebih andal dalam memprediksi sentimen netral, diperlukan peningkatan metode atau eksplorasi algoritma lain untuk mencapai hasil yang lebih baik dalam prediksi semua kelas sentimen
Pengenalan Wajah Secara Realtime Menggunakan Adaboost Viola-Jones dan 2D DWT-PCA dengan Struktur Index KNN-KD Tree Hasan; Mardi Hardjianto
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 1: MARET 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i1.300

Abstract

Tujuan dari deteksi wajah adalah untuk mengetahui ada atau tidaknya wajah dalam sebuah gambar atau video, walaupun terlihat mudah dilakukan oleh manusia, ternyata deteksi wajah sangat sulit dilakukan oleh komputer. Selain lingkungan sekitar juga terdapat beberapa hal yang dapat menjadi kendala dalam mendeteksi wajah, langkah ini menjadi sulit ketika terjadi variasi iluminasi, posisi, ekspresi wajah, orientasi, kriteria morfologi dan atribut yang melekat atau menutupi wajah seperti kacamata, topi, masker. Penelitian ini menerapkan metode algoritma Viola-Jones yang memiliki tiga keunggulan: Deteksi wajah secara real-time, Efisiensi Komputasi dan Deteksi Objek Lain. Metode 2D DWT-PCA digunakan untuk mengurangi dimensi data dan menghilangkan noise pada gambar, dan KNN-KD Tree digunakan untuk mengenali wajah berdasarkan fitur-fitur yang telah diekstraksi dari gambar. Hasil pengujian dengan total 78 variasi pada objek wajah yang dideteksi yaitu didapatkan hasil dengan keakuratan sebesar 80.77%.
Pembuatan GH3RTZ Framework untuk Proses Reconnaissance dan Deteksi Celah Keamanan Muhamad Givari Ramadan; Mardi Hardjianto
Jurnal Ticom: Technology of Information and Communication Vol 13 No 2 (2025): Jurnal Ticom-Januari 2025
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v13i2.146

Abstract

Penelitian ini mengkaji kemampuan GH3RTZ framework dalam mendeteksi kerentanan keamanan pada tahap reconnaissance, yang merupakan langkah awal penting dalam pengujian penetrasi. Di era digital, dominasi teknologi informasi membawa manfaat besar namun juga tantangan signifikan terkait keamanan data, yang dapat mengancam informasi sensitif organisasi jika tidak dikelola dengan baik. Untuk mengatasi tantangan ini, penelitian ini menggunakan metode grey box testing dan Algoritma Boyer-Moore, yang dipilih karena kemampuannya dalam mencocokkan string payload dengan sistem website untuk mengidentifikasi kerentanan pada tahap reconnaissance. Tahapan penelitian mencakup pengujian fungsi utama dari GH3RTZ framework, termasuk subdomain finder, parameter finder, XSS injection, dan open redirect scanner. Hasil pengujian menunjukkan bahwa GH3RTZ framework berhasil mengidentifikasi subdomain dan parameter, mendeteksi kerentanan XSS dengan payload tertentu, dan mengenali kerentanan redirect dengan payload spesifik. Kontribusi utama dari penelitian ini adalah pengembangan dan implementasi GH3RTZ framework, yang tidak hanya mampu mendeteksi kerentanan pada tahap reconnaissance, tetapi juga mudah diimplementasikan oleh individu dan organisasi kecil hingga menengah, sehingga meningkatkan kesadaran dan keamanan siber secara keseluruhan. Hasil pengujian menunjukkan bahwa framework ini secara signifikan meningkatkan deteksi kerentanan.
Optimasi Support Vector Machines (SVM) Menggunakan Particle Swarm Optimization (PSO) pada Analisis Sentimen Ulasan Pengguna Layanan Bukalapak di Twitter Wildan Nugraha; Mardi Hardjianto
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.686

Abstract

Kegiatan bertransaksi secara online sudah seringkali dilakukan oleh berbagai kalangan baik itu kaum anak muda sampai orang tua. Melihat dari tren kunjungan dari setiap marketplace di Indonesia memiliki tren yang berbeda-beda, ada yang mengalami kenaikan dan ada yang mengalami penurunan salah satunya adalah Bukalapak. Dari 3 marketplace terbesar di Indonesia, Bukalapak terus mengalami tren penurunan kunjungan dari tahun 2019 sampai tahun 2022. Pada penelitian ini, bertujuan untuk mengetahui setiap ulasan/komentar di Twitter dan menghitung berapa capaian ulasan yang positif, negatif, atau netral dan juga mengetahui tingkat akurasi terbaik. Metode yang akan digunakan dalam penelitian ini adalah Support Vector Machine (SVM) dan metode untuk optimasi dengan menggunakan Particle Swarm Optimization (PSO). Hasil dari penelitian ini ditampilkan dengan rasio data latih 80% dan data uji 20% yang menggunakan metode Support Vector Machines (SVM) saja, mendapatkan nilai akurasi sebesar 95,94%, precision sebesar 94,92%, dan recall sebesar 96,14%. Sedangkan untuk pengujian kedua menggunakan metode Support Vector Machines (SVM) dan optimasi menggunakan fitur seleksi pada metode Particle Swarm Optimization (PSO) menghasilkan nilai akurasi sebesar 96,22%, precision sebesar 95,24%, dan recall sebesar 96,18%. Pada percobaan kedua ini juga mendapatkan paramater C dan gamma terbaik yaitu parameter C sebesar 0.8036 dan parameter gamma sebesar 1.616.
Phishing Website Detection From Url Analysis Using Random Forest Algorithm Suwarno, Damar Bambang; Hardjianto, Mardi
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 21, No 2 (2024): SEPTEMBER 2024 (IN PRESS)
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v21i2.3603

Abstract

Serangan digital, atau yang lebih dikenal sebagai cybercrime, semakin sering terjadi di era modern ini, seiring dengan pesatnya perkembangan teknologi. Metode serangan yang paling sering dipakai adalah phishing, yang pertama kali muncul pada tahun 1996. Phishing merupakan salah satu bentuk kejahatan siber di mana penyerang berusaha mengelabui pengguna agar secara tidak sadar memberikan informasi sensitif seperti username, password, atau data keuangan. Berbagai penelitian telah dilakukan untuk mencari solusi dalam menangani serangan phishing, mulai dari penggunaan tools keamanan seperti menggunakan OS Kali Linux hingga mengedukasi para pegawai agar lebih waspada dan menggunakan alat bantu keamanan seperti antivirus. Salah satu solusi yang semakin relevan adalah penggunaan kecerdasan buatan (Artificial Intelligence) untuk secara otomatis mengidentifikasi apakah sebuah URL yang diakses aman atau berpotensi berbahaya. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang mampu mendeteksi serangan phishing dengan menggunakan teknik machine learning, serta memanfaatkan dataset yang cukup besar dan representatif untuk melatih model deteksi URL phishing. Dalam penelitian ini kontribusi yang dilakukan ialah menggunakan algoritma random forest dalam pendeteksian website phishing dan penambahan fitur deteksi yang di integrasikan pada website yang membahas phishing, algoritma klasifikasi Random Forest digunakan karena kemampuannya yang tinggi dalam memproses sejumlah besar fitur deteksi. Dengan menggunakan 30 fitur deteksi, hasil pengujian menunjukkan bahwa sistem yang dibangun mampu mencapai kinerja yang optimal, dengan tingkat prediksi sebesar 96%, Recall 92%, Akurasi 94%, dan F-Score 93%. Hasil ini menunjukkan bahwa metode yang diusulkan efektif dalam mendeteksi serangan phishing dengan tingkat akurasi yang tinggi, menjadikannya alat yang sangat berguna dalam mencegah pengguna dari ancaman siber dan dinilai dapat menyelesaikan permasalahan yang ada karena dapat bekerja dengan optimal.
Pelatihan Komputer Untuk Santri Pondok Pesantren Tahfidzul Qur’an Wahidin Halim Hardjianto, Mardi; Suryadi, Lis; Virgian Shaka Yudha Sakti, Dolly; Triyono, Gandung
AMMA : Jurnal Pengabdian Masyarakat Vol. 4 No. 1 : Februari (2025): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

This Community Service activity was carried out in collaboration with the Wahidin Halim Tahfidzul Qur'an Islamic Boarding School, an Islamic boarding school located on Jl. H. Gillan RT. 003/RW. 001, Pinang District. Pinang, Tangerang City, Banten 15145. Currently, our partners are struggling to overcome problems arising from the lack of computer training for students. To overcome this problem, we held face-to-face computer training sessions at the ICT Laboratory of Budi Luhur University. The survey evaluation showed that more than 85% of participants felt that the activity was useful, easy to understand, effective, and met their expectations. Therefore, it can be concluded that this activity provides the right solution to partner problems.
MEATCHECK: DETEKSI KUALITAS DAGING SAPI BERBASIS MOBILE DEEP LEARNING Muh. Wildan Mauludy; Goenawan Brotosaputro; Mardi Hardjianto
Jurnal Ilmiah Informatika Komputer Vol 30, No 1 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i1.14265

Abstract

Beef is an important foodstuff that affects consumer satisfaction and market value in the meat industry. The purpose of this research is to develop a model to classify beef quality using the transfer learning method. The data collection method is carried out through taking pictures of beef, which are then labeled based on their quality. Classification uses a transfer learning architecture that can improve the performance of the machine learning model generated for the classification of fresh and rotten meat. The model was tested by looking at accuracy, precision, recall, and f1-score. The results showed an accuracy of 61%, precision of 60.78%, recall of 61%, and an f1-score of 60.89%, which was achieved with a learning rate of 0.1, 10 epoch, and batch size of 8. Conclusion, the model developed with the transfer learning algorithm MobileNetV2 was able to classify the quality of beef with a good level of accuracy. The prototype of the developed system can provide real-time predictions, help consumers choose quality meat, and increase market value. Next, it is recommended to increase accuracy and develop models by increasing the size of the dataset and exploring other, more complex architectures.
Perbandingan Penggunaan Bit Steganografi Metode Least Significant Bit (LSB) m-bit pada Citra Digital Amini, Safrina; Hardjianto, Mardi; Dewi Kusumaningsih
Jurnal Ticom: Technology of Information and Communication Vol 13 No 3 (2025): Jurnal Ticom-Mei 2025
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v13i3.157

Abstract

Steganography is an information hiding technique that aims to maintain confidentiality by inserting secret information into digital media, such as images, audio, or video, without revealing the existence of the message. One of the widely used steganography methods is Least Significant Bit (LSB). The limitation of this method is that the number of messages that can be hidden is very small. This is because if the message is too large, the media containing it will change clearly. This can arouse people's suspicion. The LSB method has several variants, one of which is the m-bit LSB. The value of m indicates the number of bits that can be used to store information in one byte of storage media. In this research, we look for the maximum m value that can be used so that the image that has been inserted with information (stego image) still has good quality. The test results obtained PSNR values ​​for m from one to three are 46.36, 39.87, and 33.31. These results indicate that the image still has good quality. Testing with an m value of 4, produced a PSNR value of 23.23, which means the image has quite good quality. The image quality will look bad if using m values ​​of 5 and 6. The resulting PSNR are 21.17 and 15.46.
Long Short-Term Memory Optimization Using Hybrid Sparrow Search Algorithm and Particle Swarm Optimization in Prediction of Water Level at Sluice Gates Farisi, Imam; Hardjianto, Mardi
ASTONJADRO Vol. 13 No. 2 (2024): ASTONJADRO
Publisher : Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/astonjadro.v13i2.16251

Abstract

During the period from 2014 to 2020, approximately 24 out of 44 districts in Jakarta experienced flooding disasters. Notably, at the beginning of January 2020, the Manggarai floodgate recorded a water height of 962 cm, categorized under Alert Level 1, indicating a critical and hazardous situation that required the evacuation of residents to safe places. This circumstance prompted the local government to enhance the monitoring and prediction system for water levels across all floodgates in the DKI Jakarta region. By utilizing improved water height predictions, the government can prepare more effective mitigation measures, such as reinforcing embankments, improving water channels, and implementing preventive actions prior to the occurrence of flooding disasters. The forecasting technique employing Long Short-Term Memory (LSTM) has been widely employed in previous research to predict water heights. Unfortunately, the accuracy of LSTM heavily depends on the manual selection of hyperparameters. The optimization of hyperparameters in LSTM is essential to find the optimal combination of values that influence the performance of the LSTM network. The objective is to maximize the model's performance, such as accuracy or lower error rates on previously unseen data. This optimization process plays a crucial role in achieving good results from the LSTM model, as the right choice of hyperparameters can yield a model that better understands complex patterns in the data. This research aims to determine the optimal hyperparameters using a hybrid optimization method. The hyperparameter optimization involves a combined approach of Sparrow Search Algorithm (SSA) and Particle Swarm Optimization (PSO) known as Hybrid SSA-PSO. This hybrid method is employed to reduce the error rate in predictions. The research outcomes, utilizing the Hybrid SSA-PSO optimization, revealed the smallest Root Mean Square Error (RMSE) evaluation at the Pulo Gadung water gate, measuring 9,553.
Sistem Monitoring Serangan SSH dengan Metode Intrusion Prevention System (IPS) Fail2ban Menggunakan Python Pada Sistem Operasi Linux Farhannullah; Hardjianto, Mardi
Jurnal Ticom: Technology of Information and Communication Vol 11 No 1 (2022): Jurnal Ticom-September 2022
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v11i1.68

Abstract

Penelitian ini bertujuan untuk memberikan kemudahan bagi administrator sistem dalam memantau serangan Bruteforce SSH (Secure Shell) melalui akses jarak jauh yang terjadi pada server yang memiliki akses jarak jauh ke Secure Shell (SSH) dengan port 22 yang dapat diakses oleh siapa saja dan menjadi tanggung jawabnya. Karena akan berbahaya jika penyerang bisa masuk ke server sehingga penyerang bisa leluasa menggunakan data informasi yang ada. Untuk mencegah serangan tersebut peneliti menggunakan metode Intrusion Prevention System (IPS) dengan tool Fail2ban sebagai firewall yang dapat memblokir serangan yang terjadi pada server. Dari hasil log yang diperoleh untuk memudahkan dalam memonitor serangan Bruteforce SSH, maka dibuatlah sistem WEB Dashboard yang dijalankan pada script Python untuk melakukan monitoring secara real-time. Penelitian ini mengimplementasikan Cloud Virtual Private Server (VPS) dengan sistem operasi Linux Debian 10. Hasil implementasi yang peneliti lakukan monitoring log sebanyak 2.498 log blocking dalam 1 minggu dari berbagai negara dengan target pada login credential SSH server Debian 10. Maka dari itu hasil Penelitian ini membuat suatu sistem monitoring WEB Dashboard yang dapat diakses dari jarak jauh, yang dapat membantu seorang administrator untuk memantau serangan terhadap server yang menjadi tanggung jawabnya dan dapat mengurangi tingkat kejahatan cyber yang terjadi pada jaringan publik di Perusahaan
Co-Authors Afdhal Rizki Yessa Agani, Nazori Agnes Aryasanti Alamsyah Nur Alif Amini, Safrina Ar-Rijalul Haq Aryasanti, Agnes Asep Wahyudi Zein Baihaqi, Kiki Ahmad Desmon Manalu, Perdinan Devit Setiono Dewi Kusumaningsih Dimas Ariyanto Dolly Virgian Shaka Yudha Sakti Dwi Achadiani Fadli Fairuz Ramadhan Farhannullah Farhannullah Febriani, Suci Indah Fiska Fadhilah Fiska Fadhilah Goenawan Brotosaputro Goenawan Brotosaputro Goenawan Brotosaputro Guntur Sarwo Trengginas Hasan Hasan Ilhamkusuma, Robby Imam Farisi Iman Permana Imelda Imelda Indah Puspasari Handayani Jeremy Jonathan Joko Christian Chandra Juanita, Safitri Lis Suryadi, Lis Lukas Tommy M. Ainur Rony Muhamad Givari Ramadan Muhammad Dwi Nursansyah Muhammad Wildan Mauludy Nawiroh Vera Nazori AZ Noya, Muh. Mustafa Daniel Nugraha, Yogie Setiawan Nuri Wiyono Pradana, Rizky Prastomo, Irwan Robi Pudoli, Ahmad Purwanto Purwanto Putra Panji Wicaksono Putra, Aldi Triavin Dwi Putri Hayati Putri, Aprilianti Ratna Kusumawardani Ratna Kusumawardani Ratna Ujiandari Ratna Ujiandari Rieska Prasetyani Riri Irawati Ririt Roeswidiah Ririt Roeswidiah Roeswidiah, Ririt Rulyana, Devita Ruwirohi, Jan Everhard Samsinar Samsinar Sri Wahyuningsih Suwarno, Damar Bambang Syawalludin, Syawalludin Triyono, Gandung Umaimah Wahid Utomo Budiyanto Wahyu Pramusinto Wendi Usino Wildan Nugraha Winudhapratama, Savero