Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

8.313

P-Index

This Author published in this journals

All Journal Sainteks Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Lentera Pustaka Journal of Tropical Biodiversity and Biotechnology Jurnal Obsesi: Jurnal Pendidikan Anak Usia Dini Jurnal Penelitian Pendidikan IPA (JPPIPA) JRST (Jurnal Riset Sains dan Teknologi) Edukasi Islami: Jurnal Pendidikan Islam Jurnal Kesehatan Holistic Martabe : Jurnal Pengabdian Kepada Masyarakat AL-TANZIM : JURNAL MANAJEMEN PENDIDIKAN ISLAM FONDATIA JURNAL PANGAN Perada: Jurnal Studi Islam Kawasan Melayu El-Usrah: Jurnal Hukum Keluarga Community Development Journal: Jurnal Pengabdian Masyarakat Ta'lim al-'Arabiyyah: Jurnal Pendidikan Bahasa Arab dan Kebahasaaraban JUNCTO: Jurnal Ilmiah Hukum Educreative: Jurnal Pendidikan Kreativitas Anak JURNAL RECTUM: Tinjauan Yuridis Penanganan Tindak Pidana Jurnal Hukum Kaidah: Media Komunikasi dan Informasi Hukum dan Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Setia Pancasila Journal Of World Science Gesture: Jurnal Seni Tari Journal of General Education and Humanities Rechtsnormen Jurnal Rekayasa Lampung (JRL) Return : Study of Management, Economic and Bussines Innovative: Journal Of Social Science Research Journal of Educational Management Research Abdimas Mandalika Al-Munazzam : Jurnal Pemikiran dan Penelitian Manajemen Dakwah Jurnal Literasi dan Pembelajaran Indonesia Indonesian Journal of Education and Social Studies Jurnal Penelitian Pendidikan Indonesia Ta'dibiya: Jurnal Agama dan Pendidikan Islam Tadibiya; Jurnal Agama dan Pendidikan Islam Proceeding Of International Conference On Education, Society And Humanity Media Riset Bisnis Ekonomi Sains dan Terapan Tartib: Jurnal of Educational Management

Aminudin, Aminudin

Unknown Affiliation

Author-ID : 754698

Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 71 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Automatic Question Generation (AQG) dari Dokumen Teks Bahasa Indonesia Berdasarkan Non-Factoid Quesion Aminudin, Aminudin; SN, Azhari; Ahmad, Baaras
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 2: April 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Automatic Question Generation (AQG) adalah sistem yang dapat membangkitkan pertanyaan secara otomatis dari teks atau dokumen dengan menggunakan metode atau pola-pola tertentu. Diharapkan sistem AQG yang dikembangkan bekerja seperti halnya manusia membuat pertanyaan setelah diberikan suatu teks. Manusia dapat membuat pertanyaan, dikarenakan manusia dapat memahami teks yang diberikan dan berdasarkan pengetahuan-pengetahuan yang dimilikinya. Untuk mengembangkan sistem AQG penelitian ini, dilakukan kombinasi beberapa metode diantaranya algoritme Naive Bayes Classifier untuk mengklasifikasikan kalimat ke dalam jenis kalimat non-factoid. Chunking labelling untuk memberikan label pada masing-masing kalimat dari hasil klasifikasi dan pendekatan template untuk mencocokan hasil kalimat dengan template pertanyaan yang dibuat. Hasil pertanyaan yang dihasilkan oleh sistem akan diukur berdasarkan paramater yang telah ditentukan yang didasarkan atas pengukuran recall, precision dan F-Measure. Dengan adanya sistem AQG ini diharapkan dapat membantu guru mata pelajaran Biologi untuk membuat pertanyaan secara otomatis dan efektif serta efisien.

Analisa Kombinasi Algoritma Merkle-Hellman Knapscak dan Logaritma Diskrit pada Aplikasi Chat Aminudin, Aminudin; Helmi, Ahmad Faisal; Arifianto, Sofyan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 3: Juni 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Informasi melalui jaringan internet sangat rentan terhadap penyadapan oleh pihak yang tidak bertanggung jawab. Agar informasi tersebut aman, maka dibutuhkan teknik kriptografi untuk melindungi dan mengamankan informasi tersebut. Salah satu contoh algoritma kriptografi yang dapat digunakan untuk mengamankan informasi adalah algoritma Merkle-Hellman Knapsack. Akan tetapi, algoritma ini sudah dinyatakan tidak aman karena sudah dapat dipecahkan oleh Shamir (1984). Beberapa tahun terakhir muncul perkembangan dari algoritma knapsack yaitu kombinasi algoritma knapsack dan logaritma diskrit. Algoritma kombinasi ini diklaim lebih aman daripada algoritma knapsack karena pada kombinasi algoritma ini dibutuhkan dua kali proses enkripsi dan dua kali dekripsi sehingga kriptosistem dari kombinasi algoritma ini lebih baik daripada algoritma knapsack. Berdasarkan hasil pengujian performa algoritma didapatkan bahwa waktu pembangkitan kunci, waktu enkripsi dan waktu dekripsi algoritma gabungan knapsack dengan logaritma diskrit memilki waktu yang lebih lama pemrosesannya dibandingkan dengan algoritma knapsack standard. Kemudian untuk pengujian keamanan algoritma dengan menggunakan metode avalanche effect didapatkan hasil bahwa gabungan knapsack dengan logaritma diskrit memiliki pengubahan bit yang signifikan daripada knapsack standard yaitu mencapai 3x lipatnya. Serta pengujian known plainteks attact terbukti bahwa penggunaan bit 1024 pada algoritma knapsack ditemukan 14% sedangkan gabungan algoritma ditemukan plainteks sebesar 11,60 %. Abstract Information through the internet network is very vulnerable to wiretapping by irresponsible parties. In order for the information to be safe, cryptographic techniques are needed to protect and secure the information. One example of a cryptographic algorithm that can be used to secure information is the Knapsack Merkle-Hellman algorithm. However, this algorithm has been declared unsafe because it can already be solved by Shamir (1984). In recent years the development of the knapsack algorithm has emerged, namely the combination of knapsack algorithms and discrete logarithms. This combination algorithm is claimed to be safe than the knapsack algorithm because in this combination of algorithms it takes twice the encryption process and twice decryption so that the cryptosystem of this algorithm combination is better than the knapsack algorithm. Based on the results of the algorithm performance testing, it is found that the key generation time, encryption time and decryption time of the combined knapsack algorithm with discrete logarithms have a longer processing time compared to the standard knapsack algorithm. Then to test the security of the algorithm using the Avalanche effect method, it was found that the combined knapsack with discrete logarithms had a significant bit conversion than the standard knapsack which reached 3 times maximum. As well as testing the known plaintext attact, it was proven that the use of 1024 bits in the knapsack algorithm was found to be 14% while the algorithm combined found plaintext at 11.60%.

Pengukuran Performa Apache Spark dengan Library H2O Menggunakan Benchmark Hibench Berbasis Cloud Computing Aminudin, Aminudin; Cahyono, Eko Budi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 5: Oktober 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Apache Spark merupakan platform yang dapat digunakan untuk memproses data dengan ukuran data yang relatif besar (big data) dengan kemampuan untuk membagi data tersebut ke masing-masing cluster yang telah ditentukan konsep ini disebut dengan parallel komputing. Apache Spark mempunyai kelebihan dibandingkan dengan framework lain yang serupa misalnya Apache Hadoop dll, di mana Apache Spark mampu memproses data secara streaming artinya data yang masuk ke dalam lingkungan Apache Spark dapat langsung diproses tanpa menunggu data lain terkumpul. Agar di dalam Apache Spark mampu melakukan proses machine learning, maka di dalam paper ini akan dilakukan eksperimen yaitu dengan mengintegrasikan Apache Spark yang bertindak sebagai lingkungan pemrosesan data yang besar dan konsep parallel komputing akan dikombinasikan dengan library H2O yang khusus untuk menangani pemrosesan data menggunakan algoritme machine learning. Berdasarkan hasil pengujian Apache Spark di dalam lingkungan cloud computing, Apache Spark mampu memproses data cuaca yang didapatkan dari arsip data cuaca terbesar yaitu yaitu data NCDC dengan ukuran data sampai dengan 6GB. Data tersebut diproses menggunakan salah satu model machine learning yaitu deep learning dengan membagi beberapa node yang telah terbentuk di lingkungan cloud computing dengan memanfaatkan library H2O. Keberhasilan tersebut dapat dilihat dari parameter pengujian yang telah diujikan meliputi nilai running time, throughput, Avarege Memory dan Average CPU yang didapatkan dari Benchmark Hibench. Semua nilai tersebut dipengaruhi oleh banyaknya data dan jumlah node. AbstractApache Spark is a platform that can be used to process data with relatively large data sizes (big data) with the ability to divide the data into each cluster that has been determined. This concept is called parallel computing. Apache Spark has advantages compared to other similar frameworks such as Apache Hadoop, etc., where Apache Spark is able to process data in streaming, meaning that the data entered into the Apache Spark environment can be directly processed without waiting for other data to be collected. In order for Apache Spark to be able to do machine learning processes, in this paper an experiment will be conducted that integrates Apache Spark which acts as a large data processing environment and the concept of parallel computing will be combined with H2O libraries specifically for handling data processing using machine learning algorithms . Based on the results of testing Apache Spark in a cloud computing environment, Apache Spark is able to process weather data obtained from the largest weather data archive, namely NCDC data with data sizes up to 6GB. The data is processed using one of the machine learning models namely deep learning by dividing several nodes that have been formed in the cloud computing environment by utilizing the H2O library. The success can be seen from the test parameters that have been tested including the value of running time, throughput, Avarege Memory and CPU Average obtained from the Hibench Benchmark. All these values are influenced by the amount of data and number of nodes.

Co-Authors Abinowi, Egi Achyar Zein, Achyar AGUNG SEDAYU Agustine, Merryam Ahmad, Baaras Annursyah, Hasbi Arif, Mirzan Asmini, Riskayanti Aulyah, Khairunnisa Azhari SN Azzahra, Kiara Badrud Tamam Cahyanto, Mochammad Andre Chandranegara, Didih Rizki Cucun Sunaengsih, Cucun Darmiani, Darmiani Darmiyani, Darmiyani Dewi Cahyani, Dewi Diah Sri Rejeki Dinda Puspa Aprilia Eko Budi Cahyono Evi Nursanti Rukmana, Evi Nursanti Farihin, Ahmad Fauziah, Sitti Fendy Hardian Permana Ferdiansyah, Danny Fitrah, Nurul Fitri, Yeni Nuriah Gita Indah Marthasari Gustitik, Gustitik Hamzah Hamzah Hari Gursida Haryamadha, Rama Hasan Hasan Helmi, Ahmad Faisal Hidayatullah, Agus Hikmah Hayati, Ela Hilmiyati, Fitri Ianatut Thoifah Ibrahim, Abdullah iis arifudin Ikhsan, Muh Indrayono , Yohanes Indrayono, Yohanes Irham, Muhammad Iqbal J, Raudatul Khairil Anwar Khoirun, Fattah Lathifah, Fildzah Lubis, Fauziah LUKMAN, LUKMAN Luqman Hakim M, Intan Mahar Faiqurahman Mahyaddin, Fikriyah Maksum, M. Syukron Mansur Mansur Masitoh, Imas maulana, lana Mohamad Isnin Noer Muchtar Mawardi Mufida, Mufti Fathur Mumun Munawaroh Muslichuddin, Muslichuddin Ngantori, Ngantori Nur Hasanah Nurasiah Nurasiah Nurazizah, Wafiq Nurfatimah Nurfatimah Nuriana Nurrohman, Endrik Panjaitan, Budi Sastra Purno W, Ari Putri Sugarna, Kailla N. Putri, Novita Qadriah, Fauza Rachmawati, Ade Like Rahmah, Alisa Qothrun Nada Rahmayanti, Rika Ramadi, Bagus Ratna Widyawati Ratnasari, Diana Fatimah Rismawati Rismawati Rizky, Wahyu Rokan, Mustapa Kamal Ros Mayasari Rosita, Desyi RR. Ella Evrita Hestiandari Ruhita, Ruhita S.P, Herliana Sadat, Fahad Achmad Saiful Amien Samsu Samsu Samsuri Samsuri Santiyas, Handika Rama Saputra, Roy Inzaqhi Saputry Wahyuni, Haria Saputry, Haria Sari, Septi Sari, Septi Purnama Sari, Tasya Novian Indah Sofyan Arifianto Sukardi, Akhmad Sukiati Sukiati Sulistiyo, Dwi Suparman Suparman Trisya Septiana Umi Habibah Utomo, Dimas Wahyu Wa Muna, Wa Wasehudin, Wasehudin WAZIN WAZIN, WAZIN Wibowo, Anggono Kusumo Wicaksono, Galih Wasis Y.P, Martoni Yanuardi, Muhammad Irsyad Yuliana Yuliana Yuni Pantiwati Zalzabilla, Syelita Nisa Zulaeha Zulaeha Zulham, Zulham

Title Search

Found 3 Documents Search Journal : Jurnal Teknologi Informasi dan Ilmu Komputer

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search
Journal : Jurnal Teknologi Informasi dan Ilmu Komputer