Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal GLOBAL: Jurnal Lentera BITEP SAINTEK
Bintang Satria, Yusuf Putra
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Penerapan Kombinasi Algoritma Kriptografi Vigenere Cipher dan Steganografi LSB pada Keamanan Data Teks dalam Aplikasi Google Drive Ariel Saputra, Muhamad; Bintang Satria, Yusuf Putra; Lutfi Ramadhan, Zidan
Prosiding Sains dan Teknologi Vol. 3 No. 1 (2024): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 3 - Januari 2024
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Penelitian ini memperkenalkan kombinasi algoritma kriptografi Vigenere Cipher dan steganografi LSB untuk meningkatkan keamanan data teks pada aplikasi Google Drive. Tujuan utamanya adalah untuk memperkuat pengamanan informasi yang disimpan di cloud dengan mengenkripsi teks menggunakan Vigenere Cipher dan menyembunyikannya dalam Least Significant Bit (LSB) suatu gambar, yang kemudian diunggah ke Google Drive. Pendekatan terpadu ini menciptakan lapisan keamanan ekstra, yang menegaskan efektivitasnya dalam memperkuat kerahasiaan data teks di pengaturan cloud. Temuan penelitian menyoroti keberhasilan metodologi yang diusulkan, menekankan efisiensinya dalam memastikan privasi dan keamanan data teks yang disimpan di Google Drive.
Penerapan Algoritma Decision Tree Classifier untuk Klasifikasi Serangan Jantung Amali, Amali; Saputra, Muhamad Ariel; Bintang Satria, Yusuf Putra; Ramadhan, Zidan Lutfi
GLOBAL: Jurnal Lentera BITEP Vol. 3 No. 06 (2025): Desember 2025
Publisher : Lentera Ilmu Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59422/global.v3i06.367

Abstract

Menggunakan perangkat lunak RapidMiner untuk menganalisis dataset serangan jantung, penelitian ini akan menerapkan algoritma Decision Tree Classifier. Fokus utama penelitian adalah untuk mengklasifikasikan kasus positif dan negatif berdasarkan tingkat Troponin dan CK-MB. Model yang dikembangkan menunjukkan tingkat akurasi, presisi, dan recall yang tinggi, yang menunjukkan bahwa itu dapat digunakan sebagai alat diagnostik yang efektif dalam praktek klinis. Jika jenis kelamin digunakan sebagai simpul keputusan sekunder, kemampuan model untuk mengklasifikasikan kasus dengan tingkat CK-MB yang borderline meningkat. Analisis awal terhadap kadar Troponin pasien menunjukkan bahwa Troponin, CK-MB, jenis kelamin, dan usia memengaruhi risiko terkena AMI dengan Troponin positif. Evaluasi model menunjukkan akurasi sebesar 99,24%, dengan precision weighted mean recall sebesar 99,14%, dan accuracy sebesar 99,26%. Dengan menggunakan penanda biologis yang tersedia, decision tree yang dibuat dapat membantu menilai risiko serangan jantung. Penelitian ini menemukan bahwa model decision tree yang dibuat dengan RapidMiner dapat menjadi alat yang efektif untuk mengklasifikasikan kasus serangan jantung berdasarkan tingkat Troponin dan CK-MB. Tingkat akurasi dan presisi yang tinggi membuat model ini menjadi alat diagnostik yang berharga. Penelitian mendatang harus mempertimbangkan penggunaan dataset yang lebih besar dan integrasi fitur tambahan untuk meningkatkan generalisasi dan akurasi model.
Co-Authors Amali, Amali Ariel Saputra, Muhamad Lutfi Ramadhan, Zidan Ramadhan, Zidan Lutfi Saputra, Muhamad Ariel