Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementasi Algoritma Advanced Encryption Standard Untuk Keamanan Data Customer Pegadaian UPC Pacongkang Batau, Radus
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 7 No 1 (2024): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v7i1.221

Abstract

Permasalahan yang ada pada Pegadaian UPC Pacongkang adalah sering terjadi kebocoran data customer yang membuat perubahan data secara tiba-tiba, seperti jangka waktu peminjaman customer berubah dan bahkan jumlah peminjaman customer berubah. Hal ini tentunya merugikan pihak Pegadaian UPC Pacongkang dan customer. Melihat permasalahan tersebut pihak Pegadaian UPC Pacongkang membutuhkan metode pengamana data yang dapat membantu menjaga kerahasiaan data customer. Melindungi data perusahaan adalah dengan menggunakan teknik kriptografi. metode matematis yang berkaitan dengan aspek keamanan informasi seperti kerahasiaan, integritas data, dan autentikasi. penelitian yang akan dilakukan yaitu mengamankan file dokumen. Untuk menerapkan kriptografi pada sistem keamanan data dibutuhkan suatu algoritma mesin autentukasi data. Salah satu metode yang dapat digunakan adalah Advanced Encryption Standard (AES). Keuntungan menggunakan algoritma Advanced Encryption Standard pada kriptografi Sistem Keamanan data customer pada Pegadaian UPC Pacongkang dapat menyembunyikan informasi asli dari data sehingga tidak mudah diketahui oleh orang yang tidak berkepentingan. Dengan diimplementasikan Implementasi Kriptografi Superenkripsi Menggunakan Metode Advanced Encrytion Standard Pada Pengamatan Data Customer Pegadaian UPC Pacongkang. File data nasabah Pegadaian UPC Paconggkang menjadi aman dan tidak mudah dimanipulasi oleh orang lain karena pesan asli sudah diubah menjadi file acak yang tidak bisa dimengerti
Recognition of Human Activities via SSAE Algorithm: Implementing Stacked Sparse Autoencoder Batau, Radus; Kurniyan Sari, Sri; Aziz, Firman; Jeffry, Jeffry
Journal of System and Computer Engineering Vol 6 No 1 (2025): JSCE: January 2025
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v6i1.1470

Abstract

This study evaluates the performance of Stacked Sparse Autoencoder (SSAE) combined with Support Vector Machine (SVM) against a standard SVM for classification tasks. We assessed both models using accuracy, precision, sensitivity, and F1 score. The SSAE Support Vector Machine significantly outperformed the standard SVM, achieving an accuracy of 89% compared to 37%. SSAE also achieved higher precision (87% vs. 75%) and sensitivity (89% vs. 37%), with an F1 score of 88% versus 36% for the standard SVM. These results indicate that SSAE enhances the model’s ability to capture complex patterns and provide reliable predictions. This study highlights the effectiveness of SSAE in improving classification performance, suggesting further research with larger datasets and additional optimization techniques to maximize model efficiency