Article Per Year (5 Year)
p-Index From 2021 - 2026
1.606
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science International Journal Software Engineering and Computer Science (IJSECS) Abdi Jurnal Publikasi Jikom: Jurnal Informatika dan Komputer IKRAM: Jurnal Ilmu Komputer Al Muslim JUTIKA
Abu Khalid Rivai
Universitas Pamulang
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : intecoms journal of information technology and computer science

 1 
STUDI IMPLIMENTASI SNI ISO/IEC 27001:2022 UNTUK MANAJEMEN RISIKO DATA CENTER BBMKG WILAYAH II Nunuk Irawati; Agung Budi Susanto; Abu Khalid Rivai
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 1 (2026): 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/n7pjjt56

Abstract

Sesuai dengan PP No.95 Tahun 2018 (SPBE) dan Peraturan BMKG No.4 Tahun 2020, informasi merupakan aset krusial bagi BBMKG Wilayah II. Sebagai institusi yang bertanggung jawab atas data meteorologi, klimatologi, dan geofisika, (seperti info gempa dan tsunami) akurasi dan keamanan data sangat vital bagi keselamatan publik. Berbagai ancaman yang terjadi seperti terjadinya web defacement, sering terjadinya gangguan kelistrikan yang merusak server sehingga dapat menghambat layanan yang harus real time dan kurangnya kesadaran keamanan informasi dikalangan pegawai. Penelitian ini bertujuan untuk menganalisis kesiapan dan keandalan aset serta dokumen Data Center BBMKG Wilayah II, mengidentifikasi ancaman risiko keamanan informasi keberlangsungan yang harus dimitigasi dan dikontrol, serta melakukan implementasi kerangka kerja SNI ISO/IEC 27001:2022 dalam manajemen risiko keamanan informasi.  Metode yang digunakan dengan pengumpulan data melalui wawancara, observasi, studi dokumen, dan Focus Group Discusion (FGD). Penelitian ini menghasilkan 30 risiko yang harus dimitigasi dengan sistem pengendalian dari SNI ISO/IEC 27001:2022 yang meliputi 3 (tiga) kategori risiko, yaitu keamanan, infrastruktur, dan sumberdaya manusia (SDM), dimana salah satu terindikasi adalah belum adanya kebijakan SMKI dan kebijakan operasional keamanan informasi yang melanggar Klausul 5.2 - Kebijakan. Setelah dilakukan penanganan risiko selama 3 bulan diantaranya dengan pembuatan dokumen SMKI dan dokumen operasional keamanan informasi, hasil pengujian menunjukkan sejumlah 0 NC mayor, 4 NC minor, dan 9 OFI, yang menggambarkan sangat baik untuk status SMKI di Data center BBMKG Wilayah II.
PREDIKSI SUHU MAKSIMUM BERBASIS DEEP LEARNING DENGAN MODEL LONG SHORT-TERM MEMORY DAN GATED RECCURENT UNIT (STUDI KASUS WILAYAH CIPUTAT) Hesti Rahayuningsih; Tukiyat Tukiyat; Abu Khalid Rivai
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 1 (2026): 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/f9e1d633

Abstract

Prediksi suhu maksimum merupakan hal yang penting dalam kajian meteorologi karena berpengaruh terhadap berbagai sektor, seperti pertanian, kesehatan masyarakat, manajemen energi, dan perencanaan wilayah. Wilayah Ciputat menjadi lokasi yang relevan untuk studi prediksi iklim lokal, karena pernah sebagai wilayah dengan suhu ekstrem sebesar 37,2 °C pada 17 April 2023. Penelitian ini bertujuan untuk membandingkan kinerja model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dalam memprediksi suhu maksimum harian di wilayah Ciputat serta menentukan model dengan performa terbaik. Data yang digunakan meliputi suhu maksimum harian, curah hujan, kelembapan, dan tekanan udara periode 2009–2025 yang diperoleh dari BMKG Wilayah II Ciputat, sehingga merepresentasikan variabilitas musiman dan pola iklim tropis jangka panjang. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Coefficient of Determination (R²), dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan model LSTM dengan performa yang lebih baik dalam memprediksi suhu maksimum dibandingkan model GRU berdasarkan nilai MAE, RMSE, R² dan MAPE. Hasil penelitian ini diharapkan dapat mendukung pengembangan metode prediksi suhu berbasis deep learning yang lebih akurat serta menjadi referensi dalam pengambilan keputusan terkait mitigasi risiko iklim. Kata Kunci: Prediksi suhu maksimum, LSTM, GRU, Deep learning, Ciputat.
Co-Authors Agung Budi Susanto Ahmad Fauzi Andrey Gustaph Setiawan Angelina Hadriani Hadriyanto Anggai, Sajarwo Astried Nirmala Safitri Defri Salsabila Oktaviani Desi Sihamita Farizal Herry Saputra Hesti Rahayuningsih Kahfi Heryandi Suradiraja Luki Handoko Mardiyanto Muhammad Farras Ma’ruf Nunuk Irawati Risa Nur Aisiyah Sudarno Wiharjo Suharyadi Syahrul Kahfi Tukiyat Tukiyat