Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal IKRAM: Jurnal Ilmu Komputer Al Muslim
Rama Adistya Nurtjahya Pamudji
STMIK Pranata Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
Jurnal Analisis Dan Perancangan Aplikasi Steganografi Pada Media Image Dengan Metode LSB (Least Significant Bit) Mohamad Rizky Dwi Putra; Rama Adistya Nurtjahya Pamudji
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 3 No. 1 (2024): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : LPPM STMIK AL MUSLIM

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

Abstract

Keamanan data dan informasi saat ini menjadi sebuah kebutuhan vital bagi para pengguna internet saat ini agar privasi mereka bisa tetap terjaga. Teknik pengamanan data yang saat ini banyak dipakai yaitu kriptografi dan steganografi. Kriptografi adalah teknik menyandikan (enkripsi) sebuah data rahasia menjadi data tersandi yang tidak dimengerti, sedangkan steganografi adalah teknik menyembunyikan pesan ke dalam sebuah media cover. Kelebihan steganografi daripada kriptografi adalah pesan-pesannya tidak menarik perhatian orang lain, karena pesan-pesan tersebut dimasukan ke sebuah media penampung, sedangkan kriptografi hanya mengenkripsi pesan tersebut yang bisa saja menimbulkan kecurigaan orang lain.
Implementasi Algoritma C4.5 Berbasis Feature Selection untuk Prediksi Kelulusan Mahasiswa Tepat Waktu Rama Adistya Nurtjahya Pamudji; Kartika Purnamasari
IKRAM: Jurnal Ilmu Komputer Al Muslim Vol. 5 No. 1 (2026): IKRAM: Jurnal Ilmu Komputer Al Muslim
Publisher : STMIK Al Muslim

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

Abstract

Kelulusan mahasiswa tepat waktu merupakan salah satu indikator penting dalam menilai kualitas pendidikan di perguruan tinggi. Penelitian ini bertujuan untuk membangun model prediksi kelulusan mahasiswa menggunakan algoritma Decision Tree C4.5 yang dikombinasikan dengan teknik feature selection. Dataset yang digunakan adalah Student Dropout and Academic Success yang terdiri dari atribut akademik, sosial, dan demografis mahasiswa. Tahapan penelitian meliputi preprocessing data, seleksi fitur menggunakan metode statistik, pembangunan model klasifikasi, serta evaluasi menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penerapan feature selection mampu meningkatkan performa model dibandingkan tanpa seleksi fitur. Model yang dihasilkan mencapai akurasi sekitar 82%, dengan fitur dominan berasal dari performa akademik semester awal. Selain itu, penelitian ini juga menunjukkan pentingnya penggunaan metrik evaluasi yang lebih komprehensif untuk menghindari bias akibat ketidakseimbangan data. Model yang dihasilkan diharapkan dapat digunakan sebagai sistem pendukung keputusan dalam mengidentifikasi mahasiswa yang berisiko tidak lulus tepat waktu
Co-Authors Kartika Purnamasari Mohamad Rizky Dwi Putra