Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Sistematis

Pengujian Keamanan Sistem Mengunakan Metode Penetration Testing di Website Diskominfostandi Kota Bekasi Dwi Purnomo, Marcell; Chusyairi, Ahmad
Sistematis Vol. 1 No. 1 (2024): Oktober 2024
Publisher : CV.RIZANIA MEDIA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69533/100hxk38

Abstract

Dinas Komunikasi, Informatika, Statistik, dan Persandian Kota Bekasi merupakan salah satu instasi yang memanfaatkan website sebagai layanan penting bagi publik. Peneliti bertujuan untuk melakukan analisis mendalam terhadap laporan dari bug hunter terkait celah kerentanan pada website dpppa.bekasikota.go.id milik Diskominfostandi Kota Bekasi menggunakan metode Penetration Testing berdasarkan standar NIST SP 800-115. Melalui Penetration Testing berdasarkan standar NIST SP 800-115 dengan tahapan planning, discovery, attack, dan reporting mendapatkan dua kerentanan yaitu kerentanan sensitive information disclosure dan kerentanan SQL Injection. Setelah mengidentifikasi dua kerentanan tersebut, dilakukan pengukuran tingkat kerentanannya menggunakan alat bantu Common Vulnerability Scoring System (CVSS) Calculator version 3.1. Alat ini digunakan untuk menentukan tingkat keparahan masing-masing kerentanan pada website dan memprioritaskan perbaikan berdasarkan nilai CVSS dari yang tertinggi hingga terendah. Berdasarkan hasil penilaian ini, memberikan solusi perbaikan yang tepat kemudian untuk meningkatkan keamanan website DPPPA agar lebih terlindungi dari ancaman di masa mendatang.
Prediksi Penjualan Untuk Optimasi Stock Produk Menggunakan Algoritma Long Short Term Memory Susilo, Dani; Ahmad Chusyairi; Saputra, Muhammad Ikhwani
Sistematis Vol. 1 No. 2 (2025): April 2025
Publisher : CV.RIZANIA MEDIA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69533/56gyat30

Abstract

Perusahaan distribusi menjadi pihak yang bertanggung jawab atas proses penyaluran barang dan menjadi perantara antara produsen dengan konsumen. Permasalahan utama yang sering dihadapi perusahaan distribusi adalah terkait dalam pengadaan stok barang yang dapat menyebabkan kelebihan atau kekurangan  stok. Penelitian terkait distribusi barang lebih fokus pada pendekatan sederhana atau pemodelan berbasis metode klasik, yang kurang efektif dalam meramalkan penjualan dengan tingkat akurasi yang tinggi. Oleh karena itu, pengembangan model prediksi berbasis algoritma deep learning, seperti Long Short-Term Memory (LSTM), yang dapat menangani dependensi jangka panjang dalam data time series, masih terbatas dalam konteks perusahaan distribusi, khususnya dalam meningkatkan efisiensi pengelolaan stok barang dan pengurangan kesalahan pengadaan stok.Tujuan penelitian ini untuk mengembangkan model prediksi penjualan menggunakan algoritma Long Short Term Memory (LSTM) guna meningkatkan efisiensi pengelolaan stok barang pada perusahaan distribusi XYZ. Dengan memanfaatkan data historis penjualan yang berbentuk time series, penelitian ini memprediksi penjualan di masa depan dan menghasilkan prediksi per produk dan per bulan. Evaluasi model menggunakan Mean Absolute Percentage Error (MAPE) menghasilkan tingkat kesalahan rata-rata sebesar 3,60%, hal ini menunjukkan bahwa model memiliki akurasi yang sangat akurat. Hasil prediksi ini diintegrasikan kedalam sistem pengadaan stok untuk mengoptimalkan rekomendasi pengadaan stok dalam proses pembelian barang. Penelitian ini menunjukkan bahwa penerapan  LSTM dalam prediksi penjualan dapat menjadi solusi efektif bagi perusahaan distribusi dalam pengelolaan stok dan efisiensi biaya operasional.