Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Penelitian Multidisiplin Bangsa
Agustin, Selfina
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Public Health Social Sciences

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

Found 2 Documents
Search

 1 
Dampak Kemajuan Teknologi Informasi Era Digital Terhadap Keamanan Data Pribadi Tantangan Dan Penanggulangan Terhadap Kejahatan Cyber Agustin, Selfina
Jurnal Penelitian Multidisiplin Bangsa Vol. 1 No. 6 (2024): November
Publisher : Amirul Bangun Bangsa Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpnmb.v1i6.93

Abstract

Kemajuan teknologi informasi (TI) di era digital telah mendorong transformasi yang signifikan dalam berbagai aspek kehidupan manusia. Namun, pesatnya perkembangan TI juga menghadirkan tantangan baru, terutama dalam hal keamanan data pribadi. Ancaman kejahatan siber (cybercrime), seperti peretasan, phishing, dan pencurian data, semakin meningkat, mengancam privasi individu dan keamanan data bisnis. Artikel ini bertujuan untuk memganalisis bagaimana perkembangan teknologi dan keamanan data pribadi serta tantangan yang dihadapi dalam melindungi data pribadi di tengah ancaman kejahatan siber yang semakin berkembang. Metode penelitian ini menggunakan metode kualitatif studi kasus. Penelitian ini menggunakan sumber data sekunder. Data dikumpulkan dari hasil studi literasi atau kepustakaan. Hasil penelitian menunjukkan bahwa Survei kuantitatif menggunakan Google Formulir dilakukan dengan melibatkan sejumlah responden. Hasil survei menunjukkan bahwa 62% responden tidak pernah mengalami kejahatan dunia maya, sementara 37% responden melaporkan pernah menjadi korban. Bentuk kejahatan yang paling sering dilaporkan termasuk peretasan akun media sosial seperti Facebook dan Instagram, penipuan melalui pesan teks, pembajakan nomor telepon, dan serangan phishing. Responden menanggapi insiden ini dengan berbagai cara, seperti menghubungi orang-orang terdekat mereka, menghapus akun yang diretas, melaporkan masalah ke platform yang relevan, atau tidak mengambil tindakan sama sekali. Selain itu, penelitian ini juga menekankan pentingnya edukasi masyarakat tentang keamanan data pribadi sebagai langkah untuk melindungi.
KLASIFIKASI TIPE KACA MENGGUNAKAN METODE K-NEAREST NEIGHBOR Ayyub, Muhammad Azwar Al; Simangunsong, Weny Nur Afdilla; Farhatun, Dini; Dea, Emi; Agustin, Selfina; Rahman, Zulfa Ar; Ridho, Muhammad
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 9, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5745

Abstract

Abstract: Glass is a material that is widely used in various fields, such as construction, the automotive industry, and household appliances. Each type of glass has different characteristics based on its chemical composition and production process. Problems arise when the process of identifying glass types is still done manually, which is time-consuming, costly, and prone to error. This study aims to apply the K-Nearest Neighbor (K-NN) method in classifying glass types based on their chemical content attributes. The data in this study was sourced from Kaggle, namely the Glass Identification Dataset. The data used consisted of several chemical features, such as Na, Mg, Al, Si, K, Ca, Ba, and Fe, with seven categories of glass classes. The results showed that the K-NN method was able to classify glass types well and could be an effective solution to assist in the automatic glass identification process. Keyword: Classification, K-Nearest Neighbor, Data Mining, Types of Glass. Abstrak: Kaca merupakan material yang banyak digunakan dalam berbagai bidang, seperti konstruksi, industri otomotif, dan peralatan rumah tangga. Setiap jenis kaca memiliki karakteristik yang berbeda berdasarkan komposisi kimia dan proses produksinya. Permasalahan muncul ketika proses identifikasi jenis kaca masih dilakukan secara manual, sehingga membutuhkan waktu, biaya, dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan untuk menerapkan metode K-Nearest Neighbor (K-NN) dalam mengklasifikasikan jenis kaca berdasarkan atribut kandungan kimianya. Data dalam penelitian ini bersumber dari Kaggle, yaitu Glass Identification Dataset. Data yang digunakan terdiri dari beberapa fitur kimia, seperti Na, Mg, Al, Si, K, Ca, Ba, dan Fe, dengan tujuh kategori kelas kaca. Hasil penelitian menunjukkan bahwa metode KNN mampu mengklasifikasikan jenis kaca dengan baik dan dapat menjadi solusi yang efektif untuk membantu proses identifikasi kaca secara otomatis. Kata kunci: Klasifikasi, K-Nearest Neighbor, Data Mining, Jenis Kaca.
Co-Authors Ayyub, Muhammad Azwar Al Dea, Emi Farhatun, Dini Muhammad Ridho Rahman, Zulfa Ar Simangunsong, Weny Nur Afdilla