Article Per Year (5 Year)
p-Index From 2020 - 2025
0.961
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Prana Walidin, Adamsyach
Unknown Affiliation
Computer Science & IT

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
ANALISIS KECEPATAN METODE PENYORTIRAN DAN PEMROSESAN YANG DITERAPKAN PADA PROGRAM KERANJANG BELANJA Prana Walidin, Adamsyach; Pebiana Putri, Fahra; Farezi, Nazwar; Khoiriah, Najwatul; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12407

Abstract

Kecepatan adalah salah satu aspek yang sangat diperlukan dalam teknologi saat ini. Kecepatan biasanya menjadi tolak ukur sebuah sistem atau perangkat, semakin cepat semakin baik. Efisiensi sebuah sistem atau perangkat ditentukan oleh kecepatan sistem itu sendiri ketika memproses atau mengolah data. Pada zaman yang mewajibkan tiap hal berjalan secara singkat dan praktis, diperlukan pengujian terhadap berbagai macam hal terutama pada bidang teknologi struktur data. Untuk mengetahui seberapa efisien teknik struktur data list dan dictionary maka dilakukan implementasi pada sebuah program keranjang belanja sederhana untuk membuktikan dan mendapatkan angka pasti dalam hal kecepatan. Dengan menggunakan metode eksperimental kuantitatif, program dikembangkan dalam bahasa python dengan GUI dari library tkinter dan modul penghitungan waktu dari library time. Diketahui bahwa penggunaan dan kombinasi list dan kamus pada program keranjang belanja relatif cepat dalam memproses data, dengan rentang waktu 0.00007 detik hingga 1.8 detik dalam memproses setiap variabel. Hal ini membuat list dan kamus relatif efisien dalam penggunaannya pada program shopping cart.
KALI LINUX SEBAGAI ALAT ANALISIS KEAMANAN JARINGAN MELALUI PENGGUNAAN NMAP, WIRESHARK, DAN METASPLOIT Prana Walidin, Adamsyach; Pebiana Putri, Fahra; Kiswanto, Dedy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12661

Abstract

Keamanan jaringan merupakan sesuatu yang sangat penting dalam kehidupan bersama internet sehari hari, terutama pada sistem operasi dan komputer yang digunakan. Dengan adanya masalah seperti pencurian data, penyadapan akun, dan pendobrakan akses, dibutuhkan sebuah analisis dalam mencari cara tepat mengamankan jaringan dari gangguan gangguan tersebut. Kali linux adalah salah satu sistem operasi yang sangat dalam pada bidang keamanan baik kemananan jaringan ataupun kemananan cyber. Pada kali linux, dilengkapi banyak alat seperti Nmap, Wireshark, dan Metasploit. Ketiga alat ini ternyata memiliki fungsi masing masing. Metode yang digunakan pada penelitian ini ibarat vaksin yang mencari penyelesaian menggunakan masalah yang ada, lebih tepatnya eksperimental kualitatif. Dapat diketahui setelah dilakukannya penelitian ini, bahwa jaringan terbuka merupakan sesuatu yang rentan terhadap serangan siber. Sebagai pengguna yang bijak, tersedia banyak solusi demi melindungi diri dari serangan siber seperti update selalu sistem keamanan dan hindari jaringan terbuka yang minim keamanan.
PERKEMBANGAN PROJEK RANCANGAN SISTEM PENYELESAIAN EKUASI DENGAN MODEL DEEP LEARNING BERBASIS GNN Prana Walidin, Adamsyach; Sapta Warman Zai, Tri; Asro Harahap, Fatima; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13998

Abstract

Kemajuan kecerdasan buatan (AI) dalam rekayasa perangkat lunak telah memungkinkan pengembangan sistem yang lebih cerdas dan efisien, termasuk dalam penyelesaian perhitungan matematis yang kompleks. Penelitian ini berfokus pada pengembangan sistem berbasis Graph Neural Networks (GNN) untuk menyelesaikan persamaan matematika secara otomatis dengan akurasi tinggi. Permasalahan utama yang dihadapi adalah keterbatasan metode konvensional dalam memahami hubungan kompleks antar variabel dalam persamaan. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan GNN sebagai model deep learning yang mampu mengenali pola hubungan antar variabel dan memberikan solusi yang lebih presisi. Metode yang digunakan mencakup pengumpulan dan preprocessing data persamaan matematika, pelatihan model GNN, serta evaluasi performa menggunakan metrik akurasi dan efisiensi komputasi. Hasil penelitian menunjukkan model mendapatkan loss terkecil sebesar 0,374 dari dataset MathQA dan membuktikan bahwa pendekatan berbasis GNN lebih unggul dibandingkan metode tradisional dalam menyelesaikan persamaan dengan kompleksitas tinggi. Dengan implementasi ini, sistem diharapkan dapat digunakan dalam berbagai bidang seperti pendidikan dan penelitian ilmiah.
OLAH DATA EKUASI MENGGUNAKAN KOMBINASI GRAPH NEURAL NETWORK (GNN) DALAM MACHINE LEARNING Prana Walidin, Adamsyach; Pebiana Putri, Fahra; Raffi Akbar, Muhammad; Fahmi Sagala, Khairul; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14096

Abstract

Pengolahan Data ini dikembangkan sebagai platform edukasi berbasis kecerdasan buatan yang membantu pengguna dalam menyelesaikan tugas akademik, seperti penyelesaian ekuasi matematis. Sistem ini memanfaatkan Graph Neural Network (GNN) untuk mengubah soal matematika menjadi representasi graf, memungkinkan model untuk memahami dan menyelesaikan persamaan secara lebih efektif. Implementasi awal telah mencapai Minimum Viable Product (MVP) dengan hasil yang menunjukkan bahwa pendekatan berbasis graf dapat diterapkan dalam konteks pendidikan. Menggunakan dataset soal ekuasi, dengan susunan graf yang didukung model machine learning, Ekuasi ditentukan menggunakan operator matematis yang sudah dideklarasikan pada model. Namun, masih terdapat beberapa tantangan, seperti validasi input dan optimasi model agar lebih akurat. Didapatkan hasil latih model dengan epoch error loss terbaik sebesar 0.374512 dalam pelatihan model. Model juga diukur menggunakan pertanyaan matematis dengan hasil yang akurat terhadap soal dengan tingkat akurasi sebesar 93,36%. Ke depannya, penelitian lebih lanjut dapat dilakukan dengan meningkatkan akurasi model, serta mengeksplorasi kombinasi GNN dengan Large Language Models (LLMs) untuk meningkatkan pemahaman terhadap soal yang lebih kompleks. Dengan pengembangan yang berkelanjutan, inovatif dalam membantu pelajar dan pengajar mengakses solusi berbasis AI yang lebih interaktif dan cerdas.
PERKEMBANGAN PROJEK RANCANGAN SISTEM REKOMENDASI FILM DENGAN MODEL DEEP LEARNING BERBASIS GNN Zulfahrizan, Atta; Prana Walidin, Adamsyach; Ilyasyah Drilanang, Mhd; Raffi Akbar Tjg, Muhammad; Saputra, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14108

Abstract

Di tengah pesatnya perkembangan dunia digital, sistem rekomendasi film menjadi bagian penting dalam meningkatkan kenyamanan dan kepuasan pengguna saat mengakses platform hiburan. Namun, metode tradisional seperti collaborative filtering dan content-based filtering masih menghadapi kendala dalam memahami pola interaksi yang kompleks antara pengguna dan film. Penelitian ini hadir untuk menjawab tantangan tersebut dengan mengembangkan sistem rekomendasi berbasis deep learning menggunakan pendekatan Graph Neural Network (GNN). Tujuan utama dari penelitian ini adalah membangun model yang mampu merepresentasikan hubungan antara pengguna dan film secara lebih mendalam dan kontekstual. Dalam pengembangannya, digunakan dataset MovieLens untuk membentuk graf yang mencerminkan relasi rating antara pengguna dan film. Proses pelatihan model dilakukan dengan arsitektur GraphSAGE dua lapis yang mampu menyebarkan informasi antar node secara efektif dalam graf. Hasil evaluasi menggunakan Mean Squared Error (MSE) menunjukkan performa yang baik dengan nilai loss terbaik sebesar 0.2780. Selain itu, hasil uji menggunakan cosine similarity memperlihatkan bahwa model ini mampu merekomendasikan film yang relevan dengan preferensi pengguna. Temuan ini menunjukkan bahwa pendekatan GNN dapat menjadi solusi yang menjanjikan untuk meningkatkan kualitas rekomendasi serta pengalaman pengguna dalam menjelajahi konten digital.
PERANCANGAN PROGRAM REKOGNISI ISYARAT SIGNAL FOR HELP, UNTUK MEMBERI RESPON CEPAT BANTUAN Drilanang, Mhd Ilyasyah; Prana Walidin, Adamsyach; Zulfahrizan, Atta; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14109

Abstract

Dalam kondisi darurat, terutama saat seseorang tidak bisa berbicara secara langsung untuk meminta bantuan, isyarat tangan seperti “Signal for Help” menjadi sangat penting. Sayangnya, belum banyak sistem yang mampu mengenali isyarat ini secara otomatis dan real-time. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang dapat mendeteksi isyarat tersebut secara cepat dan akurat, agar respons bantuan bisa diberikan secepat mungkin. Penelitian dilakukan dengan menggunakan pendekatan pengenalan pola visual melalui teknologi MediaPipe dan OpenCV. Data dikumpulkan dari gambar dan video gerakan tangan yang menampilkan tiga tahapan isyarat: “Telapak Tangan Terbuka,” “Jempol Ditekuk ke Dalam,” dan “Kepalan Tangan.” Setiap tahapan dianalisis menggunakan deteksi landmark tangan untuk mengenali bentuk dan pergerakannya secara detail. Hasilnya, sistem yang dirancang mampu mendeteksi isyarat dengan akurasi tinggi, bahkan dalam berbagai kondisi lingkungan. Hal ini menunjukkan bahwa teknologi ini dapat diterapkan dalam skenario nyata, seperti layanan darurat, perlindungan pribadi, maupun sistem asisten berbasis AI yang dapat merespons secara otomatis ketika sinyal bantuan terdeteksi. Dengan sistem ini, diharapkan siapa pun yang berada dalam situasi bahaya bisa mendapatkan bantuan lebih cepat dan aman.
Co-Authors Adidtya Perdana, Adidtya Asro Harahap, Fatima Dedy Kiswanto Drilanang, Mhd Ilyasyah Fahmi Sagala, Khairul Farezi, Nazwar Hermawan Syahputra Ilyasyah Drilanang, Mhd Kana Saputra S Khoiriah, Najwatul Pebiana Putri, Fahra Raffi Akbar Tjg, Muhammad Raffi Akbar, Muhammad Ramadhani, Fanny Sapta Warman Zai, Tri Zulfahrizan, Atta