Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Teknik: Jurnal Ilmu Teknik dan Informatika Jurnal Ilmiah Informatika dan Komputer
Ekat Rueh Daya Leluni
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Analisis Distribusi Kinerja SVM dan KNN Berdasarkan Rata Rata Simpangan Baku dan Stabilitas Pritama, Fransciko; Ekat Rueh Daya Leluni; Yovita; Jadiaman Parhusip
Jurnal Ilmiah Informatika dan Komputer Vol. 1 No. 2 (2024): Desember 2024
Publisher : CV.RIZANIA MEDIA PRATAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69533/xgqngy78

Abstract

Di bidang pembelajaran mesin, dua algoritma yang umum digunakan untuk tugas klasifikasi adalah Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Kedua algoritma tersebut dapat digunakan dalam berbagai aplikasi, namun memilih algoritma terbaik memerlukan analisis rinci mengenai kinerjanya dalam skenario yang berbeda. Tujuan artikel ini adalah membandingkan performa kedua algoritma menggunakan metrik statistik utama yaitu, Akurasi Rata-Rata, Deviasi Standar, dan Stabilitas Performa. Untuk mengevaluasi algoritma, teknik k-fold cross-validation digunakan pada kumpulan data klasifikasi tertentu. Hal ini memungkinkan Anda mengukur keakuratan model pada rentang data yang berbeda. Berdasarkan hasil penelitian, rata-rata akurasi SVM lebih tinggi dibandingkan dengan ANN, dengan nilai  SVM sebesar 0,980 dan nilai ANN sebesar 0,953. Selain itu, deviasi standar kinerja SVM yang lebih rendah (0,043 dibandingkan dengan 0,052 untuk KNN) menunjukkan bahwa kinerja SVM lebih stabil dan konsisten di seluruh konvolusi. Hal ini membuat SVM lebih andal ketika menangani data baru, terutama  dataset dengan pola yang kompleks dan  sulit dipisahkan. Temuan ini memberikan panduan penting dalam memilih algoritma klasifikasi berdasarkan kebutuhan spesifik aplikasi. SVM lebih disukai ketika stabilitas dan keandalan hasil diperlukan, sedangkan ANN mungkin lebih cocok untuk masalah sederhana dan kumpulan data kecil. Memahami distribusi performa algoritme ini dapat membantu pengguna  membuat keputusan yang lebih baik saat menerapkan pembelajaran mesin.
Analisis Pelanggaran Etika Profesi Keamanan Siber (Studi Kasus Kebocoran Data Pajak di Indonesia) Fransciko Pritama; Ekat Rueh Daya Leluni; Yovita; Jadiaman Parhusip
Teknik: Jurnal Ilmu Teknik dan Informatika Vol. 4 No. 2 (2024): Oktober : Teknik: Jurnal Ilmu Teknik dan Informatika
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/teknik.v4i2.585

Abstract

Pelanggaran etika profesi pada keamanan siber adalah gosip kritis yg memengaruhi kepercayaan publik terhadap pengelolaan data sensitif. Studi ini menganalisis pelanggaran etika yg terjadi dalam perkara kebocoran data pajak pada Indonesia, menggunakan penekanan dalam penyebab utama, dampak, & akibat. Metode penelitian yg dipakai melibatkan analisis literatur dan studi perkara. Hasil penelitian memperlihatkan adanya kelemahan pada sistem pengamanan data, minimnya penerapan prinsip etika profesi, dan kurangnya supervisi terhadap pihak yg berwenang. Penelitian ini bertujuan untuk menganalisis pelanggaran etika profesi keamanan siber terkait kebocoran data pajak di Indonesia.
Co-Authors Fransciko Pritama Jadiaman Parhusip, Jadiaman Pritama, Fransciko YOVITA