Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan dan Teknologi Indonesia Journal of Engineering Education and Pedagogy (JEEP)
Ariyana, Denny
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Perbandingan Kinerja Metode Binary Relevance, Classifier Chains, dan Label Powerset dalam Klasifikasi Multi-Label Data Pengaduan Ariyana, Denny; Dyar Wahyuni, Eka; Sembilu, Nambi
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.796

Abstract

Di era digital, aplikasi pengaduan masyarakat menjadi sarana penting dalam meningkatkan komunikasi antara warga dan pemerintah. Aplikasi Wargaku memungkinkan masyarakat menyampaikan keluhan terkait layanan publik, yang menghasilkan data pengaduan bersifat multi-label. Oleh karena itu, diperlukan metode klasifikasi yang optimal untuk meningkatkan akurasi dalam pengelolaan pengaduan. Penelitian ini bertujuan untuk membandingkan tiga metode klasifikasi multi-label, yaitu Binary Relevance (BR), Classifier Chains (CC), dan Label Powerset (LP) dengan Random Forest sebagai base classifier. Metode penelitian mengacu pada kerangka CRISP-DM, yang mencakup pemahaman bisnis, pengolahan data, pemodelan, dan evaluasi. Eksperimen dilakukan dengan skenario pembagian data 80:20, 70:30, dan 60:40, serta preprocessing yang mencakup pembersihan teks dan normalisasi. Evaluasi model menggunakan F1 Score untuk mengukur kinerja klasifikasi. Hasil penelitian menunjukkan bahwa Binary Relevance memiliki performa paling stabil di berbagai skenario. Pada skenario 70:30, metode ini mencapai skor F1 tertinggi sebesar 0,76, diikuti oleh Classifier Chains (0,75) dan Label Powerset (0,74). Pada skenario 80:20, Label Powerset unggul dengan skor 0,75, sedangkan Binary Relevance dan Classifier Chains memperoleh 0,75 dan 0,73. Sementara itu, pada skenario 60:40, Binary Relevance kembali unggul dengan skor 0,74, diikuti Label Powerset (0,74) dan Classifier Chains (0,73). Penelitian ini menunjukkan bahwa tidak ada perbedaan signifikan dalam performa metode, namun Binary Relevance dengan Random Forest cenderung lebih stabil di berbagai skenario. Hasil ini dapat digunakan untuk meningkatkan efektivitas klasifikasi pengaduan masyarakat, sehingga mendukung layanan publik yang lebih responsif dan efisien.
Implementasi Metode Pemindai Online Untuk Menemukan Kerentanan di Server Website : Studi Kasus: website gramedia.com Ariyana, Denny; Ningtyas, Silvia Ayu; Fauzi, Ari Mahendra; Ramadhan, Rayhan Qalby
Journal of Engineering Education and Pedagogy Vol. 1 No. 1 (2023): Journal of Engineering Education and Pedagogy (JEEP)
Publisher : EDUPEDIA Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56855/jeep.v1i1.304

Abstract

Artikel ini membahas tentang pentingnya keamanan situs web dalam era digital saat ini, di mana serangan siber semakin meningkat. Salah satu cara untuk mengidentifikasi kerentanan pada situs web adalah dengan metode pemindaian online menggunakan perangkat lunak khusus. Namun, pemindaian online juga memiliki kelemahan seperti hanya dapat mengidentifikasi kerentanan yang sudah diketahui dan memakan waktu yang lama. Penelitian ini menggunakan studi kasus pada situs web gramedia.com yang penting untuk dijaga keamanannya karena mengandung data sensitif pelanggan. Metode pemindaian online digunakan untuk mengidentifikasi kerentanan pada server gramedia.com. Penelitian ini dapat memberikan wawasan penting bagi organisasi lain dalam mengidentifikasi kerentanan pada situs web mereka dan mengambil tindakan yang diperlukan untuk meningkatkan keamanannya.  
Co-Authors Fauzi, Ari Mahendra Ningtyas, Silvia Ayu Ramadhan, Rayhan Qalby Sembilu, Nambi Wahyuni, Eka Dyar