Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi) JATI (Jurnal Mahasiswa Teknik Informatika)
Indriani, Vanyariska
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
IMPLEMENTASI METODE WEIGHTED MOVING AVERAGE (WMA) UNTUK PREDIKSI STOK DAGING DALAM SISTEM BERBASIS WEB Indriani, Vanyariska; Hadikurniawati, Wiwien
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 1 (2025): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i1.53695

Abstract

Daging sapi merupakan sumber utama protein hewani yang sangat diminati, namun kualitasnya rentan menurun akibat kontaminasi patogen dan keterbatasan penyimpanan suhu rendah. Hal ini menjadi tantangan bagi pemasok seperti Dallas Meat di Semarang dalam mengelola stok secara efisien. Penelitian ini bertujuan untuk mengembangkan sistem prediksi stok berbasis web guna membantu pengambilan keputusan dalam pengelolaan persediaan daging. Sistem ini menerapkan metode Weighted Moving Average (WMA) dengan bobot 0,1, 0,4, dan 0,5, serta menggunakan evaluasi akurasi prediksi melalui perhitungan Mean Absolute Deviation (MAD) dan Mean Absolute Percentage Error (MAPE). Data yang digunakan adalah data stok keluar harian periode Februari 2023 hingga Januari 2024 untuk tiga jenis daging: Sirloin Lokal, Tenderloin A, dan Rump 45. Hasil prediksi menunjukkan Sirloin Lokal sebesar 215.986 kg (MAD 30.286; MAPE 13.77), Tenderloin A sebesar 214.925 kg (MAD 33.249; MAPE 18.009), dan Rump 45 sebesar 582.41 kg (MAD 127.739; MAPE 18.084). Pengujian sistem dengan metode Black Box dan validasi manual membuktikan bahwa sistem bekerja sesuai dengan fungsionalitas yang dirancang.
DETEKSI PHISHING WEBSITE MENGGUNAKAN SUPPORT VECTOR MACHINE, GRADIENT BOOSTING, DAN NEURAL NETWORKS Indriani, Vanyariska; Listiyono, Hersatoto; Saefurrahman, Saefurrahman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13214

Abstract

Di era digital, phishing menjadi ancaman yang signifikan terhadap keamanan data pribadi pengguna internet. Website phishing yang meniru tampilan situs asli bertujuan untuk memperoleh informasi sensitif seperti data pribadi dan keuangan. Penelitian ini bertujuan untuk menguji efektivitas tiga algoritma machine learning, yaitu Support Vector Machine (SVM), Gradient Boosting, dan Neural Networks dalam mendeteksi URL phishing. Dataset PhiUSIIL yang terdiri dari 235.795 sampel data digunakan, yang mencakup URL phishing dan legitim dengan 54 fitur. Metode yang diterapkan meliputi preprocessing data, pembagian data latih dan uji, serta normalisasi menggunakan MinMaxScaler. Ketiga model dievaluasi berdasarkan akurasi, F1-Score, Confusion Matrix, dan waktu komputasi. Hasil penelitian menunjukkan bahwa model Gradient Boosting memperoleh akurasi dan F1-Score 100%, dengan waktu komputasi tercepat hanya 1 menit, menjadikannya pilihan terbaik untuk deteksi phishing. Sementara itu, SVM dan Neural Networks juga menunjukkan hasil yang sangat baik, masing-masing dengan akurasi 99,99%, namun dengan waktu komputasi yang lebih lama. Berdasarkan hasil tersebut, penelitian ini menyimpulkan bahwa Gradient Boosting adalah model yang paling efisien untuk mendeteksi phishing pada dataset yang digunakan.
Co-Authors Hersatoto Listiyono Saefurrahman, Saefurrahman Wiwien Hadikurniawati