Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Informasi COSMOS
Nugraha, Rahmat Taufik
Unknown Affiliation
Computer Science & IT Education Languange, Linguistic, Communication & Media Mathematics Other

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

Found 2 Documents
Search

 1 
Peran PERAN APLIKASI TEKNOLOGI DALAM MENYEIMBANGKAN PERMINTAAN DAN PENAWARAN: SINTESIS STUDI LITERATUR TERKINIAplikasi Teknologi dalam Menyeimbangkan Permintaan dan Penawaran: Sintesis Studi Literatur Terkini Nugraha, Rahmat Taufik; Saeppani, Asep; Guntara, Agun; Al-Amin, Al-Amin
COSMOS : Jurnal Ilmu Pendidikan, Ekonomi dan Teknologi Vol 1 No 5 (2024): Agustus
Publisher : PUSDATIN Institut Agama Islam Sultan Muhammad Syafiuddin Sambas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37567/cosmos.v1i5.173

Abstract

This research explores the role of technology applications in balancing supply and demand in the global market through a synthesis of recent literature studies. Information and Communication Technology (ICT) such as e-commerce, big data analytics, and other digital platforms have shown significant roles in enhancing market efficiency. E-commerce facilitates consumers in obtaining products quickly and enables sellers to reach broader markets, reducing geographical barriers. Big data and AI technologies assist in demand prediction and inventory management, while IoT and blockchain improve transparency and efficiency in the supply chain. Although these technology applications offer numerous benefits, challenges such as significant investments, the need for specialized skills, and issues of data security and privacy remain substantial barriers. This research concludes that the appropriate application of technology can support the balance of supply and demand, improve market efficiency, and contribute to sustainable economic growth. Continuous evaluation and the development of adequate technological infrastructure are necessary to fully leverage the potential of technology in the modern economy.
Analisis Perbandingan Algoritma Random Forest, SVM, dan Neural Network untuk Klasifikasi Risiko Keamanan E-Learning Nugraha, Rahmat Taufik; Hidayat, Deden; Mahardika, Fathoni
Jurnal Teknologi dan Informasi (JATI) Vol 16 No 1 (2026): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v16i1.17191

Abstract

Akselerasi adopsi platform e-learning akibat pandemi COVID-19 telah memperluas permukaan serangan siber di sektor pendidikan, menuntut solusi deteksi ancaman yang lebih canggih. Machine learning (ML) menawarkan pendekatan proaktif untuk mengatasi tantangan ini, namun belum terdapat konsensus mengenai algoritma yang paling optimal. Studi ini bertujuan melakukan analisis komparatif empiris terhadap tiga algoritma ML terkemuka Random Forest (RF), Support Vector Machine (SVM), dan Neural Network (NN) dalam mengklasifikasikan risiko keamanan pada lingkungan e-learning. Menggunakan dataset sintetik Classroom Data Security Threats, penelitian ini menerapkan metodologi kuantitatif yang mencakup pra-pemrosesan data dan evaluasi model menggunakan metrik accuracy, F1-score, dan ROC-AUC. Hasil eksperimen menunjukkan kinerja yang sangat terbatas dari ketiga model. NN mencapai akurasi tertinggi, namun hanya sebesar 33.5%, sedikit di atas SVM (32.5%) dan RF (29.5%). Secara signifikan, skor ROC-AUC untuk semua model berada di sekitar 0.5, yang mengindikasikan kemampuan prediktifnya tidak lebih baik dari tebakan acak. Kegagalan serempak ini menyiratkan bahwa tantangan utama bukan terletak pada pemilihan algoritma, melainkan pada kualitas prediktif dataset dan ketiadaan optimisasi hyperparameter. Temuan ini menggarisbawahi pentingnya kualitas data dan rigor metodologis sebagai prasyarat fundamental untuk pengembangan sistem keamanan siber berbasis ML yang efektif.
Co-Authors Al-Amin, Al-Amin Guntara, Agun Hidayat, Deden Mahardika, Fathoni Saeppani, Asep