Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Ruriawan, M. Faris
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Deteksi Threat Dan Vulnerability Pada Unggahan Twitter Menggunakan Algoritma Naive Bayes Imady, Paulin Al; Setianingsih, Casi; Ruriawan, M. Faris
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Twitter merupakan platform media sosial yang menjadi tempat bagi banyak orang untuk dapat mengunggah berbagai hal, tidak terkecuali unggahan yang mengandung unsur ancaman keamanan suatu sistem. Tentunya ini merupakan hal yang berbahaya jika seseorang mengunggah celah keamanan suatu sistem. Ancaman sistem yang dipublikasi dapat disalah gunakan oleh orang lain sehingga merugikan pemilik sistem. Untuk mengantisipasi hal ini, maka dibuat sistem untuk mendeteksi unggahan yang mengandung unsur ancaman (threat) dan kerentanan (vulnerability) sistem pada media sosial Twitter. Sistem ini menerapkan algoritma text processing yang menggunakan metode Naïve Bayes dan TF-IDF (Term Frequency – Inverse Document Frequency). Metode ini dipilih karena dianggap dapat menghasilkan akurasi yang baik meskipun dengan data training yang sedikit. Pada penelitian Tugas Akhir ini, hasil akhir yang didapatkan adalah sistem dapat membedakan tweet yang mengandung unsur threat atau vulnerability, dan yang tidak. Dengan rasio pembagian dataset ke dalam data training dan data testing adalah 70%:30% dan 80%:20%, keduanya mendapatkan nilai akurasi sebesar 88%, nilai presisi sebesar 88%, recall sebesar 88%, dan F1 score sebesar 88%.Kata Kunci: text mining, naïve bayes, TF-IDF, threat, vulnerabilities, klasifikasi teks.
Implementasi Primary Key Sebagai Kode Unik Untuk Sistem Kode Batang Pada Sistem Pengemasan Barang Berbasis Web Rahmad, Yosa Amartya; Azmi, Fairuz; Ruriawan, M. Faris
eProceedings of Engineering Vol. 10 No. 1 (2023): Februari 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Inovasi saat ini sangat dibutuhkan dalam bidang teknologi terutama dalam hal pelacakan barang, inovasi yang dimaksud bertujuan untuk meningkatkan kualitas pelayanan dengan menggunakan sistem pelacakan untuk proses pengemasan barang berbasis web, sehingga memungkinkan pengguna dapat mengefisiensikan waktu dan mengetahui tahapan-tahapan atau proses pengemasan barang tersebut. Penelitian ini mengembangkan sistem pelacakan berbasis website dengan menerapkan kode batang (Barcode) atau Quick Respond Code (QR-Code) sebagai kode unik dalam pembuatan identitas kode barang yang akan menyimpan informasi dan detail dari barang. Tujuan dari penelitian ini yaitu untuk mengembangkan sistem yang sudah ada menjadi lebih berkembang dalam pendataan data dan alur transfer data serta efisien dalam waktu. Hasil dari penelitian ini sistem aplikasi berbasis website dapat melakukan pelacakan barang dari barang yang telah dimasukan sebelumnya ke dalam aplikasi website ini. Dengan hasil pengujian dari dua pengujian yaitu pengujian Alpha mendapatkan hasil yang sesuai dengan tujuan sistem dan pengujian Beta dengan hasil kepuasan dengan indeks penilaian “sangat setuju” mencapai 83%.Kata kunci— website, tracking, barcode, Qr-Code, internet, database.
Analisis Sentimen Komentar Berdasarkan Geo Tagged Menggunakan Algoritma Naïve Bayes Pratama, Nurrafi Bagus; Setianingsih, Casi; Ruriawan, M. Faris
eProceedings of Engineering Vol. 11 No. 3 (2024): Juni 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi dan media sosialkini pesat, khususnya Instagram. Banyak tokohseperti presiden, menteri, artis, dan masyarakatumum menggunakan platform ini. Di Instagram,pengguna dapat berbagi gambar, video, pesan, danmenandai lokasi. Setiap postingan memiliki kolomkomentar dengan beragam tanggapan, baik positifmaupun negatif. Sentimen ini penting dalam menilaidaya tarik objek wisata untuk masyarakat. Machinelearning saat ini mampu otomatis mengklasifikasikankomentar sebagai positif atau negatif. Algoritma yangdipakai adalah Naïve Bayes, yang menggunakanprobabilitas sederhana. Caranya, masukkankomentar, lalu gunakan Naive Bayes untukkategorisasi dan menampilkan hasil sentimen.Penelitian ini bertujuan untuk menilai persentasekomentar terhadap objek wisata dalam kategoripositif dan negatif. Model sistem ini menggunakanrasio data latih dan tes terbaik, yaitu 80% dan 20%.Pengujian sistem dengan model tersebutmenghasilkan presisi 87.72%, recall 89.27%, f1-score87.60%, dan akurasi 87.72%. Hasil klasifikasi inidiharapkan menjadi panduan bagi masyarakat dalamkunjungan wisata. Kata Kunci — Instagram, Komentar Sentimen, Naïve Bayes, TF-IDF
Co-Authors Casi Setianingsih Fairuz Azmi Imady, Paulin Al Pratama, Nurrafi Bagus Rahmad, Yosa Amartya