Sitompul, Tua Delima
Unknown Affiliation

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

Found 2 Documents
Search

Penerapan K-Means Clustering dalam Analisis URL Phishing untuk Identifikasi Risiko Keamanan Menggunakan Model PCA Sitompul, Tua Delima; Davina Putri Ananta; Muhammad Rafif Hanif; Wati, Masna; Haviluddin
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 2 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v4i2.2887

Abstract

Phishing merupakan ancaman siber yang terus berkembang, dan metode deteksi berbasis daftar hitam memiliki keterbatasan signifikan dalam mengidentifikasi situs phishing baru. Penelitian ini menerapkan K-Means Clustering untuk mengelompokkan URL phishing berdasarkan karakteristiknya, menggunakan dataset PhiUSIIL Phishing URL dengan 235.795 sampel. Melalui preprocessing data yang komprehensif, analisis jumlah klaster optimal menggunakan Silhouette Score menghasilkan k = 2 dengan skor 0,972 pada pendekatan hibrid yang menggunakan fitur URLLength dan IsDomainIP. Hasil visualisasi melalui PCA dan t-SNE menunjukkan pemisahan klaster yang sangat jelas, mengonfirmasi bahwa kombinasi sederhana dari dua fitur dapat secara efektif membedakan URL phishing dari URL normal. Penelitian ini membuktikan bahwa K-Means Clustering menawarkan solusi yang lebih adaptif dibandingkan metode berbasis daftar hitam dalam deteksi phishing, dengan kemampuan mengenali pola serangan baru tanpa memerlukan data berlabel.
Perbandingan Akurasi LSTM, ARIMA dan Random Forest untuk Prediksi Harga Beras Medium Indonesia Cahyani, Oktaria Indi; Sitompul, Tua Delima; Faizul Anwar Wandi; Cellia Auzia Nugraha; Nur Fadhilah; Haviluddin; Novianti Puspitasari
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 5 No. 1 (2026): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v5i1.4300

Abstract

Penelitian ini menyelidiki efektivitas peramalan harga rata-rata nasional beras medium II menggunakan data mingguan (Januari 2022–Desember 2024) dengan membandingkan tiga metode: ARIMA, Random Forest (RF), dan Long Short-Term Memory (LSTM). Proses studi meliputi prapemrosesan data, pengembangan model, dan evaluasi menggunakan metrik RMSE, MAE, dan MAPE. Meskipun ARIMA cocok untuk pola linear dan LSTM efektif untuk ketergantungan jangka panjang, Random Forest menunjukkan kinerja superior dalam menangani pola nonlinier dan fluktuasi harga. Hasil evaluasi menunjukkan RF mencapai akurasi tertinggi dengan RMSE 0,08, MAE 0,06, dan MAPE 0,38%, mengungguli LSTM (MAPE 0,51%) dan ARIMA (MAPE 0,73%). Berdasarkan keunggulan ini, RF digunakan untuk memprediksi harga dalam dua belas minggu mendatang, menghasilkan estimasi yang stabil antara Rp15.322 hingga Rp15.326. Penemuan ini menyoroti efektivitas metode ensemble learning (Random Forest) dalam peramalan harga pangan dan ditujukan sebagai dasar rekomendasi kebijakan stabilisasi harga beras nasional.