Article Per Year (5 Year)
p-Index From 2021 - 2026
3.624
P-Index
This Author published in this journals
All Journal Semesta Teknika Indonesian Journal on Software Engineering (IJSE) Jurnal Teknik Komputer AMIK BSI Jurnal Pilar Nusa Mandiri Jurnal ULTIMA Computing JURNAL PENDIDIKAN TAMBUSAI Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Informatika Kaputama (JIK) Jurnal Mantik INTI Nusa Mandiri JIKA (Jurnal Informatika) Jurnal Infortech Reputasi: Jurnal Rekayasa Perangkat Lunak SPEED - Sentra Penelitian Engineering dan Edukasi J-Intech (Journal of Information and Technology) Jurnal Multidisiplin Madani (MUDIMA) Jurnal Ilmu Komputer Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Manuhara: Pusat Penelitian Ilmu Manajemen Dan Bisnis Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Media Teknologi dan Informatika
Taufik Asra
Universitas BIna Sarana Informatika
Aerospace Engineering Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Neuroscience Social Sciences Transportation Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
Monitoring Keamanan Data Pada Website Dengan Metode Sniffing Wireshark Pada SMK Cengkareng 1 Syaputra, Romi; Asra, Taufik
Media Teknologi dan Informatika Vol. 2 No. 2 (2025): Desember
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/mti.v2i2.5669

Abstract

Di era digital saat ini, keamanan data menjadi hal yang sangat penting, terutama bagi institusi pendidikan yang sering berinteraksi dengan data sensitif siswa dan guru. Wireshark adalah alat analisis paket sumber terbuka yang digunakan untuk menganalisis lalu lintas jaringan dan mendeteksi potensi kebocoran data. Dalam hal ini Siswa belum mengetahui website yang aman dan tidak aman untuk di akses maka perlu yang namanya Pemantauan keamanan pada website, pemantauan bini sangat penting untuk melindungi informasi sensitif, dan mendeteksi kemungkinan kebocoran data. metode sniffing dan pemantauan menggunakan wireshark. Hasil penelitian menunjukkan bahwa banyak siswa SMK Cengkareng 1 yang tidak menyadari pentingnya keamanan data dan risiko yang terkait dengan penggunaan protokol HTTP. Penerapan Wireshark memungkinkan pemantauan lalu lintas jaringan secara efektif dan identifikasi potensi kebocoran data. Selain itu, penelitian ini juga menyoroti pentingnya penggunaan protokol HTTPS sebagai langkah untuk meningkatkan keamanan data. Studi ini memberikan kontribusi dalam bentuk rekomendasi praktis untuk meningkatkan kesadaran para siswa akan pentingnnya keamanan data, penelitian ini diharapkan dapat membantu siswa dalam mengelola keamanan data dengan lebih efektif.
Perbandingan Algoritma Random Forest, SVM, dan Naïve Bayes dalam Analisis Sentimen Ulasan Spotify di Play Store Berbasis SMOTE Lasuci Prastia, Anjas; Asra, Taufik
Jurnal Informatika Kaputama (JIK) Vol 10 No 1 (2026): Volume 10, Nomor 1, Januari 2026
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v10i1.1157

Abstract

Kemajuan teknologi informasi sudah mendukung pemanfaatan aplikasi mobile secara masif, yang di dalamnya adalah bidang hiburan digital seperti Spotify. Tanggapan pemakaian atas aplikasi ini di Google Play Store mencerminkan opini yang dapat diuraikan untuk mengevaluasi kepuasan konsumen. Di antara pendekatan yang digunakan adalah analisis sentimen, namun mekanisme klasifikasi sering terkendala oleh ketidakseimbangan data. Pengkajian ini bermaksud guna mengetahui bentuk algoritma mana yang paling akurat dalam mengklasifikasikan sentimen pengguna terhadap aplikasi Spotify, yaitu antara algoritma Random Forest, Support Vector Machine (SVM), dan Naïve Bayes. Metode penelitian meliputi pengumpulan data, pelabelan, preprocessing, pembagian data, penyeimbangan data menggunakan teknik SMOTE, pemodelan algoritma, dan evaluasi performa. Hasil evaluasi menerangkan bahwa algoritma SVM memberikan kinerja terbaik pada akurasi 85,10% dan nilai AUC 0,91. Hal ini membuktikan bahwa SVM lebih unggul dibandingkan algoritma lainnya dalam mengategorikan sentimen tanggapan aplikasi Spotify.
Co-Authors -, Nur Muhammad Hariadi Ade Christian Ahmad Setiadi Ahmad Sinnun, Ahmad Andi Taufik Ani Nuriska Safitri Anton . Antonius Yadi Kuntoro Bakhtiar Rifai, Bakhtiar Bambang Wijonarko Brian Surya Jaya Dedi Dwi Saputra Eko Yulianto Esron Rikardo Nainggolan Fahlapi, Riza Febrianti, Serlyn Felix Wuryo Handono Feriyansah, Ari Pranandi Ferry Syukmana Fitri Latifah, Fitri Gata, Windu Hafis Nurdin Hairadifa, Rifka Putri Hani Harafani Hermanto Hermanto Hermanto Hermanto Hermanto Hermanto Hermanto Hermanto Hermanto Wahono Irwan Agus Sobari Khiyarana Fayziyah Lasman Effendi Lasuci Prastia, Anjas Mahgribi, Muhammad Ilham Mawalda Azharah Maysaroh, Maysaroh Muhammad Rofi’i - STMIK Nusa Mandiri Jakarta Nadia Septia Aisyah Nurajijah, Nurajijah Nurpiansyah, M. Alfi Ridatu Oca Nitra Ridatu Ocanitra Rikardo Nainggolan, Esron Riza Fahlapi RIZA FAHLAPI Saputra, Dedi Dwi Siti Anisah Siti Fauziah Siti Nur Khasanah Sobari, Irwan Agus Sudibyo, Aji Sukmawati, Alfiani Sulistyowati, Daning Nur Syaputra, Romi Waeisul Bismi Wahono, Hermanto Wahyutama Fitri Hidayat