Article Per Year (5 Year)
p-Index From 2021 - 2026
4.245
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 JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) 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 : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 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.
Perbandingan Kinerja Algoritma Machine Learning dalam Klasifikasi Sentimen Komentar Publik terhadap Pelayanan Perpajakan Kurniawan, Dadang; Gata, Windu; Asra, Taufik
Journal of Information System Research (JOSH) Vol 7 No 2 (2026): January 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v7i2.9164

Abstract

Early identification of malignant transformation in oral leukoplakia is crucial to prevent progression to Oral Squamous Cell Carcinoma (OSCC). However, conventional clinical assessment still faces limitations in terms of accuracy and interpretability, highlighting the need for reliable and transparent predictive approaches. This study aims to evaluate the performance of interpretable machine learning models in predicting malignant transformation of oral leukoplakia and OSCC based on clinical and histopathological data. A retrospective dataset consisting of 237 patient medical records was analyzed using several interpretable models, including Explainable Boosting Machine (EBM), Generalized Additive Models (GAM), and Symbolic Regression, and compared with black-box models such as Random Forest and Deep Neural Network. Model performance was evaluated using accuracy, sensitivity, specificity, and area under the curve (AUC). The results demonstrate that interpretable models achieve competitive predictive performance compared to black-box models while offering superior transparency and interpretability. Feature contribution analysis indicates that histopathological characteristics are the most influential factors in malignancy prediction. These findings suggest that interpretable machine learning models have strong potential as clinical decision support systems for early oral cancer detection.
TREN PUBLIKASI ANALISIS KEBIJAKAN PEMERINTAH MELALUI MEDIA SOSIAL: TINJAUAN LITERATUR SISTEMATIS Antonius Yadi Kuntoro; Riza Fahlapi; Dedi Dwi Saputra; Hermanto Hermanto; Taufik Asra; Tommy Aditya; Mahesa Adiputra; Wildan Rachimsah; Ahmad Fadhil Nanjaya
Jurnal Ilmu Komputer (JUIK) Vol 6, No 1 (2026): February 2026
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v6i1.4620

Abstract

Penelitian ini berfokus pada pemetaan perkembangan dan tren terkini dalam analisis sentimen berbasis machine learning (ML), khususnya dalam konteks evaluasi kebijakan pemerintah. Dengan menggunakan pendekatan Systematic Literature Review (SLR), sebanyak 634 artikel ilmiah yang terindeks di Scopus dan Web of Science dalam periode 2021–2025 dianalisis untuk mengidentifikasi tren terkini dalam penggunaan machine learning untuk analisis sentimen, serta aplikasinya dalam evaluasi kebijakan pemerintah. Analisis dilakukan menggunakan alat pemetaan bibliometrik Vosviewer dan CiteSpace, yang memungkinkan identifikasi dan pemetaan klaster-topik yang dominan dalam bidang ini. Hasil penelitian menunjukkan bahwa terdapat sembilan klaster utama dalam kajian analisis sentimen, di antaranya deep learning models, transformer-based models (BERT, GPT), dan real-time sentiment analysis. Di antara klaster-klaster tersebut, deep learning models menjadi pendekatan yang paling dominan, menandakan peningkatan signifikan dalam akurasi dan efisiensi analisis sentimen, yang sangat relevan untuk evaluasi kebijakan pemerintah, terutama dalam menangkap respons publik secara real-time. Penelitian ini memberikan kontribusi penting dengan memperluas pemahaman tentang perkembangan teknologi dalam analisis sentimen serta aplikasinya yang semakin berkembang dalam konteks politik dan kebijakan publik. Namun, penelitian ini juga memiliki keterbatasan terkait dengan cakupan sumber data yang terbatas hanya pada dua database utama, yakni Scopus dan Web of Science, yang mungkin tidak mencakup keseluruhan literatur terkait. Oleh karena itu, penelitian selanjutnya disarankan untuk memperluas cakupan dengan memasukkan database lain seperti EBSCO dan IEEE Xplore guna mencapai pemahaman yang lebih komprehensif dan mendalam terkait tren perkembangan analisis sentimen dalam kajian kebijakan pemerintah.
ANALISIS LINIER BERGANDA PENGARUH HARGA DAN RATING PRODUK TERHADAP VOLUME PENJUALAN PADA PLATFORM E-COMMERCE SHOPEE Antonius Yadi Kuntoro; Riza Fahlapi; Dedi Dwi Saputra; Hermanto Hermanto; Taufik Asra; Tommy Aditya; Mahesa Adiputra; Wildan Rachimsah; Ahmad Fadhil Nanjaya
Jurnal Ilmu Komputer (JUIK) Vol 6, No 1 (2026): February 2026
Publisher : Universitas Muhammadiyah Gorontalo

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

Abstract

Perkembangan e-commerce di Indonesia mendorong pelaku usaha untuk bersaing dalam menawarkan produk yang tidak hanya berkualitas, tetapi juga kompetitif dari segi harga dan ulasan konsumen. Penelitian ini bertujuan untuk menganalisis pengaruh harga dan rating produk terhadap volume penjualan pada platform Shopee, dengan studi kasus pada toko Sista Footwear. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis regresi linier berganda berdasarkan data dari 100 produk selama Januari hingga Maret 2025. Teknik pengumpulan data menggunakan teknik pengumpulan data dilakukan melalui metode dokumentasi, dengan mencatat data sekunder secara manual dari halaman produk di toko Sista Footwear di platform Shopee meliputi harga produk, rating produk (skala 1–5), jumlah produk yang terjual untuk menjamin validitas data, proses pencatatan dilakukan berulang (cross-check) pada waktu yang berbeda guna mengantisipasi perubahan dinamis pada platform e-commerce. Teknik analisis data dilakukan dengan menggunakan model regresi linier berganda untuk mengetahui pengaruh harga (X₁) dan rating (X₂) terhadap volume penjualan (Y) dengan melakukan analisis regresi, dilakukan uji asumsi klasik yang meliputi uji normalitas, uji multikolinearitas, dan uji heteroskedastisitas, untuk memastikan tidak adanya varians residual yang tidak konstan,. Berdasarkan model regresi diketahui hasil analisis menunjukkan bahwa harga memiliki pengaruh negatif signifikan terhadap volume penjualan karena setiap kenaikan harga Rp 1 menurunkan penjualan sebesar 0,000175 unit, sedangkan rating produk berpengaruh positif signifikan karena setiap kenaikan 1 poin rating meningkatkan penjualan sebesar 18,57 unit, serta model menjelaskan 5,9% bahwa variabel harga dan rating secara simultan menjelaskan variasi penjualan. Temuan ini menekankan pentingnya strategi penetapan harga yang tepat serta upaya peningkatan kepuasan pelanggan melalui rating yang tinggi untuk meningkatkan penjualan di e-commerce.
Co-Authors -, Nur Muhammad Hariadi Ade Christian Ahmad Fadhil Nanjaya Ahmad Setiadi Ahmad Sinnun, Ahmad Andi Taufik Ani Nuriska Safitri Anton . Antonius Yadi Kuntoro Bakhtiar Rifai, Bakhtiar Bambang Wijonarko Brian Surya Jaya Dadang Kurniawan 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 Mahesa Adiputra 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 Tommy Aditya Waeisul Bismi Wahono, Hermanto Wahyutama Fitri Hidayat Wildan Rachimsah