Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal TECHSI - Jurnal Teknik Informatika
Linhar P, Ade
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Other

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

Found 2 Documents
Search

 1 
Analisis Komparasi Algoritma Random Forest dan Support Vector Machine untuk Deteksi Intrusi Jaringan Fachri Satia Simbolon, Hasanal; Linhar P, Ade; Putra, Rafi Septiawan; Izhari, Fahmi
TECHSI - Jurnal Teknik Informatika Vol. 16 No. 2 (2025)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/techsi.v16i2.25811

Abstract

Meningkatnya kompleksitas serangan siber menuntut adanya sistem keamanan jaringan yang adaptif dan efisien. Intrusion Detection System (IDS) tradisional seringkali memiliki keterbatasan dalam mengenali pola serangan baru. Penelitian ini bertujuan untuk mengevaluasi kinerja dua algoritma Machine Learning, yaitu Random Forest (RF) dan Support Vector Machine (SVM), dalam mengklasifikasikan trafik jaringan normal dan serangan. Eksperimen dilakukan menggunakan dataset NSL-KDD dengan melibatkan seluruh 41 fitur melalui tahapan preprocessing, normalisasi, dan validasi data dengan rasio 80:20. Hasil pengujian menunjukkan bahwa algoritma Random Forest mengungguli SVM dengan tingkat akurasi mencapai 99.78%, presisi 1.00, dan recall 1.00. Sebaliknya, SVM mencatatkan akurasi sebesar 99.03%. Selain unggul dalam akurasi, Random Forest terbukti lebih efisien dengan waktu pelatihan (training time) rata-rata 3.72 detik, hampir dua kali lebih cepat dibandingkan SVM yang membutuhkan 6.61 detik. Berdasarkan hasil tersebut, Random Forest direkomendasikan sebagai algoritma yang lebih efektif untuk implementasi IDS pada lingkungan yang membutuhkan respons waktu nyata (real-time).
Perbandingan Algoritma Decision Tree dan Random Forest dalam Klasifikasi Kepuasan Pengguna Sistem Informasi Akademik : Studi Literatur: Indonesia Putra, Rafi Septiawan; Simbolon, Hasanal Fachri Satia; Linhar P, Ade; Izhari, Fahmi
TECHSI - Jurnal Teknik Informatika Vol. 16 No. 2 (2025)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/techsi.v16i2.25799

Abstract

Kepuasan pengguna merupakan salah satu indikator penting dalam menilai keberhasilan Sistem Informasi Akademik di perguruan tinggi. Berbagai penelitian telah menerapkan algoritma machine learning untuk mengklasifikasikan tingkat kepuasan pengguna, di antaranya Decision Tree dan Random Forest. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa kedua algoritma tersebut berdasarkan hasil penelitian terdahulu. Metode yang digunakan adalah studi literatur terhadap artikel nasional dan internasional yang dipublikasikan pada periode 2020–2025. Analisis dilakukan secara deskriptif dan komparatif dengan meninjau metrik performa seperti akurasi, presisi, dan recall. Hasil kajian menunjukkan bahwa Random Forest secara umum memiliki performa yang lebih unggul dan stabil dibandingkan Decision Tree, terutama dalam aspek akurasi. Namun, Decision Tree tetap memiliki keunggulan dalam hal interpretabilitas model. Oleh karena itu, pemilihan algoritma klasifikasi sebaiknya disesuaikan dengan tujuan analisis dan kebutuhan institusi.
Co-Authors Fachri Satia Simbolon, Hasanal Izhari, Fahmi Putra, Rafi Septiawan Simbolon, Hasanal Fachri Satia