Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal Jusikom : Jurnal Sistem Komputer Musirawas Kresna: Jurnal Riset dan Pengabdian Masyarakat Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) JRIIN :Jurnal Riset Informatika dan Inovasi
Jatmiko Althaf Aziz
Universitas Negeri Medan
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Desain Model Matematika Deterministic Finite Automata (DFA) untuk Validasi Keamanan Alur Transaksi Finansial pada Mesin Anjungan Tunai Mandiri (ATM) Perbankan Zulfahmi Indra; Christian Nicholas Sinaga; Lastri Putri Silaban; Jatmiko Althaf Aziz; Callysa Elistia; Azis Kurniadi; Zevan Irfandi Surbakti
KRESNA: Jurnal Riset dan Pengabdian Masyarakat Vol 6 No 1 (2026): Jurnal KRESNA Mei 2026
Publisher : DRPM Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/kresna.v6i1.314

Abstract

Perkembangan layanan perbankan digital meningkatkan pentingnya keamanan pada sistem transaksi Automatic Teller Machine (ATM). Penelitian ini bertujuan merancang model matematika berbasis Deterministic Finite Automata (DFA) untuk memvalidasi urutan proses transaksi ATM serta mencegah terjadinya penyimpangan alur transaksi. Model yang diusulkan merepresentasikan setiap tahapan transaksi sebagai state dan setiap aksi pengguna sebagai transisi yang bersifat deterministik. Metode penelitian meliputi pengumpulan data melalui studi literatur dan dokumentasi teknis, analisis kebutuhan menggunakan pendekatan 5W1H, pemodelan formal DFA, implementasi menggunakan bahasa pemrograman Python, serta pengujian logika melalui berbagai skenario transaksi. Model DFA dibangun menggunakan struktur 5-tuple dan dilengkapi dengan error state untuk menangani input yang tidak sesuai dengan aturan sistem. Hasil pengujian menunjukkan bahwa model mampu membedakan alur transaksi yang valid dan tidak valid secara efektif. Skenario transaksi normal berhasil diterima hingga mencapai final state, sedangkan percobaan bypass dan penyimpangan urutan transaksi berhasil ditolak melalui mekanisme trap state. Model yang dikembangkan memiliki keunggulan berupa kepastian logika, kemampuan validasi alur transaksi, dan efisiensi komputasi yang tinggi, meskipun masih memiliki keterbatasan pada aspek fleksibilitas dan validasi berbasis waktu.
Penerapan K-Means Clustering untuk Identifikasi Pola Iklim Stasiun Cuaca Indonesia Menggunakan Data NOAA Global Surface Summary of the Day (GSOD) Andly Sofian Hasugian; Jatmiko Althaf Aziz; Nayla Anjani Nasution
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.941

Abstract

Perubahan iklim yang terjadi secara global menuntut adanya analisis data cuaca yang lebih sistematis dan terstruktur, khususnya untuk wilayah Indonesia yang memiliki keragaman iklim tinggi akibat pengaruh geografis kepulauan. Penelitian ini menerapkan algoritma K-Means Clustering untuk mengidentifikasi pola iklim stasiun cuaca di Indonesia menggunakan dataset NOAA Global Surface Summary of the Day (GSOD) yang diakses secara langsung melalui Application Programming Interface (API) resmi NOAA NCEI. Sebanyak 87 stasiun cuaca aktif di seluruh Indonesia digunakan sebagai objek penelitian dengan periode pengamatan tahun 2023, menghasilkan 50.232 records data mentah. Variabel yang digunakan mencakup suhu maksimum, suhu minimum, suhu rata-rata harian, dan curah hujan. Normalisasi data dilakukan menggunakan metode StandardScaler sebelum proses clustering. Penentuan jumlah cluster optimal menggunakan Elbow Method menghasilkan nilai K=4, ditandai dengan penurunan inertia (WCSS) yang signifikan dari 72.33 (K=4) dibanding 132.02 (K=3). Hasil clustering mengelompokkan 87 stasiun ke dalam empat cluster: Cluster 0-Tropis Basah Sedang (38 stasiun, 43.7%), Cluster 1-Dataran Tinggi Sejuk (4 stasiun, 4.6%), Cluster 2-Tropis Panas Basah (43 stasiun, 49.4%), dan Cluster 3-Tropis Curah Hujan Ekstrem (2 stasiun, 2.3%). Hasil penelitian divisualisasikan dalam peta interaktif berbasis Folium yang menampilkan distribusi spasial cluster secara geografis. Pendekatan berbasis API ini membuktikan efisiensi akses big data skala petabyte tanpa proses unduhan massal.
Desain dan Implementasi Algoritma Decision Tree untuk Klasifikasi Kategori Obesitas Yusrida Jelianti Sihite; Andika Veriando Saragih; Jatmiko Althaf Aziz
Jurnal Riset Informatika dan Inovasi Vol 3 No 12 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Perkembangan teknologi machine learning memungkinkan pengklasifikasian data kesehatan secara cepat dan akurat. Penelitian ini bertujuan menerapkan algoritma Decision Tree untuk klasifikasi kategori obesitas berdasarkan variabel tinggi badan, berat badan, dan Indeks Massa Tubuh (BMI). Dataset terdiri dari 200 sampel individu yang telah dibersihkan dan diberi label kategori obesitas: Underweight, Normal weight, Overweight, dan Obese. Model Decision Tree dioptimasi dengan pembatasan kedalaman (max_depth=5) untuk mengurangi overfitting dan meningkatkan kemampuan generalisasi. Evaluasi menggunakan data testing menghasilkan akurasi 99,5%, sementara rata-rata cross-validation 5-fold mencapai 0,995. Analisis feature importance menunjukkan bahwa BMI merupakan variabel dominan dalam klasifikasi, sedangkan tinggi badan dan berat badan tidak memberikan kontribusi tambahan. Visualisasi pohon keputusan memperlihatkan jalur klasifikasi yang jelas dan mudah diinterpretasikan, mendukung implementasi model sebagai Decision Support System (DSS) untuk identifikasi awal risiko obesitas. Penelitian ini menegaskan efektivitas Decision Tree dalam klasifikasi kategori obesitas dan konsistensinya dengan literatur sebelumnya, sekaligus memberikan dasar untuk pengembangan model yang lebih kompleks dengan menambahkan fitur pola makan, aktivitas fisik, atau algoritma ensemble.
Platform Web Promosi Bisnis Mahasiswa Terintegrasi Firebase dan WhatsApp YUSRIDA JELIANTI SIHITE SIHITE; Jatmiko Althaf Aziz; Andika Veriando Saragih; Debi Yandra Niska
Jusikom : Jurnal Sistem Komputer Musirawas Vol. 11 No. 1 (2026): Jurnal Sistem Komputer Musirawas JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusikom.v11i1.3146

Abstract

This study was motivated by the challenges of student business promotion, which is still primarily conducted through social media and WhatsApp groups, making business information difficult to access and poorly organized. This study aims to develop a web-based student business promotion platform integrated with WhatsApp and a popularity-based recommendation system to help users discover the most preferred businesses. The research methods included observation, interviews, and literature review to analyze system requirements, while the system development adopted the Waterfall method consisting of analysis, design, implementation, and testing phases. The system was developed using Node.js, Firebase Realtime Database, and Bootstrap. The main features include user registration, business data management, business search, WhatsApp integration, and a popularity-based recommendation system utilizing user interaction data. The integration of Firebase and WhatsApp enables responsive and real-time data management and communication. System testing was conducted using Black Box Testing and usability testing involving 50 students from Universitas Negeri Medan. The results showed a 100% success rate for all main features, while usability testing achieved an average score of 4.17, categorized as high. The findings indicate that the system effectively supports structured student business promotion, simplifies business information access, and improves communication effectiveness between users and business owners.
Co-Authors Andika Veriando Saragih Andly Sofian Hasugian Azis Kurniadi Callysa Elistia Christian Nicholas Sinaga Lastri Putri Silaban Nayla Anjani Nasution Niska, Debi Yandra Yusrida Jelianti Sihite YUSRIDA JELIANTI SIHITE SIHITE Zevan Irfandi Surbakti Zulfahmi Indra, Zulfahmi