Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Kresna: Jurnal Riset dan Pengabdian Masyarakat Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
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 : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 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.
Co-Authors Andly Sofian Hasugian Azis Kurniadi Callysa Elistia Christian Nicholas Sinaga Lastri Putri Silaban Nayla Anjani Nasution Zevan Irfandi Surbakti Zulfahmi Indra, Zulfahmi