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)
Azis Kurniadi
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.
Analisis Big Data Satelit GOES-19 Deteksi Dini Cuaca Ekstrem: Studi Kasus Karibia, Implikasinya untuk Indonesia Rodo Lemuel Nadeak; Sevta Triwana Simamora; Azis Kurniadi
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.v5i1.949

Abstract

Perubahan iklim global telah meningkatkan frekuensi dan intensitas cuaca ekstrem di wilayah tropis, dengan Karibia mengalami intensifikasi siklon tropis dan Indonesia menghadapi peningkatan hujan ekstrem serta banjir. Meskipun kemajuan telah dicapai dalam pemanfaatan data satelit dan machine learning, masih terdapat kesenjangan penelitian yang mengintegrasikan big data satelit GOES-19 terbaru dengan karakterisasi pola awan tropis secara lintas wilayah, khususnya untuk adaptasi di Indonesia. Penelitian ini bertujuan mengidentifikasi pola awan tropis menggunakan analisis big data satelit GOES-19 di wilayah Karibia sebagai studi kasus serta mengeksplorasi implikasinya terhadap sistem deteksi dini cuaca ekstrem di Indonesia. Metode yang diterapkan adalah pendekatan kuantitatif berbasis big data dengan teknik unsupervised machine learning berupa algoritma MiniBatchKMeans. Data utama diperoleh dari produk ABI-L2-MCMIPF satelit NOAA GOES-19 melalui bucket AWS S3 untuk periode November 2024 pada koordinat 8°LU–30°LU dan 90°BB–60°BB, dengan ekstraksi lima channel ABI, praproses menggunakan xarray dan s3fs, normalisasi data, serta penentuan k=5 optimal melalui Elbow Method pada 2.308.961 piksel. Analisis komparatif dilakukan dengan data Himawari-9 untuk wilayah Indonesia dan divalidasi menggunakan jalur badai IBTrACS. Hasil penelitian mengungkapkan lima zona awan tropis yang stabil secara spasial dan temporal, dengan zona Awan Konvektif Dalam hanya 4,1% di Karibia pasca-badai namun mencapai 44% di Indonesia, serta perubahan distribusi yang konsisten selama fase aktif Hurricane Rafael, Sara, dan pasca-badai. Korelasi kuat ditemukan antara zona konvektif dengan jalur badai aktual, didukung Silhouette Score rata-rata 0,43–0,45. Studi ini berimplikasi pada pengembangan model prediksi cuaca berbasis satelit yang lebih adaptif dan akurat untuk Indonesia, sehingga dapat meningkatkan sistem peringatan dini BMKG terhadap bencana cuaca ekstrem di wilayah tropis.
Co-Authors Callysa Elistia Christian Nicholas Sinaga Jatmiko Althaf Aziz Lastri Putri Silaban Rodo Lemuel Nadeak Sevta Triwana Simamora Zevan Irfandi Surbakti Zulfahmi Indra, Zulfahmi