cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Zulfan Zainal
Contact Email
zulfanzainal@serambimekkah.ac.id
Phone
+6281360353540
Journal Mail Official
jnkti@serambimekkah.ac.id
Editorial Address
Gedung H Fakultas Teknik Universitas Serambi Mekkah Jl. T. Imum Lueng Bata, Batoh, Kota Banda Aceh - Aceh
Location
Kota banda aceh,
Aceh
INDONESIA
Jurnal Nasional Komputasi dan Teknologi Informasi
Published by Universitas Serambi Mekkah Aceh
ISSN : 26208342     EISSN : 26213052     DOI : https://doi.org/10.32672/jnkti.v8i2
Core Subject : Science, Engineering,
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Transportation
Jurnal Nasional Komputasi dan Teknologi Informasi adalah jurnal nasional yang diterbitkan oleh Program Studi Teknik Komputer Universitas Serambi Mekkah tahun 2018 dan telah Terakreditasi SINTA 5. Jurnal ini terbit sebanyak enam edisi dalam satu tahun yaitu setiap bulan Februari, April, Juni, Agustus, Oktober dan Desember baik cetak (P-ISSN : 2620-8342) dan online (E-ISSN: 2621-3052). Jurnal ini mempublikasikan artikel-artikel ilmiah yang berkaitan dengan bidang Komputer dan Teknologi Informasi dengan scope Rekayasa Perangkat Lunak, Sistem Informasi, Jaringan Komputer, Elektronika dan Sistem Kontrol, Multimedia dan Pengolahan Citrat Digital serta bidang Komputer dan Informatika lainnya yang relevan. Artikel yang dikirimkan ke JNKTI dapat ditulis dalam Bahasa Indonesia atau Bahasa Inggris. Setiap artikel yang dipublikasi dalam jurnal ini akan direview terlebih dahulu dengan metode Peer-Review dan hanya artikel yang memenuhi syarat yang akan dipublikasikan. Artikel-artikel yang telah dipublikasikan oleh JNKTI juga sudah diindeks oleh beberapa lembaga indeksasi seperti Google Scholar, Garuda, CrossRef, BASE, Moraref dan SINTA. Bidang bidang fokus penelitian yang akan dipublikasi dalam jurnal ini antara lain : Bidang Rekayasa Perangkat Lunak Bidang Jaringan Komputer Bidang Multimedia dan Pengolahan Citra Digital Bidang Komputasi Bidang Sistem dan Teknologi Informasi Bidang Kecerdasan Buatan Multidisiplin ilmu lainnya yang relevan
Arjuna Subject : Teknik (semua kategori) - Teknik Kontrol dan Sistem
Articles 1,300 Documents
 43   44   45   46   47 
Klasifikasi Pasien Persalinan Caesar Menggunakan Metode Nave Bayes Berbasis Forward Selection Muh Faisal; Bahrin Dahlan; Rahmat Thaib
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 6 (2023): Desember 2023
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i6.7143

Abstract

Abstrak - Hasil observasi di lingkungan rumah maupun kantor yakni cukup banyak ibu hamil yang akhirnya melakukan operasi caesar. Ada beberapa penyebab seorang ibu hamil melakukan caesar. Pertama, faktor kesehatan ibu. Kedua, faktor janin. Ketiga adalah faktor gabungan dari faktor ibu dan janin. Faktor-faktor tersebut menjadi indikasi apakah persalinan akan dilakukan dengan mutlak atau mungkin juga bisa menjadi relatif. Pada penelitian ini akan menerapkan metode Naive Bayes dengan optimasi forward selection untuk mendapatkan klasifikasi persalinan caesar dengan lebih optimal dimana hasil yang didapatkan penelitian sebelumnya terhadap prediksi ibu melahirkan hanya mendapat akurasi 88%. Nave Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik. Dari sembilan atribut yang digunakan yaitu Gravid Aterm, Riwayat SC, Posisi Bayi, Bayi Besar, Plasenta, Ketuban, Penyakit Ibu, Gemelli, dan Inpatu lalu dengan menggunakan algoritma Naive Bayes berbasis Forward Elimination didapatkan empat atribut weight yaitu Gravid Aterm, Bayi Besar, Ketuban dan t Gemelli dalam mengklasifikasi partus atau persalinan caesar. Secara mandiri tingkat akurasi yang dihasilkan algoritma Naive Bayes adalah 93,33 %. Sedangkan dengan menambahkan seleksi fitur Forward Elimination menghasilkan akurasi 94% dalam klasifikasi pasien persalinan Caesar. Dengan demikian, metode Naive Bayes berbasis Forward Elimination dapat digunakan sebagai metode yang lebih optimal dari penelitian sebelumnya.Kata Kunci: Nave Bayes, Forward Selection, CaesarAbstract -The results of observations in the home and office environment are quite a lot of pregnant women who end up doing cesarean sections. There are several causes of a pregnant woman doing a cesarean. First, the maternal health factor. Secondly, fetal factors. Third is the combined factor of maternal and fetal factors. These factors are an indication of whether labor will be done absolutely or maybe it can also be relative. This study will apply the Naive Bayes method with forward selection optimization to get a more optimal classification of cesarean delivery where the results obtained by previous studies on the prediction of childbirth only got 88% accuracy. Nave Bayes is a classification by probability and statistical methods. Of the nine attributes used, namely Gravid Aterm, SC History, The position of the Baby, Big Baby, Placenta, Amniotic, Maternal Disease, Gemelli, and Inpatu then using the Naive Bayes algorithm based on Forward Elimination obtained four weight attributes, namely Gravid Aterm, Big Baby, Amniotic and Gemelli t in classifying partus or cesarean delivery. Meanwhile, by adding the Forward Elimination feature selection resulted in 94% accuracy in the classification of Cesarean delivery patients. Thus, the Naive Bayes method based on Forward Elimination can be used as a more optimal method than previous studies.Keywords : Nave Bayes Forward Selection Caesar
Sistem Pendukung Keputusan Pemilihan Tentor Terbaik Dengan Metode Technique For Order Preference By Similarity To Ideal Solution (Topsis) Larisma Situmorang; Jijon Raphita Sagala
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 3, No 3 (2020): Desember 2020
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v3i3.2418

Abstract

Abstrak— Tentor adalah Sumber daya manusia yang merupakan bagian yang sangat terpenting bagi tumbuh kembangnya sebuah Bimbingan Belajar. Bimbingan Belajar yang berkembang dengan baik sangatlah  dipengaruhi oleh kualitas sumber daya manusia, yang dalam hal ini adalah tentor  yang bekerja di dalam sebuah Bimbingan Belajar tersebut. Oleh karena itu, dilakukan pemilihan tentor terbaik menggunakan Metode sistem Keputusan Pemilihan Tentor Terbaik di Bimbingan Manna adalah Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Sistem Pendukung Keputusan yang dibangun  dapat membantu serta memudahkan pihak bimbingan belajar manna terutama ketua dalam mengambil sebuah keputusan pemilihan tentor terbaik yang dirancang dengan aplikasi berbasis website dan dengan database phpmyadmin. Form  nilai matrik adalah form yang paling penting, karena didalam form  ini dilakukan perhitungan dengan langkah-langkah perhitungan metode Topsis mulai dari awal, Nilai Matrik, Nilai Matrik Normalisasi, Nilai Bobot Normalisasi, Matrik Ideal Positif/Negatif, Jarak Solusi Ideal Positif/Negatif, Nilai Preferensi.
Klasifikasi Sentimen Terhadap Maxim Menggunakan Algoritma SVM Pada Media Sosial Twitter Anggi Pranata; Elvia Budianita; Yusra Yusra; Eka Pandu Cynthia
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4253

Abstract

Abstrak - Twitter merupakan media sosial yang penggunanya paling pesat. Seiring perkembangan waktu, setiap ojek online memiliki popularitas di masing-masing user. Contoh saja Maxim, pendatang baru yang menyediakan layanan yang berbeda dengan ojek lain. Salah satu aktivitas yang biasa dilakukan para fans atau haters kepada akun twitter ojek online yaitu memberikan komentar pada tweet, untuk mengetahui komentar para fans dan haters diperlukan klasifikasi dengan menggunakan machine learning. Pada penelitian ini, langkah pertama adalah dilakukan proses sortir dan pemberian label pada data tersebut. Hasilnya akan tercipta 3 label yaitu label data positif, netral dan label data negatif dengan jumlah 1200 data. Selanjutnya melakukan analisa preprocessing data yang meliputi case folding, cleansing data, tokenizing, filtering dan stemming. Lalu dilakukan pembobotan dengan metode TF-IDF dan diklasifikasikan dengan metode Support Vector Machine. Hasil pengujian dilakukan dengan metode Confussion Matrix, berdasarkan hasil pengujian diperoleh akurasi terbaik pada perbandingan data 90:10 sebesar 85% dengan menggunakan Kernel RBF dan Polynomial, dilanjutkan dengan kernel Sigmoid sebesar 82,5% dimana hasil klasifikasi didominasi kalimat positif.Kata kunci: analisis sentiment, klasifikasi, ojek online, support vector machine, twitter Abstract - Twitter is one of the Social Medias which has a rapid user. Over the time, every Ojek Online, has its own popularity among their users. Maxim, for instance, a newcomer which provides a different service from other online motorcycle taxies. One of the activities which is always do by the fans or haters toward twitter account of online motorcycle taxies is giving comments on tweet. To identify the comments from fans or haters is required classification by using Machine Learning. In this research, the first step was sorting process and labelling the data. As the result 3 labels would have created, which were positive data label, neutral data label, and negative data label with total of 1200 data. The next step was conducting the analysis of preprocessing data which included case folding, data cleansing, tokenizing, filtering and stemming. Then, the weighting was carried out using the TF-IDF method and classified by the Support Vector Machine method. The test results were carried out using the Confusion Matrix method, based on the test results, the best accuracy was obtained at a data comparison of 90:10 by 85% using the RBF Kernel and Polynomial, followed by the Sigmoid kernel of 82.5% where the classification results were dominated by positive sentences.Key word: classification, Ojek Online, sentiment analysis, support vector machine, twitter
Simulasi Latihan Menembak Menggunakan Unity 3D Berbasis Android di Yonzipur 9 Matias Restu Wibowo; Wildan Wiguna
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 6 (2022): Desember 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i6.5390

Abstract

Abstrak - Kegiatan latihan simulasi menembak dilakukan untuk mempelajari kembali teknik-teknik dasar menembak dan karakter senjata. Latihan menembak biasanya diawali dengan penyampaian beberapa materi pengetahuan kesenjataan. Salah satu masalah mendasar dalam dunia pendidikan militer adalah proses pelatihan yang memerlukan teknik membidik hingga menekan picu atau lebih dikenal dengan nabitepi yang benar. Penyampaian materi pada pelatihan tersebut kurang mendapatkan respon positif dari para prajurit TNI di Batalyon Zeni Tempur (Yonzipur) 9. Konstribusi pada penelitian ini bertujuan untuk menyajikan solusi latihan menembak senjata yang dikembangkan menggunakan game engine Unity 3D. Game engine ini sering diimplementasikan untuk membuat simulasi dan pemodelan di smartphone dengan sistem operasi Android. Metode pengembangan aplikasi yang digunakan yaitu model Game Development Life Cycle (GDLC). Pada penelitian ini dihasilkan game jenis First-Person Shooter (FPS) yang bermanfaat dalam melengkapi sarana bahan ajar menembak dan persenjataan. Hasil penyebaran kuesioner dari prajurit Yonzipur 9 pada beta testing diperoleh seluruh aspek game simulasi latihan menembak senjata telah memenuhi interpretasi kategori ‘Sangat Layak’. Dapat disimpulkan bahwa game yang dikembangkan pada penelitian ini dinyatakan sangat layak digunakan dan dirilis pada platform Android.Kata kunci : Simulasi Menembak Senjata, Game Engine Unity 3D, Game FPS Android, Model GDLC, Yonzipur 9 Abstract - Shooting simulation training activities are carried out to re-learn basic shooting techniques and weapons characteristics. Shooting training usually begins with the delivery of some weapons knowledge material. One of the fundamental problems in the world of military education is the training process that requires aiming techniques to pressing the trigger or better known as the correct prophet edge. The delivery of the material in the training did not get a positive response from the TNI soldiers in the Combat Engineer Battalion (Yonzipur) 9. The contribution of this study aims to present a weapon shooting training solution developed using the Unity 3D game engine. This game engine is often implemented to create simulations and modeling on smartphones with the Android operating system. The application development method used is the Game Development Life Cycle (GDLC) model. In this study, a First-Person Shooter (FPS) type game was produced which was useful in complementing the means of shooting teaching materials and weapons. The results of distributing questionnaires from Yonzipur 9 soldiers in beta testing showed that all aspects of the shooting training simulation game had met the interpretation of the 'Very Eligible' category. It can be concluded that the game developed in this study is declared very suitable for use and released on the Android platform.Keywords : Gun Shooting Simulation, Unity 3D Game Engine, Android FPS Game, GDLC Model, Yonzipur 9
Sistem Informasi Pengelolaan Data Kelompok Tani Di Desa Nibaaf Berbasis Android Menggunakan Metode Waterfall Maria Agusta Nining Fallo; Yoseph P.K Kelen; Risald Risald; Leonard P Gellu
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 2 (2024): April 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i2.7513

Abstract

Abstrak - Kelompok Tani adalah kumpulan petani yang dibentuk atas dasar kesamaan, kepentingan, kondisi lingkungan, dan keakraban untuk meningkatkan dan mengembangkan usaha anggota kelompok tani biasanya terdiri dari pengurus dan anggota, yang memiliki tujuan untuk meningkatkan hasil pertanian serta taraf hidup para petani khususnya dikelompok tani masing-masing. Seiring berkembangnya zaman, pemanfaatan teknologi Informasi dan Komunikasi (TIK) dapat menjadi salah satu strategi yang dapat memudahkan dan mewujudkan hal tersebut. Metode yang digunakan yaitu metode waterfall merupakan metode yang menyediakan pendekatan alur hidup perangkat lunak secara sekuensial atau terurut. Proses pembuatannya mengikuti alur mulai dari analisis, desain,kode, pengujian dan pemeliharaan. Hasil penelitian menunjukan bahwa aplikasi sistem informasi pengelolaan data kelompok tani bes’ana di Desa Nibaaf sudah berhasil dibangun dengan menggunakan tahapan-tahapan yang ada dalam metode waterfall dan sistem informasi pengelolaan data kelompok tani yang dibangun dapat membantu masyarakat Desa Nibaaf dalam pengelolaan data maupun laporan yang lebihh baik dibandingkan sistem sebelumnya.Kata Kunci : Kelompok Tani, Sistem Informasi, Waterfall, Android Abstract - Farmer groups are groups of farmers formed on the basis of  similarities, interests, environmental conditions and familiarity to improve and develop the business of farmer group members, usually consisting of administrators and members, whose aim is to increase agricultural output and the standard of living of farmers, especially in their respective farmer groups.each, As time progresses, the use of Information and Communication Technology(ICT) can be a strategy that can facilitate and make this happen . The method used is the waterfall method, which is a method that provides a sequential or ordered software life flow approach.The creation process follows a flow starting from analysis, design, code, testing and maintenance. The results of the research show that the Bes’ana farmer group data management information system application in Nibaaf Village has been successfully built  using the stages in the waterfall method and the farmer group data management information system built can help the Nibaaf  Vilage community  In managing data and reports, better than the previous system.Keywords: Farmer Group, Information System, Waterfall, Android
Pemaksimalan Unified Commucation Untuk Kestabilan Pendidikan Di Masa Pandemi Covid- 19 Abram Leendert Kusumo; Adrian Noor Reihansyah; Diva Tiarsyah Azzahra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 4, No 1 (2021): Februari 2021
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v4i1.2532

Abstract

Pendidikan merupakan kunci pembangunan sumber daya manusia di setiap negara, tidak terkecuali di Indonesia. Pandemi covid-19 yang saat ini terjadi, mengakibatkan gangguan dalam sistem pembelajaran bagi pendidikan tinggi di Indonesia, salah satunya adalah mengharuskan sistem pembelajaran dengan menggunakan sistem pembelajaran jarak jauh. Dirasa saat ini sistem pembelajaran jarak jauh di Indonesia, khususnya DKI Jakarta masih dapat disempurnakan. Salah satunya dengan menggunakan teknologi UC. Unified Communication merupakan gabungan dari layanan telepon dengan Komputer yang dapat terintegrasi seperti voice over ip, pesan instan , konferensi untuk membantu suatu kegiatan menjadi lebih produktif. Penggunaan Unified Communication dalam dunia pendidikan universitas dalam penerapannya seperti menggunakan zoom , webex , Google meet yang saling terhubung secara virtual dalam waktu bersamaan. Unified communication sangat diperlukan dalam dunia pendidikan pada saat ini , karna pada masa covid -19 ini tidak memungkinkan adanya pertemuan tatap muka secara langsung. Maka dari itu sistem Unified Communication memberikan kemudahan di dunia pendidikan saat ini.Oleh sebab itu, penulis memilih topik ini dengan tujuan dapat mengetahui bagaimana cara memaksimalkan UC di bidang pendidikan. Penulis akan melakukan studi literatur serta menyebarkan kuesioner kepada koresponden yang merupakan pengajar dan pelajar. Dimana mereka menggunakan sistem pembelajaran jarak jauh pada pendidikan tingkat tinggi, dalam hal ini kami mengkhususkan untuk S1. Harus bisa mendukung kegiatan dengan sistem Unified Communication guna untuk mencegah cobud-19 dan juga harus membiasakan diri beradaptasi dengan sistem UC ini , sehingga dosen dengan mahasiswa bisa menjalankannya Tidak perlu bertemu langsung dan meminimalkan kemungkinan siswa tertular virus corona
Klasifikasi Tingkat Kematangan Buah Pepaya Menggunakan Metode Decision Tree Gabriel Dwiki Ari Permadani; Aditya Akbar Riadi; Evanita Evanita
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 2 (2023): April 2023
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i2.6016

Abstract

Abstrak - Pepaya merupakan jenis buah yang memiliki nilai jual kepada masyarakat, memiliki kandungan vitamin C dan serat yang tinggi sehingga sangat layak untuk dikonsumsi. Dalam menentukan tingkat kematangan pepaya, petani masih melakukannya secara visual sehingga pengamatan bersifat subjektif. Hal ini dikarenakan keterbatasan fisik setiap manusia, sangat sulit hanya mengandalkan mata. Penelitian ini nantinya diharapkan dapat menghasilkan sebuah aplikasi yang mampu untuk melakukan klasifikasi pada tingkat kematangan buah pepaya berdasarkan karakteristik warna dengan bantuan komputer, yang biasa disebut pengolahan citra. Metode pengolahan citra yang akan digunakan adalah decision tree. Penelitian ini bertujuan untuk mengklasifikasi pepaya berada pada kelas mentah dan matang.Kata kunci: Decision Tree, Klasifikasi, Pepaya 
ANALISIS PERBANDINGAN PERFORMANSI TRANSMISI VIDEO DENGAN UNICAST PADA WLAN IEEE 802.11ac Faisal Faisal; Rizal Munadi; Syahrial Syahrial
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 1, No 2 (2018): OKTOBER 2018
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v1i2.769

Abstract

Network technology is now advancing with increasing speed of data provided. This is spurred by the rapid increase in real time data needs in various fields such as education, entertainment, sports and for business purposes. With the IEEE 802.11ac Wireless LAN technology, users will be easier to access information such as streaming video. But this is very dependent on the area of the wireless LAN network coverage available in a building or campus environment. The capture power of Access Point signals in one location will be different from other locations, so the quality of the resulting video streaming is different for each location. This study aims to analyze the performance of two different video formats, namely MPEG-4 and H.264. The research method of MPEG-4 and H.264 streaming video transmission through IEEE 802.11ac WLAN uses experimental methods for performance evaluation of two different protocols HTTP and UDP based on parameters of delay, packet loss and throughput. After doing the research, then getting the results using the HTTP protocol all the parameters are better for the H.264 format video, whereas for the UDP protocol all the parameters are better used for the type of video format MPEG 4.
Optimalisasi Deteksi Malware pada Platform Android dengan Pendekatan Ensemble Machine Learning Karfindo Karfindo; Rifa Turaina; Rusli Saputra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 3 (2024): Juni 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i3.7650

Abstract

Abstrak - Keamanan perangkat Android telah menjadi perhatian utama di era digital, mengingat dominasi sistem operasi ini dan meningkatnya serangan siber terhadap perangkat mobile. Penelitian ini bertujuan untuk meningkatkan akurasi deteksi malware pada platform Android melalui penggunaan teknik ensemble machine learning, khususnya metode soft voting. Teknik ini menggabungkan prediksi dari beberapa model pembelajaran mesin, seperti Random Forest, Gradient Boosting, dan XGBoost. Dataset yang digunakan dalam penelitian ini adalah KronoDroid. Pendekatan penelitian ini dimulai dengan preprocessing data dan pemilihan fitur izin yang sering digunakan, diikuti oleh pembagian data menjadi set pelatihan dan pengujian. Model-model individual dilatih dan dievaluasi, di mana Random Forest, Gradient Boosting, dan XGBoost masing-masing menunjukkan akurasi 85%, 84%, dan 85%. Hasil ini ditingkatkan melalui teknik soft voting dalam ensemble model, yang mencapai akurasi 90%. Teknik cross-validation lima kali lipat menunjukkan akurasi rata-rata 89.99% dengan deviasi standar 0.19%, menandakan konsistensi dan keandalan model. Confusion matrix yang dihasilkan menunjukkan bahwa model ensemble berhasil mengidentifikasi 7.496 dari 8.314 kasus malware (True Positives) dan 6.551 dari 7.314 kasus non-malware (True Negatives), dengan recall dan precision masing-masing sebesar 90% dan 91%. Meskipun terdapat false negatives dan false positives, model ini menunjukkan keseimbangan yang baik antara precision dan recall dengan F1-score mencapai 0.90. Penelitian ini membuktikan bahwa teknik ensemble, dengan menggabungkan kelebihan dari berbagai model individual, dapat secara signifikan meningkatkan deteksi malware pada perangkat Android.Kata kunci: Keamanan Android, Deteksi Malware, Pembelajaran Ensemble, Pembelajaran MesinAbstract - Android device security has become a major concern in the digital era, given the dominance of this operating system and the increasing cyber-attacks on mobile devices. This research aims to improve malware detection accuracy on the Android platform by using ensemble machine learning techniques, specifically the soft voting method. This technique combines predictions from several machine learning models, such as Random Forest, Gradient Boosting, and XGBoost. The dataset used in this research is KronoDroid. The research approach begins with data preprocessing and the selection of commonly used permission features, followed by splitting the data into training and testing sets. Individual models are trained and evaluated, where Random Forest, Gradient Boosting, and XGBoost each showed accuracies of 85%, 84%, and 85%, respectively. These results were enhanced through the soft voting technique in the ensemble model, achieving an accuracy of 90%. Five-fold cross-validation showed an average accuracy of 89.99% with a standard deviation of 0.19%, indicating the model's consistency and reliability. The generated confusion matrix shows that the ensemble model successfully identified 7,496 out of 8,314 malware cases (True Positives) and 6,551 out of 7,314 non-malware cases (True Negatives), with recall and precision of 90% and 91%, respectively. Although there are false negatives and false positives, this model demonstrates a good balance between precision and recall with an F1-score of 0.90. This research proves that ensemble techniques, by combining the strengths of various individual models, can significantly improve malware detection on Android devices..Keywords: LSB Method, Information Insertion, Image Files, Steganography
Prototipe Jaringan Syaraf Tiruan Multilayer Perceptron Untuk Prediksi Mahasiswa Dropout Armansyah Armansyah
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 4, No 4 (2021): Agustus 2021
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v4i4.3171

Abstract

Abstrak-- Adanya data mahasiswa yang tidak aktif, yang dipandang sebagai mahasiswa dropout yang secara kuantitas mengalami kenaikan dari tahun ketahun membuat penulis merasa perlu melakukan penelitian ini. Dimana, tingkat mahasiswa dropout merupakan satu indikator penurunan kualitas institusi perguruan tinggi. Jika ini dibiarkan, jumlah mahasiswa dropout akan bertambah bilamana tidak dicari solusinya. Penelitian ini bertujuan memprediksi mahasiswa yang berpotensi putus sekolah dengan pendekatan jaringan syaraf tiruan. Dengan mengamati 13 variabel yang mempengaruhi, dan 1 variabel keluaran yang akan dilatih dengan model multi layer perceptron, diharapkan dapat menghasilkan kinerja prediksi  dengan nilai 0, untuk mahasiswa berpotensi dropout, dan 1 untuk mahasiswa yang tetap melanjut hingga akhir, dengan menunjukkan hasil komputasi tingkat akurasi setidaknya 96,90% dan tingkat error yang rendah.Kata kunci : Prediksi, Dropout, Jaringan Syaraf Tiruan, Multi-Layer Perceptron.

Page 45 of 130 | Total Record : 1300

 43   44   45   46   47 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8, No 6 (2025): Desember 2025 Vol 8, No 5 (2025): Oktober 2025 Vol 8, No 4 (2025): Agustus 2025 Vol 8, No 3 (2025): Juni 2025 Vol 8, No 2 (2025): April 2025 Vol 8, No 1 (2025): Februari 2025 Vol 7, No 6 (2024): Desember 2024 Vol 7, No 5 (2024): Oktober 2024 Vol 7, No 4 (2024): Agustus 2024 Vol 7, No 3 (2024): Juni 2024 Vol 7, No 2 (2024): April 2024 Vol 7, No 1 (2024): Februari 2024 Vol 6, No 6 (2023): Desember 2023 Vol 6, No 5 (2023): Oktober 2023 Vol 6, No 4 (2023): Agustus 2023 Vol 6, No 3 (2023): Juni 2023 Vol 6, No 2 (2023): April 2023 Vol 6, No 1 (2023): Februari 2023 Vol 5, No 6 (2022): Desember 2022 Vol 5, No 5 (2022): Oktober 2022 Vol 5, No 4 (2022): Agustus 2022 Vol 5, No 3 (2022): Juni 2022 Vol 5, No 2 (2022): April 2022 Vol 5, No 1 (2022): Februari 2022 Vol 4, No 6 (2021): Desember 2021 Vol 4, No 5 (2021): Oktober 2021 Vol 4, No 4 (2021): Agustus 2021 Vol 4, No 3 (2021): Juni 2021 Vol 4, No 2 (2021): April 2021 Vol 4, No 1 (2021): Februari 2021 Vol 3, No 3 (2020): Desember 2020 Vol 3, No 2 (2020): OKTOBER 2020 Vol 3, No 1 (2020): April 2020 Vol 2, No 2 (2019): OKTOBER 2019 Vol 2, No 1 (2019): APRIL 2019 Vol 2, No 1 (2019): edisi khusus Vol 1, No 2 (2018): OKTOBER 2018 Vol 1, No 1 (2018): APRIL 2018 More Issue