cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tri Rochmadi, S.Kom., M.Kom
Contact Email
treesaro@gmail.com
Phone
-
Journal Mail Official
ijubi@almaata.ac.id
Editorial Address
Program Studi S1 Sistem Informasi, Jl. Brawijaya 99, Yogyakarta 55183
Location
Kab. bantul,
Daerah istimewa yogyakarta
INDONESIA
Indonesian Journal of Business Intelligence (IJUBI)
Published by Universitas Alma Ata Yogyakarta
ISSN : 26213915     EISSN : 26213923     DOI : -
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Fokus jurnal adalah karya inovatif pada analisis, desain, pengembangan, implementasi, evaluasi program, proyek, dan produk sistem informasi dalam manajemen strategis dan intelijen bisnis.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 103 Documents
 7   8   9   10   11 
IMPLEMENTASI ALGORITMA RIVEST SHAMIR ADLEMAN (RSA) MULTIPRIMA DAN CHINESE REMAINDER THEOREM (CRT) PADA PENGAMANAN PESAN TEKS Pratama, Adhi Yoga; Wijayanto, Hendro
Indonesian Journal of Business Intelligence (IJUBI) Vol 8, No 1 (2025): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v8i1.5523

Abstract

RSA (Rivest-Shamir-Adleman) adalah algoritma kriptografi kunci public yang popular dalam implementasinya. Sulitnya memfaktorkan bilangan besar menjadi factor-faktor prima adalah dasar keamanan algoritma RSA. Tahap awal RSA adalah memilih bilangan prima acak p dan q, untuk selanjutnya dihitung modulus n. Besarnya nilai modulus n berbanding lurus dengan tingkat keamanan dan tingginya waktu performansi algoritma. Dalam aspek keamanan, untuk memperoleh nilai modulus n yang besar maka diimplementasikan RSA Multiprima dengan tiga bilangan prima acak (p, q, dan r) dalam pembangkitan kunci. Menangani efisiensi waktu proses dekripsi, memanfaatkan Chinese Remainder Theorem (CRT) untuk menghitung kunci privat dalam beberapa modul terpisah, sehingga dapat mempercepat  kalkulasi dalam proses dekripsi. Hasil dari kajian ini menunjukan bahwa implementasi CRT pada RSA Multiprima dapat mempercepat proses dekripsi, sehingga dapat menjadi solusi efisiensi sumber daya dalam implementasi algoritma kriptografi RSA Multiprima. Dalam kajian ini, implementasi menggunakan Bahasa pemrograman Python dengan versi 3.12.2. Kajian ini diharapkan dapat memberikan manfaat dalam pengembangan kriptografi modern yang lebih efisien.
PREDIKSI KEBERHASILAN TRANSFORMASI DIGITAL PADA UKM Mutiarachim, Atika
Indonesian Journal of Business Intelligence (IJUBI) Vol 8, No 1 (2025): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v8i1.5679

Abstract

Industri 4.0 menuntut pelaku industri skala besar sampai kecil untuk mampu beradaptasi dengan percepatan teknologi. Transformasi digital terbukti berdampak signifikan terhadap kinerja industri, termasuk mempertahankan eksistensi UKM. Keberhasilan UKM dalam memanfaatkan teknologi terbukti mampu meningkatkan keuntungan dan efisiensi operasional. Pelaku UKM harus memastikan transformasi digital berhasil diterapkan. Prediksi transformasi digital memudahkan pelaku UKM untuk mengetahui tingkat keberhasilan usahanya dalam menerapkan transformasi digital, sehingga UKM dapat mengembangkan strategi inovasi mengoptimalkan teknologi digital untuk menjaga eksistensi, memperoleh keuntungan optimal, meningkatkan daya saing serta efisiensi operasional. Prediksi dilakukan dengan membandingkan ID3, C4.5 dan CART untuk menemukan rule dengan performance terbaik, yang paling efektif untuk memprediksi keberhasilan suatu UKM dalam menerapkan transformasi digital. Hasil menunjukkan ID3 memperoleh performance terbaik dengan akurasi 89.19% dan AUC 0.959. Atribut ATP menjadi root node pada seluruh pohon keputusan yang dihasilkan. Ini berarti variabel Peran Digital Marketing, Model TOE, Strategi Bisnis Digital, Adopsi technopreneurship mempunyai peranan besar atau dampak yang signifikan terhadap UKM dalam melaksanakan transformasi digital pada bisnisnya.
PREDIKSI DAN EVALUASI POTENSI KEUNTUNGAN SAHAM PERBANKAN HIMBARA MENGGUNAKAN METODE LSTM Susetyo, Yosia Adi; Sari, Devina Intan; Wijono, Sutarto
Indonesian Journal of Business Intelligence (IJUBI) Vol 8, No 1 (2025): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v8i1.4415

Abstract

Penelitian ini mengkaji prediksi harga saham dan analisis potensi untung dan rugi dari investasi saham di sektor perbankan khususnya pada bank negara BBNI, BBTN, BBRI dan BMRI. Prediksi menggunakan teknik pembelajaran mesin, dengan metode Long Short-Term Memory (LSTM). Model yang dibangun dan dilatih menggunakan optimizer adam, batch size 32 dan jumlah epoch 200. Model dilatih dan dikembangkan menggunakan data harga penutupan saham selama tiga tahun terakhir. Hasil dari prediksi model ditujukan untuk periode 30 hari ke depan, sehingga mampu memberikan informasi yang berharga bagi pelaku pasar saham untuk melakukan aksi jual atau beli. Evaluasi LSTM dalam memodelkan data menunjukkan tingkat akurasi (R 2 ) antara 0.9522 hingga 0.9712, dengan Mean Square Error (MSE) berkisar antara 796.55 hingga 15508.82 , Mean Absolute Error (MAE) antara 20.48 hingga 73-74 dan Root Mean Squared Error (RMSE) antara 28.22-124.53 , hasil evaluasi menunjukkan LSTM yang dibangun terbukti akurat dalam memprediksi harga saham.

Page 11 of 11 | Total Record : 103

 7   8   9   10   11 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol 8, No 1 (2025): Indonesian Journal of Business Intelligence (IJUBI) Vol 7, No 2 (2024): Indonesian Journal of Business Intelligence (IJUBI) Vol 7, No 1 (2024): Indonesian Journal of Business Intelligence (IJUBI) Vol 6, No 2 (2023): Indonesian Journal of Business Intelligence (IJUBI) Vol 6, No 1 (2023): Indonesian Journal of Business Intelligence (IJUBI) Vol 5, No 2 (2022): Indonesian Journal of Business Intelligence (IJUBI) Vol 5, No 1 (2022): Indonesian Journal of Business Intelligence (IJUBI) Vol 4, No 2 (2021): Indonesian Journal of Business Intelligence (IJUBI) Vol 4, No 1 (2021): Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 2 (2020): Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI) Vol 2, No 2 (2019): Indonesian Journal of Business Intelligence (IJUBI) Vol 2, No 1 (2019): Indonesian Journal of Business Intelligence (IJUBI) Vol 1, No 2 (2018): Indonesian Journal of Business Intelligence (IJUBI) Vol 1, No 1 (2018): Indonesian Journal of Business Intelligence (IJUBI) More Issue