cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Joseph Dedy Irawan
Contact Email
joseph@lecturer.itn.ac.id
Phone
+62811367463
Journal Mail Official
mnemonic@scholar.itn.ac.id
Editorial Address
Jl. Raya Karanglo Km. 2 Malang
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Mnemonic
Published by Institut Teknologi Nasional Malang
ISSN : -     EISSN : 26144808     DOI : https://doi.org/10.36040/mnemonic
Core Subject : Science,
Computer Science & IT
Jurnal Mnemonic adalah jurnal nasional yang diterbitkan oleh Teknik Informatika Institut Teknologi Nasional Malang, sebagai media publikasi hasil penelitan dan pengabdian masyarakat dalam bidang Teknik Informatika bagi para akademisi dan peneliti untuk mempublikasikan karya-karya ilmiah di khalayak luas, diterbitkan secara berkala 2 kali setahun pada bulan Februari dan September.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 191 Documents
 16   17   18   19   20 
ANALISIS PERFORMA DAN KEAMANAN IMPLEMENTASI KRIPTOGRAFI AES UNTUK PENYANDIAN DOKUMEN BERBASIS WEB Syam Aswandi, Andi; Nurtanzis Sutoyo, Muh.; Pradipta, Anjar
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12053

Abstract

Kemajuan teknologi informasi telah mendorong peningkatan kebutuhan akan keamanan data yang diunggah dan disimpan secara daring, terutama dalam bentuk dokumen teks. Algoritma Advanced Encryption Standard (AES) sering digunakan untuk melindungi data sensitif karena kekuatannya dalam menghadapi serangan kriptografi. Namun, tantangan tetap ada dalam penerapan AES pada platform berbasis web, terutama terkait efisiensi proses enkripsi dan dekripsi di lingkungan jaringan yang bervariasi. Penelitian ini mengembangkan sistem enkripsi berbasis web yang memanfaatkan algoritma AES untuk penyandian dokumen. Sistem ini memungkinkan pengguna untuk mengunggah dokumen teks yang akan dienkripsi dan diunduh kembali dalam bentuk terenkripsi guna menjaga kerahasiaan data dengan mengimplementasikan algoritma Advanced Encryption Standard (AES) dalam penyandian dokumen berbasis web dan membandingkan kinerjanya dengan algoritma lain seperti RSA dan Triple DES. Pengujian dilakukan untuk mengukur waktu enkripsi dan dekripsi, konsumsi sumber daya, serta tingkat keamanan sistem terhadap serangan siber. Hasil pengujian menunjukkan bahwa AES memiliki waktu enkripsi rata-rata 12 ms dan dekripsi 15 ms, lebih cepat dibandingkan RSA (98 ms untuk enkripsi dan 120 ms untuk dekripsi) serta Triple DES (55 ms untuk enkripsi dan 65 ms untuk dekripsi). Selain itu, AES menunjukkan efisiensi sumber daya yang lebih baik dengan tingkat keamanan yang tetap optimal. Sistem diuji menggunakan metode blackbox untuk memastikan validitasnya, dan hasilnya menunjukkan bahwa sistem berjalan sesuai spesifikasi. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan sistem keamanan berbasis web yang efisien dan aman, serta dapat menjadi referensi bagi penelitian lanjutan dalam bidang keamanan data digital.
DETEKSI SERANGAN JARINGAN KOMPUTER BERBASIS SNORT DENGAN INTEGRASI NOTIFIKASI REAL-TIME MELALUI TELEGRAM Januantoro, Ardy; Supangat, Supangat
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12175

Abstract

Serangan jaringan komputer yang semakin kompleks memerlukan solusi andal untuk melindungi sistem dari ancaman serius seperti kebocoran data dan kerusakan sistem. Penelitian ini menggunakan Snort sebagai Intrusion Detection System (IDS) untuk mendeteksi serangan DDoS, SYN Flood, SQL Injection, Port Scanning, dan Brute Force, yang diintegrasikan dengan notifikasi real-time melalui Telegram. Dalam pengujian penelitian ini, Snort dikonfigurasi khusus dan diuji dengan simulasi serangan oleh 10 komputer secara bersamaan pada jaringan target. Hasilnya, Snort berhasil mendeteksi semua jenis serangan dengan akurat, membuktikan keandalannya sebagai alat deteksi intrusi. Hasil pengujian menunjukkan rata – rata waktu deteksi keberhasilan sebesar 0,67 detik. Serangan DDoS menjadi serangan yang cepat untuk terdeteksi dengan waktu 0,4 detik sedangkan waktu terlama untuk serangan yang terdeteksi adalah serangan brute force dengan waktu tercepat 1,2 detik. Integrasi notifikasi real-time memungkinkan respons cepat terhadap ancaman siber, meningkatkan efisiensi pengelolaan keamanan jaringan. Studi ini menunjukkan bahwa kombinasi Snort dan notifikasi real-time adalah solusi efektif untuk meningkatkan perlindungan jaringan dan mempercepat mitigasi ancaman secara proaktif
IMPLEMENTASI USER CENTERED DESIGN DAN A/B TESTING DALAM PERANCANGAN APLIKASI PEMESANAN MAKANAN DENGAN INTEGRASI VIRTUAL REALITY Pramono, Anang; Wayan Saputra, Jefrico
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12234

Abstract

Kantin sebagai fasilitas yang sering dimanfaatkan mahasiswa memerlukan sistem layanan yang efisien dan mudah digunakan, terutama dalam hal pemesanan makanan dan pembayaran. Namun, antarmuka yang kompleks dan kurang intuitif seringkali menyulitkan pengguna, termasuk mahasiswa yang membutuhkan kemudahan dan kecepatan dalam bertransaksi. Penelitian ini bertujuan merancang antarmuka pengguna dan pengalaman pengguna aplikasi pemesanan makanan untuk kantin Universitas 17 Agustus 1945 dengan mengimplementasikan pendekatan User-Centered Design (UCD) untuk memahami kebutuhan pengguna secara mendalam. Melalui A/B Testing, desain yang paling sesuai dengan preferensi pengguna dipilih, dan validasi menggunakan System Usability Scale (SUS) dengan 51 responden menghasilkan skor 77 (kategori Good), menunjukkan bahwa desain yang diusulkan telah memenuhi standar kegunaan yang baik. Selain itu, penelitian ini juga mengembangkan desain virtual reality (VR) untuk memberikan gambaran interaktif lingkungan kantin dan sebagai metode promosi inovatif. Dengan mengimplementasikan fitur-fitur yang ramah pengguna dan modern, penelitian ini diharapkan dapat menghasilkan aplikasi pemesanan makanan yang tidak hanya meningkatkan efisiensi, tetapi juga memberikan pengalaman pengguna yang lebih inklusif dan memuaskan bagi seluruh mahasiswa.
IOT SMART DOOR LOCK SYSTEM MENGGUNAKAN DOUBLE SENSOR BERBASIS MIKROKONTROLER ESP32 Gamma Rahmawati Putri, Weni; Prasetyo Agung, IGN. Wiseto
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12420

Abstract

Pencurian terus menjadi masalah yang signifikan, terutama di lingkungan perkotaan. Kunci tradisional sering kali menawarkan tingkat keamanan yang terbatas, sehingga menjadi target utama bagi para pelaku kejahatan. Untuk mengatasi permasalahan ini, sebuah sistem kunci pintu pintar yang menggabungkan beberapa modul input diusulkan. Penelitian ini bertujuan untuk mengembangkan kunci pintu pintar yang memanfaatkan dua jenis sensor: keypad untuk memasukkan PIN dan modul RFID untuk akses berbasis kartu. Prototipe yang dihasilkan dirancang untuk meningkatkan tingkat keamanan dengan menerapkan autentikasi ganda melalui kedua metode tersebut. Hasil pengujian menunjukkan bahwa pembaca RFID mampu mendeteksi kartu dalam rentang tertentu, sementara sistem juga secara akurat memverifikasi kode PIN, sehingga dapat memberikan atau menolak akses sesuai kebutuhan
IMPLEMENTASI ALGORITMA RANDOM FOREST REGRESSION DALAM PREDIKSI HARGA LAPTOP Septiyanah, Siska; Athalina, Ghita
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12475

Abstract

Penggunaan laptop telah menjadi kebutuhan signifikan dalam kehidupan modern, baik untuk keperluan pribadi, bisnis, maupun pendidikan. Pasar laptop terus berkembang pesat setiap tahunnya, didorong oleh kemajuan teknologi yang menghasilkan beragam jenis laptop dengan spesifikasi dan harga yang bervariasi. Prediksi harga laptop menjadi tantangan penting dalam analisis data, terutama dengan semakin beragamnya spesifikasi dan merek di pasar. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi harga laptop dan mengimplementasikan algoritma Random Forest Regression untuk melakukan prediksi harga secara akurat. Dataset yang digunakan mencakup berbagai atribut seperti RAM, CPU, GPU, resolusi layar, jenis laptop (TypeName), ukuran memori, dan berat laptop. Hasil analisis menunjukkan bahwa atribut RAM, CPU, GPU, dan resolusi layar memiliki pengaruh signifikan terhadap harga laptop, sementara TypeName dan ukuran layar (inches) tidak memberikan kontribusi yang berarti. Namun, ukuran memori dan berat laptop menjadi faktor penting yang dipertimbangkan. Model Random Forest Regression memberikan performa prediksi yang baik dengan nilai akurasi (R-squared) sebesar 0,83
ANALISIS PENGELOLAAN RISIKO PADA USAHA MIKRO KAVINA CATERING DENGAN METODE RCA DAN FISHBONE ANALYSIS Nabila Ramadhani, Salma; Damai Nursyam Hamijaya, Prasis
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12480

Abstract

Penelitian ini menganalisis manajemen risiko pada usaha mikro Kavina Catering, yang berdiri sejak 2017 di Balikpapan, Kalimantan Timur. Dengan pendekatan kualitatif, penelitian ini mengidentifikasi, menganalisis, dan mengevaluasi risiko yang dapat mempengaruhi operasional usaha, dengan menggunakan metode seperti Root Cause Analysis (RCA) dan Fishbone Analysis. Tiga risiko utama yang diidentifikasi meliputi penurunan pelanggan, keterlambatan pengiriman, dan kesalahan dalam perhitungan penjualan. Hasil analisis menunjukkan bahwa risiko utama disebabkan oleh pandemi COVID-19, masalah logistik, dan sistem pencatatan manual. Strategi mitigasi yang diusulkan meliputi diversifikasi layanan, optimalisasi pengiriman, dan implementasi sistem akuntansi berbasis perangkat lunak. Penelitian ini menegaskan pentingnya penerapan manajemen risiko untuk meningkatkan stabilitas operasional dan keberlanjutan usaha mikro di sektor kuliner
SENTIMEN ANALISIS TERHADAP APLIKASI TIKTOK MENGGUNAKAN SUPPORT VECTOR CLASSIFICATION Christo Sidupa, Bertnaldy; Dewi, Christine
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12635

Abstract

Pemahaman terhadap persepsi pengguna aplikasi merupakan suatu aspek penting dalam pengembangan aplikasi. Sehingga menghasilkan informasi yang relefan dalam pengembangan aplikasi guna meningkatkan berbagai aspek kualitas pelayanan. Pendekatan yang digunakan dalam hal ini yakni menggunakan analisis sentimen. Perbandingan tiga metode dalam klasifikasi yang populer yakni Random Forest, Support Vector Machine (SVM), dan Naive Bayes merupakan topik utama dalam penelitian ini. Ulasan pengguna aplikasi TikTok di Google play store digunakan menjadi data dalam penelitian ini. Yang kemudian dimodifikasi menjadi sentimen positif, netral, dan negatif. Dalam proses ini melibatkan beberapa tahapan yakni, pre-processing data, pembobotan data menggunakan teknik TF-IDF, hingga penerapan metode klasifikasi. Selanjutnya dilakukaan evaluasi untuk mengukur kinerja setiap metode menggunakan metrik accuracy, precission, recall, dan F1-score. Dari hasil penelitian yang dilakukan teknik atau metode klasifikasi SVM mendapatkan hasil akurasi terbaik sebesar 85%, kemudian Random Forest 84%, dan Naive Bayes 83%. Selain mendapatkan hasil akurasi terbaik disisi lain SVM juga berhasil menunjukan stabilitas yang lebih baik dibandingkan metode yang lain. Penelitian ini menyimpulkan bahwa analisis sentimen terhadap aplikasi Tiktok menggunakan metode SVM lebih efektif. Hasil ini dapat memberikan value, baik dalam peningkatan aplikasi Tiktok serta peneltian selanjutnya dalam memilih metode yang terbaik dalam menganalisis data sentimen berbasis teks
KLASIFIKASI KECELAKAAN LALU LINTAS DI KOTA SAMARINDA MENGGUNAKAN ALGORITME K-NEAREST NEIGHBOR Anitasari, Dini; Yulianto, Fendy; Azhima Yoga Siswa, Taghfirul
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12747

Abstract

Kecelakaan lalu lintas di Kota Samarinda terus meningkat seiring dengan tingginya volume kendaraan dan berbagai faktor risiko, seperti kondisi jalan, cuaca, serta kelalaian pengemudi. Peningkatan angka kecelakaan ini berdampak pada kerugian material dan korban jiwa, sehingga diperlukan metode prediksi yang efektif untuk mengklasifikasikan tingkat keparahan kecelakaan. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kecelakaan lalu lintas di Kota Samarinda menggunakan algoritme K-Nearest Neighbor (KNN), yang dikenal sebagai metode berbasis jarak yang efektif dalam klasifikasi data. Data yang digunakan diperoleh dari Kepolisian Sektor Samarinda Kota dan mencakup faktor-faktor seperti kondisi cahaya, kelas jalan, tipe jalan, dan batas kecepatan. Model KNN diimplementasikan dengan pembagian data latih dan uji menggunakan validasi silang K-Fold untuk memastikan keakuratan prediksi. Hasil pengujian menunjukkan bahwa dengan pemilihan parameter yang optimal, model KNN mampu mencapai akurasi sebesar 92,54%. Kesimpulan dari penelitian ini adalah bahwa metode KNN dapat digunakan secara efektif untuk mengklasifikasikan tingkat kecelakaan lalu lintas, sehingga hasilnya dapat menjadi referensi bagi otoritas terkait dalam meningkatkan keselamatan jalan raya di Kota Samarinda
PENERAPAN METODE NAIVE BAYES KLASIFIKSI KELAYAKAN PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) Sofie Azizah, Jahra; Pranoto, Wawan Joko; Hasudungan, Rofilde
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12778

Abstract

Program Bantuan Pangan Non Tunai (BPNT) masih menghadapi kendala dalam menentukan penerima yang benar-benar layak sehingga diperlukan metode klasifikasi yang dapat meningkatkan ketepatan dalam seleksi penerima bantuan. Penelitian ini bertujuan untuk mengklasifikasikan kelayakan penerima BPNT di Kelurahan Bukit Biru menggunakan metode Naïve Bayes. Data yang digunakan mencakup 1041 data kelayakan penerima BPNT yang diperoleh dari Kelurahan Bukit Biru pada tahun 2023 dengan data yang mencakup jumlah penghasilan, jumlah tanggungan, jumlah kendaraan, status perkawinan, jenis pekerjaan, dan kondisi rumah. Model Naïve Bayes diterapkan dengan pembagian data latih dan data uji dengan rasio 9:1. Naïve Bayes bekerja dengan menghitung probabilitas setiap kelas berdasarkan atribut yang diberikan dan menentukan hasil akhir berdasarkan probabilitas tertinggi, menjadikannya metode yang efektif untuk klasifikasi data BPNT. Hasil penelitian menunjukan bahwa metode Naïve Bayes berhasil menentukan kelas kedalam dua kategori yaitu layak atau tidak layak dengan akurasi sebesar 90%. Oleh karena itu diharapkan penelitiaan ini dapat membantu meningkatkan ketepatan sasaran dalam penyaluran bantuan sosial. Dengan demikian, penelitian ini dapat berkontribusi dalam meningkatkan efisiensi program bantuan sosial dan mendukung pengentasan kemiskinan.
KLASIFIKASI VARIETAS KACANG MENGGUNAKAN XGBOOST DENGAN PENYESUAIAN CLASS WEIGHTING Yusri, Thesa Adi Saputra; Rudhistiar, Deddy; Ratnasari, Andika Putri
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12788

Abstract

Kondisi data tidak imbang (imbalance) merupakan salah satu tantangan utama dalam masalah klasifikasi terkait kualitas atau penyakit pada bidang agrikultur. Penelitian ini bertujuan untuk mengimplementasikan algoritma XGBoost dalam klasifikasi varietas kacang kering dengan fokus pada penanganan ketidakseimbangan kelas melalui pembobotan kelas. Dataset yang digunakan terdiri dari tujuh jenis kacang kering dengan berbagai karakteristik fisik yang diukur dalam piksel, yang meliputi fitur dimensi dan bentuk. Proses normalisasi dilakukan menggunakan teknik min-max normalization untuk memastikan skala data konsisten. Untuk menangani ketidakseimbangan kelas, teknik pembobotan kelas diterapkan dalam XGBoost, yang memberikan bobot lebih pada kelas minoritas. Grid Search dengan 5-fold cross-validation digunakan untuk menemukan kombinasi hyperparameter terbaik, yang menghasilkan akurasi cross-validation sebesar 92.5% dan skor terbaik pada 92.8%. Evaluasi model pada data uji menunjukkan akurasi 93%, dengan hasil precision, recall, dan f1-score yang seimbang pada setiap kelas. Hasil ini menunjukkan bahwa XGBoost dengan pembobotan kelas dapat mengatasi ketidakseimbangan kelas dan memberikan akurasi yang tinggi pada klasifikasi kacang kering

Page 18 of 20 | Total Record : 191

 16   17   18   19   20 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8 No 2 (2025): Mnemonic Vol. 8 No. 2 Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1 Vol 7 No 2 (2024): Mnemonic Vol. 7 No. 2 Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1 Vol 6 No 2 (2023): Mnemonic Vol. 6 No. 2 Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1 Vol 5 No 2 (2022): Mnemonic Vol. 5 No. 2 Vol 5 No 1 (2022): Mnemonic Vol. 5 No. 1 Vol 4 No 2 (2021): Mnemonic Vol. 4 No. 2 Vol 4 No 1 (2021): Mnemonic Vol. 4 No. 1 Vol 3 No 2 (2020): Mnemonic Vol. 3 No. 2 Vol 3 No 1 (2020): Mnemonic Vol. 3 No. 1 Vol 2 No 2 (2019): Mnemonic Vol. 2 No. 2 Vol 2 No 1 (2019): Mnemonic Vol. 2 No. 1 Vol 1 No 2 (2018): Mnemonic Vol. 1 No. 2 Vol 1 No 1 (2018): Mnemonic Vol. 1 No. 1 More Issue