Informatics and Digital Expert (INDEX)
INDEX merupakan Jurnal Informatika yang bertujuan untuk mengembangkan penelitian di bidang: Application E-Healthcare, E-Learning, E-Manufacturing, E-Commerce, E-Bussiness, E-Procurment E-Goverment, E-Governance Intellegent System Sistem Pakar Jaringan Syaraf Tiruan Algoritma Genetika Robotika Sistem Pendukung Keputusan Smart City Digital Forensics Network Forensics Smartphone Forensics Cloud Forensics Computer Forensics Manajemen Data dan Pengetahuan Pemodelan Konseptual, Bahasa dan Desain Data Mining Rekayasa Perangkat Lunak Interaksi Manusia dan Komputer Multimedia, Game dan Teknologi Seluler Keamanan Data Pengenalan Pola
Articles
143 Documents
<![CDATA[Pengamanan Citra Medis Berbasis Steganografi d an Kriptografi Dengan Menggunakan Metode End Of File Dan Advanced Encryption Standard ]]>
<![CDATA[M. Purba, Grace Christian]]>;
<![CDATA[ID Hadiana, Asep]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i1.878
<![CDATA[Perkembangan teknologi pada saat ini telah mengalami perubahan yang sangat pesat khususnya pada bidang keamanan data. Dalam bidang keamanan data terdapat teknik-teknik yang dapat digunakan untuk mengamankan suatu data, contoh teknik yang dapat digunakan ialah steganografi dan kriptografi. Steganografi merupakan suatu teknik penyembunyian data dengan menyembunyikan data ke dalam suatu file media, sedangkan kriptografi adalah teknik penyembunyian pesan dengan menggunakan teknik enkripsi. Steganografi memanfaatkan kelemahan indra manusia seperti mata dan telinga, sehingga steganografi ini bisa diterapkan dalam berbagai media digital. Citra medis yang bersifat elektronik merupakan kelengkapan dari catatan kesehatan pribadi pasien, sehingga data tersebut harus diamankan agar tidak terjadi penyalahgunaan oleh pihak yang tidak berkaitan. Untuk mengetahui seberapa aman hasil stego, dilakukan beberapa pengujian seperti MSE, PSNR, Robustness, dan cyberattack. Hasil dari pengujian MSE mendapatkan 1,656 dan PSNR 46,026 dB sehingga dapat dikatakan baik. Adapun hasil dari pengujian robustness dan cyberattack pesan yang disisipkan dan di enkripsi tidak dapat terungkap]]>
<![CDATA[Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering ]]>
<![CDATA[Naufal, Farhan]]>;
<![CDATA[Herry Chrisnanto, Yulison]]>;
<![CDATA[Kania Ningsih, Ade]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i1.879
<![CDATA[Online Shop adalah salah satu fasilitas yang disajikan oleh internet, yang mampu mempermudah masyarakat dalam belanja tanpa harus bertatap muka dengan pelanggan, tanpa harus antri dan tawar menawar. Pertumbuhan ekonomi digital semakin besar persaingan bisnis juga akan semakin berat, akibatnya semakin banyak online shop tidak hanya menampilkan produk-produk tetapi juga perlu didukung oleh pemilihan produk yang tepat untuk menarik perhatian pelanggan. Terlalu banyaknya variasi produk yang ditawarkan secara random (acak) pada online shop membuat beberapa pelanggan kesulitan dalam menentukan produk yang akan dibeli. Berdasarkan permasalahan yang muncul maka penelitian mengenai Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering ini dilakukan. Sistem ini menggunakan algoritma K-Means Clustering serta dataset yang digunakan adalah data transaksi penjualan dari kurun waktu 1 tahun terakhir agar cakupanya tidak meluas dengan menggunakan data terbaru. Hasil dari penelitian ini ditemumakan bahwa ada 3 cluster yang memiliki karakteristik berbeda yaitu, cluster 1 dengan karakteristik penjualan sedang dengan rentang umur pembeli 36-50 tahun , cluster 2 dengan karakteristik penjualan terbanyak dengan rentang umur pembeli 18-26 tahun dan cluster 3 dengan karakteristik penjualan rendah dengan rentang umur 27-35 tahun. Dari hasil cluster dapat disimpulkan bahwa produk yang direkomendasikan merupakan produk terpopuluer dari setiap clusternya. Hasil perhitungan nilai sillhouette coeficient didapatkan cluster dengan jumlah 3 karena memiki nilai paling mendekati Si = 1 yaitu dengan nilai 0.7354092263523232.]]>
<![CDATA[Data Encryption Pada File Video Menggunakan Algoritma Blowfish Berbasis Android ]]>
<![CDATA[Thoriq, Muhammad Hasan Thoriq Almuwaffaq]]>;
<![CDATA[Asep, Asep Id Hadiana]]>;
<![CDATA[Puspita, Puspita Nurul Sabrina]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i1.880
<![CDATA[Terdapat banyak penelitian mengenai cara mengamankan video dengan aman menggunakan algoritma blowfish, namun kebanyakan cara mengamankan data tersebut hanya melalui perangkat komputer, masih sangat sedikit penelitian mengenai cara mengamankan data melalui perangkan android. Penelitian ini bertujuan membangun sebuah aplikasi yang dapat menenkripsi dan mendekripsi data berupa video berbasis android menggunakan algoritma blowfish. Adapun tahapan yang digunakan dimulai dari pra proses yang meliputi mengubah video menjadi byte menggunakan algoritma base64, pemecahan dan penambahan bit, pemecahan 64 bit menjadi 32 bit, perhitungan sub-key, dan proses enkripsi dekripsi menggunakan algoritma blowfish. Pengujian pada penelitian ini menghasilkan waktu proses enkripsi dan dekripsi yang berbeda. Waktu proses dekripsi lebih cepat 8,7% dari waktu proses enkripsi. Perbedaan ukuran file video juga mempengaruhi lama proses enkripsi, karena semakin banyak byte semakin lama juga proses enkripsi. Pengujian dengan mengenkripsi file video berukuran 2,67GB, aplikasi dapat menjalankan proses enkripsi dan dekripsi tanpa terjadinya crash pada aplikasi. Dari uji keamanan pada file video yang terenkripsi menghasilkan bahwa file video aman walaupun terjadi penyerangan, seandainya attacker memiliki ciphertextdan mengetahui kuncinya tidak akan membuat attacker tersebut mengetahui isi video. Hasil dari penelitian ini adalah sebuah aplikasi yang dapat menenkripsi dan mendekripsi file video menggunakan algoritma blowfish berbasis android]]>
<![CDATA[Sistem Prediksi Awal Terhadap Atrisi Karyawan Menggunakan Algoritma C4.5 ]]>
<![CDATA[Tulus, Tulus Harry Lamramot]]>;
<![CDATA[Id Hadiana, Asep]]>;
<![CDATA[Santikarama, Irma]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i1.882
<![CDATA[Karyawan yang berbakat menjadi bagian penting bagi sebuah perusahaan. Menjadi masalah yang krusial bagi perusahaan ketika terdapat karyawan berbakat yang meninggalkan perusahaan untuk pindah ke perusahaan yang menawarkan peluang yang lebih baik. Kesiapan perusahaan dalam menghadapi masalah tenaga kerja dapat terlaksana dengan diberlakukannya sistem yang dapat memprediksi kasus atrisi karyawan. Penelitian ini bertujuan untuk merancang sistem prediksi awal terhadap atrisi karyawan. Dalam sudut pandang informatika untuk mencegah terjadinya atrisi karyawan, digunakan sistem Data Mining yang mampu memprediksi terjadinya atrisi karyawan tersebut dengan metode prediksi yaitu metode decision tree menggunakan algoritma C4.5. Data yang digunakan adalah data primer. Populasi yang digunakan adalah data yang diambil dari perusahaan PT.Indorama Petrochemicals yang berjumlah 1010 sampel data karyawan. Penelitian ini mendapatkan akurasi data sebesar 92,9% dengan algoritma C4.5 sehingga mendapatkan hasil yang baik pada prediksi atrisi karyawan tersebut.]]>
<![CDATA[Kriptografi Untuk Enkripsi Ganda Pada Gambar Menggunakan Algoritma AES (Advanced Encryption Standard) Dan RC5 (Rivest Code 5) ]]>
<![CDATA[Engko M, Galih Yuga Pangestu]]>;
<![CDATA[Id Hadiana, Asep]]>;
<![CDATA[Nurul Sabrina, Puspita]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i1.884
<![CDATA[Pada masa kini, informasi berupa gambar sangatlah penting, terutama pada bidang kemiliteran. Gambar yang diproses melalui channel komunikasi militer, harus dirahasiakan sehingga data gambar menjadi aman dan tidak dapat dilihat oleh penyusup.maka, penerapan enkripsi gambar perlu diterapkan untuk menjaga kerahasiaan dan keamanan gambar tersebut. saat ini telah banyak algoritma algoritma untuk mengenkripsi gambar. Salah satu algoritma yang cukup populer adalah AES (Advanced Encryption Standard). AES merupakan algoritma kriptografi berjenis cipher blok yang terkenal luas dalam pengenkripsian sebuah data karena algoritma ini lebih baik untuk mencegah serangan brute force dibanding algoritma pendahulunya yaitu DES (Data Encryption Standard). AES ini akan diterapkan pada sebuah program yang berfungsi untuk mengamankan gambar kemiliteran agar tidak terjadi pencurian gambar oleh pihak ketiga. Gambar harus dienkripsi dahulu menggunakan sebuah kunci simetris sebelum dikirim ke penerima agar aman, dan penerima harus memiliki kunci dari pengirim agar dapat melakukan dekripsi terhadap gambar yang telah dienkripsi tersebut. Namun, hanya dengan menggunakan AES saja belum cukup untuk memberikan keamanan ekstra pada data gambar tersebut. diperlukan algoritma tambahan untuk melakukan enkripsi terhadap gambar yang telah dienkripsi menggunakan AES, sehingga gambar hasil enkripsi AES tidak dapat diakses juga. Salah satu algoritma yang cocok untuk diterapkan karena memiliki kunci simetris juga dan proses enkripsinya cukup cepat. Salah satu algoritma tambahan yang cukup cepat untuk melakukan enkripsi adalah RC5 (Rivest Code 5), yang dikembangkan oleh ron rivest untuk mengenkripsi file dengan cepat dan dengan kunci simetris. Dari hasil kedua algoritma di atas maka akan terbentuk suatu enkripsi ganda yang memberikan keamanan lebih terhadap data gambar militer. Tujuan dari peneliti menggunakan algoritma AES dan RC5 adalah agar data gambar lebih sulit untuk dipenetrasi serta hasilnya juga data yang terenkripsi lebih aman namun tetap mudah untuk dilakukan dekripsi.]]>
<![CDATA[ANALISIS CLUSTER PADA KELOMPOK MASYARAKAT YANG RENTAN TERHADAP PAPARAN COVID-19 MENGGUNAKAN METODE K-MEANS CLUSTERING DAN VISUALIASI DENGAN SIG ]]>
<![CDATA[Drl, Indra Raja]]>;
<![CDATA[Chrisnanto, Yulison Herry]]>;
<![CDATA[Umbara, Fajri Rakhmat]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i2.885
<![CDATA[Covid-19 adalah penyakit yang menular serta laju infeksi yang cepat,setelah mencapai 100 kasus yang dikonfirmasikan terinfeksi tingkat penyebarannya meluas, Dengan cepatnya penyebaran wabah Covid-19 masyarakat sangat prihatin dengan penyebaran dan dampaknya ,orang yang sebelumnya sudah memiliki gangguan kesehatan akan meningkatkan risiko terinfeksi Covid-19 gangguan kesehatan ini seperti,tuberkulosis,diabetes ,diare ,hipertensi.Ada pun Faktor lain yang mempengaruhi penyebaran Covid-19 sepert kepadatan penduduk yang tinggi di kota besar ,iklim,suhu dan daerah metropolitan merupakan faktor risiko utama untuk tertular virus. Dari adanya faktor yang mempengaruhi kasus covid-19 sehingga Satgas Penanganan Covid-19 menilai pentingnya bagi semua pihak termasuk masyarakat memahami faktor-faktor lonjakan kasus Covid-19 agar terhindar dari kasus itu.tujuan dari penelitian ini Menggunakan metode K-Means Clustering untuk analisis cluster pada wilayah yang memiliki karakteristik tingginya kasus covid-19 dan variable apa yang berpengaruh terhadap tingginya kasus covid-19 dan divisualisasi menggunakan Sistem informasi geografis sehingga diharapakan dapat menjadi informasi bagi masyarakat dan instansi kesehatan untuk memahami kelompok wilayah yang rentan. kesimpulannya wilayah kota bandung dikelompokan menjadi 3 cluster yang dimana cluster 1 itu wilayah dengan kasus covid-19 tertinggi dan faktor yang mempengaruhi covid-19 juga tinggi untuk cluster 2 memiliki tingkat kasus yang rendah dan cluster 3 memiliki tingkatan yang yang lebih rendah dari kedua cluster.]]>
<![CDATA[Deteksi Ujaran Kebencian dengan Metode Klasifikasi Naïve Bayes dan Metode N-Gram pada Dataset Multi-Label Twitter Berbahasa Indonesia ]]>
<![CDATA[Yazid, Rija Muhamad]]>;
<![CDATA[Umbara, Fajri Rakhmat]]>;
<![CDATA[Sabrina, Puspita Nurul]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i2.894
<![CDATA[Ujaran kebencian adalah ungkapan atau bahasa yang digunakan untuk mengekspresikan kebencian terhadap seseorang atau sekelompok orang. Ujaran kebencian juga memiliki tingkatan ancaman, semakin tinggi tingkat ancaman ujaran kebencian maka akan semakin luas dan cepat penyebarannya sehingga dapat menimbulkan konflik antar individu sampai konflik antar kelompok. Untuk dapat mendeteksi dan mengklasifikasikan ujaran kebencian sekaligus tingkat ancamannya dalam penelitian ini digunakan dataset multi-label dari penelitian sebelumnya dengan menggunakan label yang masuk kedalam topik ujaran kebencian dan tingkat ancaman dengan total sebanyak 4 label. Dalam menyelesaikan permasalahan multi-label tersebut digunakan metode Naïve Bayes sebagai metode klasifikasi dan metode Label Power-set sebagai metode transformasi data, dalam penelitian ini juga digunakan pembobotan TF-IDF sekaligus melakukan beberapa skenario penelitian berdasarkan metode ekstraksi fitur n-gram. Hasil terbaik yang didapatkan berdasarkan hasil evaluasi F-score adalah sebesar 64,957% ketika menggunakan kombinasi metode ekstraksi fitur word unigram, word bigram dan character quadgram. Dari penelitian ini juga didapatkan bahwa semakin banyak fitur yang digunakan maka semakin baik nilai hasil evaluasinya terhadap jenis dataset yang digunakan.]]>
<![CDATA[Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM) ]]>
<![CDATA[Hovi, Hovi Sohibul Wafa]]>;
<![CDATA[Id Hadiana, Asep]]>;
<![CDATA[Rakhmat Umbara, Fajri]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i1.895
<![CDATA[Diabetes Mellitus (DM) atau lebih dikenal dengan sebutan penyakit kencing manis adalah penyakit kronis yang disebabkan oleh gagalnya organ pankreas memproduksi jumlah hormon insulin secara memadai sehingga menyebabkan peningkatan kadar glukosa dalam darah. Diabetes Mellitus merupakan penyakit yang berbahaya, banyak diberbagai negara terkena penyakit diabetes termasuk di Indonesia. Penyebab utama diabetes masih belum diketahui, namun banyak yang percaya bahwa faktor genetika dan gaya hidup dapat memainkan peran utama pada diabetes. Para peneliti di bidang bioinformatika telah berusaha untuk mengatasi penyakit ini dan membuat sistem untuk membantu dalam prediksi diabetes. Dari berbagai penelitian yang ada, banyak menggunakan metode seperti C4.5, KNN, Naïve Bayes, serta SVM Linier dalam membangun sistem, tapi metode SVM Radial Basis Function (RBF) jarang digunakan dikarenakan hasil akurasi yang didapat tidak cukup untuk digunakan pada sistem prediksi diabetes. Pada penelitian ini menjawab gap tersebut bahwa dengan menggunakan metode algoritma SVM Radial Basis Function (RBF) dapat menghasilkan akurasi yang tinggi dengan mencapai sebesar 91%. Pengujian akurasi yang dilakukan menggunakan Confusion Matrix dan peramalan Mean Square Error dengan kfold kelipatan 10. Penelitian ini bertujuan untuk menentukan apakah penderita/pasien dapat terkena penyakit diabetes atau tidak dengan menerapkan teknik data mining dan klasifikasi menggunakan algoritma SVM Radial Basis Function berbasis Forward Selection.]]>
<![CDATA[Klasifikasi Daftar Ulang Calon Mahasiswa Baru Dengan Menggunakan Metode Klasifikasi Naive Bayes ]]>
<![CDATA[Pikriyansah, Reji]]>;
<![CDATA[Umbara, Fajri Rahmat]]>;
<![CDATA[Sabrina, Puspita Nurul]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i2.912
<![CDATA[Registrasi ulang merupakan prosedur yang wajib dilakukan oleh calon mahasiswa yang berkeinginan menjadi mahasiwa aktif dan sudah lulus seleksi. Kebanyakan mahasiswa yang tidak ingin melanjutkan proses registrasi ulang memilih menunggu batas akhir registrasi ulang daripada menghubungi pihak Universitas. Untuk memprediksi calon mahasiwa yang akan melakukan registrasi ulang penellitian ini menggunakan metode Naïve Bayes tehadap dataset calon mahasiwa. Penelitian ini menggunakan dua dataset yang mana merupakan dataset dengan kelas yang tidak seimbang dan dataset dengan kelas yang seimbang yang diseimbangkan menggunakan metode Undersampling, ditambah dengan beberapa skenario klasifikasi dengan melakukan penyeleksian atribut menggunakan metode Mutual information. Hasil akurasi tertinggi yang didapat adalah 63.83% pada dataset dengan kelas yang tidak seimbang dengan menggunakan 14-16 atribut dan 63.53% pada dataset dengan kelas yang seimbang dengan menggunakan 15-16 atribut. Nilai Mutual Information kedua dataset sangatlah rendah yaitu dibawah 0.09. Berdasarkan hasil yang di dapat dari setiap pengujian skenario nilai Mutual Information yang rendah dan rentang nilai yang berdekatan kemungkinan besar mengakibatkan tingkat akurasi menurun setiap dilakukan proses penyeleksian atribut.]]>
<![CDATA[Prediksi Pengagguran Menggunakan Decision Tree Dengan Algoritma C5.0 Pada Data Penduduk Kecamatan Caringin Kabupaten Bogor ]]>
<![CDATA[Kahfi, Muhammad Dzatul]]>;
<![CDATA[Umbara, Fajri Rakhmat]]>;
<![CDATA[Ashaury, Herdi]]>
<![CDATA[ Informatics and Digital Expert (INDEX) Vol. 4 No. 2 (2022): INDEX, November 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Perjuangan Tasikmalaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36423/index.v4i2.913
<![CDATA[Tingkat kesejahteraan dalam kehidupan bermasyarakat dapat dilihat dari tingkat penganggurannya. Pemerintah daerah biasanya mengadakan sebuah program untuk membantu mengurangi jumlah pengangguran, entah itu dengan mengadakan sebuah pelatihan atau hal lain yang dapat mendorong kreativitas masyarakat dan meningkatkan kemampuan hardskill agar dapat bersaing di dunia kerja. Ada banyak penelitian yang memprediksi tingkat pengangguran dan juga ada penelitian yang menggunakan algoritma C5.0 untuk melakukan prediksi, namun belum ada penelitian yang menggabungkan subjek dan metode tersebut. penelitian ini bertujuan untuk membuat sebuah model prediksi menggunakan algoritma C5.0 terhadap data penduduk kecamatan caringin dan mencari skenario dengan hasil akurasi yang paling tinggi. namun terdapat beberapa permasalahan yang harus dihadapi seperti bagaimana tingkat akurasi Model klasifikasi Decision Tree dengan algoritma C5.0 terhadap dataset penduduk Kecamatan Caringin dan Bagaimana resio data latih data uji dan penggunaan pruning memengaruhi tingkat akurasi prediksi yang akan dilakukan. Penelitian ini dievaluasi menggunakan beberapa skenario rasio data latih dan data uji yang berbeda beda dan penggunaan pruning yang berbeda. Hasil dari penelitian ini adalah model prediksi pengangguran berhasil dibuat dengan tingkat akurasi paling tinggi yaitu pada skenario data latih 70% dan data uji 30% dengan menerapkan teknik post pruning.]]>
