cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Kurniawan Dwi Irianto
Contact Email
k.d.irianto@uii.ac.id
Phone
+6285879299649
Journal Mail Official
k.d.irianto@uii.ac.id
Editorial Address
Jl. Kaliurang Km 14,5, Sleman, Yogyakarta Gedung KH. Mas Masyur, Fakultas Teknologi Industri, Universitas Islam Indonesia
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi
Published by Universitas Islam Indonesia
ISSN : -     EISSN : 28075935     DOI : 10.20885/snati
Core Subject : Science,
Computer Science & IT
Jurnal SNATi publishes original research articles on various topics related to computer science, information technology, systems engineering, and complementary fields.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 16 Documents
 1   2 
Search results for , issue "Vol. 4 No. 2 (2025)" : 16 Documents clear
Penerapan Algoritma K-Nearest Neighbors untuk Deteksi Serangan Network Flood Berbasis Supervised Learning habibi, roni; Widana, Naufal Dekha
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.38599

Abstract

Deteksi anomali akibat serangan flood merupakan tantangan utama dalam pengelolaan keamanan jaringan modern. Penelitian ini mengusulkan penerapan algoritma K-Nearest Neighbors (KNN) dalam kerangka supervised learning untuk membangun model Network Flood Detection (NFD) yang dievaluasi menggunakan metrik performa yang lebih komprehensif, yaitu akurasi, presisi, dan recall. Model dikembangkan berdasarkan fitur jaringan seperti bandwidth masuk, bandwidth keluar, ping, serta distribusi trafik flood dan normal. Data diperoleh dari laporan jaringan instansi secara real-time dan historis, yang kemudian diproses melalui tahapan normalisasi, pengurangan fitur, dan penghapusan noise. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi hingga 92,42% dengan skor F1 yang seimbang antar kelas. Selain itu, kurva ROC dengan AUC sebesar 0,99 menunjukkan bahwa model memiliki kemampuan diskriminasi yang tinggi dalam membedakan trafik flood dan normal. Temuan ini menunjukkan bahwa KNN, meskipun sederhana, dapat digunakan secara efektif dalam sistem deteksi serangan flood jika didukung oleh data yang representatif dan proses evaluasi yang tepat.
Predictive Modeling of Microsleep Incidents in Indonesian Drivers Using Random Forest: A Data-Driven Approach for Road Safety Enhancement Lestari, Astri; Rahmawati, Ainun; Shofiah, Siti; Siswanto, Joko; Putra, Benny Hamdi Rhoma
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.39984

Abstract

Microsleep presents a critical safety challenge for Indonesian drivers, particularly affecting long-distance transportation where existing detection methods remain costly and impractical for widespread deployment. This study introduces a novel application of Random Forest algorithm specifically tailored to Indonesian driving contexts, utilizing locally-sourced accident data combined with driver behavioral surveys to predict microsleep likelihood. Unlike previous studies that relied primarily on physiological monitoring or international datasets, this research leverages accessible vehicle and environmental variables including driving duration, road conditions, weather patterns, and work schedules from National Transportation Safety Committee (KNKT) records spanning 2013-2023. The Random Forest model, configured with 100 trees and maximum depth of 10, demonstrated 87.50% overall accuracy with perfect recall (1.00) for microsleep detection when validated using stratified k-fold cross-validation. This study uniquely contributes to the field by demonstrating that context-specific environmental and behavioral factors can effectively predict microsleep incidents without expensive physiological monitoring, offering a practical foundation for developing cost-effective vehicle safety systems tailored to Indonesian road conditions and driving patterns. The findings provide actionable insights for transportation policy development and establish a framework for implementing affordable microsleep detection in developing countries with similar traffic characteristics.
Analisis Kualitas Audio Steganografi MP3 Menggunakan Teknik Masking Pada Spectrogram Madi, Permadi Kusuma; Prayudi, Yudi
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.40248

Abstract

Steganografi menyembunyikan informasi rahasia melalui media seperti audio, video dan gambar. Penelitian ini bertujuan untuk menerapkan teknik masking pada spectrogram audio dari media MP3, serta menganalisis hasil steganografi menggunakan pendekatan pemrograman Python dengan pustaka Librosa. Permasalahan pada penelitian ini ialah bagaimana menyisipkan pesan rahasia ke dalam file audio tanpa mengganggu kualitas suara, dan pesan rahasia dapat dideteksi menggunakan teknik masking. Sehingga proses penyisipan dilakukan dengan memanfaatkan area frekuensi tertentu pada spectrogram yang cenderung tidak sensitif terhadap persepsi manusia. Sampel audio yang digunakan dalam penelitian ini terdiri dari lagu Bernadya - Hidup Harus Tetap Berjalan, nada dering Samsung Galaxy S3 dan Samsung Galaxy S20. Analisis audio dilakukan melalui visualisasi spectrogram, ekstraksi fitur Mel-Frequency Cepstral Coefficients (MFCC), Zero-Crossing Rate (ZCR), serta evaluasi metadata file audio. Tujuan dari analisis ini adalah untuk melihat apakah ada pola pola aneh atau tidak wajar yang muncul akibat penyisipan pesan rahasia dalam file audio. Jadi ketika ada data disisipkan secara tersembunyi, biasanya akan muncul perbedaan kecil dalam bentuk garis, noise, atau perubahan struktur visual yang tidak alami. Hasil penelitian menunjukkan bahwa penyisipan pesan berhasil dilakukan menggunakan teknik masking, namun menimbulkan perubahan pada karakteristik visual dan statistik sinyal audio asli dengan hasil steganografi. Sedangkan kualitas suara tidak jauh berbeda dengan audio asli.
Kesiapan dan Keamanan Infrastruktur Penyelenggaraan Rekam Medis Elektronik di RSUD Kabupaten Kediri Jayanto, Deni Luvi; Herfin, Melky; Akbar, Muhammad; Saputra, Sabarudin; Djusmin, Vicky Bin; Zuliana, Ni’matu; Ardila, Ninda Mulya Ike; Poonwong, Prakasit; Bawias, Juan Sebastian Caesario
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.40288

Abstract

Teknologi telah menjadi kebutuhan dasar dan pokok manusia serta telah digunakan di semua aspek kehidupan, terutama di bidang kesehatan, seperti di rumah sakit. RSUD Kabupaten Kediri (RSKK) berupaya menjalankan RME secara penuh namun masih mengalami kendala jaringan dan membuat perangkat dan pelayanan menjadi lumpuh sehingga membutuhkan analisis penyebabnya. Tujuan penelitian ini untuk menganalisis keamanan rekam medis elektronik yang ditinjau dari infrastruktur yang meliputi VLAN, topologi, server, backup dan keamanan jaringan yang meliputi proteksi jaringan dan antivirus. Jenis penelitian ini menggunakan deskriptif kualitatif dengan populasi dan sampel 2 petugas IT di RSKK dengan teknik sampling jenuh. Hasil penelitian menunjukkan bahwa infrastruktur jaringan menggunakan topologi star dan tree dengan server lokal yang memiliki genset untuk cadangan listrik apabila dibutuhkan yang terhubung melalui konektivitas PTP (Point to Point), namun belum menerapkan VLAN untuk segmentasi jaringan. Proses pencadangan data dilakukan rutin setiap 24 jam, namun proteksi jaringan masih menggunakan WPA2-PSK. Rekomendasi diberikan untuk meningkatkan keamanan melalui penggantian koneksi kabel dan penerapan VLAN dengan memberikan IP Address, serta pemisahan akses untuk perangkat mobilitas. Kesimpulannya, infrastruktur telah cukup memadai untuk mendukung rekam medis elektronik dengan beberapa perbaikan, terutama pada aspek keamanan. Saran diberikan untuk memperbarui perlindungan jaringan agar lebih andal terhadap ancaman keamanan siber.
Diagnosa Awal Autisme pada Anak dengan Algoritma Machine Learning Taryadi; Yunianto, Era; Aidjili, Mosses
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.40317

Abstract

Gangguan spektrum autisme adalah kondisi neurologis yang ditandai dengan gangguan kemampuan komunikasi, keterasingan sosial, dan perilaku repetitif pada individu. Organisasi kesehatan global menghadapi kesulitan dalam membangun sistem diagnostik ASD yang efektif yang memfasilitasi analisis yang tepat dan prediksi autisme dini. Penelitian ini menyajikan pendekatan untuk prediksi dini anak-anak dengan ASD dengan memanfaatkan variabel signifikan melalui metode pembelajaran mesin. Data set terdiri dari kasus ASD sebanyak 1250 data dimana diambil 5 variabel yang sangat efektif untuk menghiutng koefisien korelasi pearson yaitu: jenis kelamin, keterlambatan bisaca, penyakit kuning, gangguan genetik dan riwatat keluarga. Analisis dataset mengunakan lima teknik Machine Learning yaitu: Naïve Bayes, K-Nearest Neighbor, Decision Tree, Support Vector Machine dan AdaBoostM1. Pengukuran akurasi, presisi, waktu prediksi, recall dan F1-score digunakan untuk menguji algoritma ML yang digunakan. Hasil pengujian menunjukkan bahwa metode Naïve Bayes dan K-Nearest Neighbor dengan tingkat akurasi sebesar 99,2% dan 96,3% dan waktu prediksi yang minimal sebesar 0,31 dan 0,46 detik. Sedangkan metode yang menunjukkan penurusan akurasi adalah Decision Tree dan AdaBoostM1 dengan masing-masing sebesar 95,8% dan 88,6%. Sedangkan kinerja paling rendah adalah metode Support Vector Machine dengan tingkat akurasi sebesar 81,2% dan waktu prediksi tertinggi sebesar 0,82 detik.
Perancangan IoT-Based Sport Health Assistant untuk Monitoring Kesehatan Saat Berolahraga Suryani, Fajar; Nurchim; Prasetya, Ian Putra
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.40328

Abstract

Kematian mendadak saat berolahraga sering terjadi akibat kurangnya pemantauan kondisi tubuh secara real-time. Penelitian ini bertujuan merancang IoT-Based Sport Health Assistant untuk memonitor kesehatan saat berolahraga dengan mengukur detak jantung, suhu tubuh, dan kadar oksigen (SpO₂) secara langsung selama aktivitas fisik. Sistem ini menggunakan mikrokontroler ESP32, sensor MAX30100 untuk detak jantung dan SpO₂, serta sensor MLX90614 untuk suhu tubuh. Data dikirim secara berkala ke server Node.js, disimpan dalam database PostgreSQL, dan ditampilkan dalam grafik pada aplikasi berbasis web. Prototipe dirancang portabel dan dapat dipasang di lengan menggunakan armband. Pengujian dilakukan pada 10 subjek berusia 18–30 tahun dengan membandingkan hasil alat dengan alat medis standar seperti oxymeter dan termometer inframerah. Hasil ketiga sensor (detak jantung, oksigen, suhu) memiliki p-value > 0.05, hal tersebut menunjukkan bahwa sistem bekerja dengan baik. Prototipe ini dapat menjadi solusi awal dalam upaya pencegahan risiko kesehatan saat berolahraga.
Analisis Risiko Keamanan Data Pribadi Pada Penggunaan Media Sosial Instagram Dengan Menggunakan Metode DREAD Rapina; Albuchori, Ikhwan Fitrah
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.40362

Abstract

Perkembangan teknologi informasi yang pesat, khususnya melalui media sosial seperti Instagram, telah mempermudah interaksi digital namun juga meningkatkan potensi risiko terhadap keamanan data pribadi. Kurangnya kesadaran pengguna dalam menjaga privasi serta lemahnya pengaturan keamanan sering kali dimanfaatkan oleh pihak tidak bertanggung jawab untuk melakukan pelanggaran data. Penelitian ini dilakukan untuk menganalisis tingkat risiko keamanan data pribadi pada pengguna Instagram, mengingat tingginya aktivitas pengguna di platform tersebut tanpa perlindungan yang memadai. Penelitian menggunakan metode DREAD (Damage, Reproducibility, Exploitability, Affected Users, dan Discoverability) untuk mengukur dan mengklasifikasikan risiko dari berbagai ancaman yang mungkin terjadi. Sampel dipilih secara purposive terhadap 15 responden aktif pengguna Instagram, dengan pengumpulan data melalui kuesioner berbasis skala Likert 1 hingga 3. Hasil analisis menunjukkan bahwa ancaman seperti pencurian identitas dan kebocoran data termasuk dalam kategori risiko tinggi dengan nilai rata-rata di atas 2,6. Untuk mengurangi risiko tersebut, disarankan penerapan two-factor authentication (2FA), pengaturan privasi yang lebih ketat, dan peningkatan literasi keamanan digital di kalangan pengguna. Penelitian ini menegaskan pentingnya kesadaran individu dan dukungan kebijakan platform dalam menjaga keamanan data pribadi di era digital.
Deep Learning-Based Bidirectional RNN for Cryptocurrency Price Prediction with Hyperparameter Tuning Candra, Dori Gusti Alex; Afrianto, Nurdi; Fitriyanto, Idir; Sofiati, Eka; Putra, Budi Permana
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.40389

Abstract

Predicting cryptocurrency is difficult because it has high volatility, where prices can experience spikes or declines due to market dynamics. This study focuses on NameCoin, one of the oldest altcoins originating from Bitcoin. NameCoin was selected because it has relatively stable and extensive historical data. The objective of this study is to evaluate the performance of the Bidirectional Recurrent Neural Network (BiRNN) in predicting NameCoin price movements. This study employs an experimental method using historical data as input for the training process. Hyperparameter tuning is conducted systematically using four different scenarios to obtain the optimal model configuration. The dataset is divided into 80% for training the model and 20% for testing the performance of the trained model. Model performance is evaluated using RMSE, MSE, MAPE, coefficient of determination (R²), Directional Statistic (D-Stat), and loss value as indicators of model accuracy and stability. The experimental results show that Scenario 1 produces the most optimal performance, with RMSE = 0.0216, MAPE = 2.59%, R² = 0.9899, D-Stat = 53.71%, and the smallest loss value of 0.0012. These performance metrics indicate that the BiRNN model effectively captures nonlinear trends and accurately predicts the direction of price movements. Conversely, Scenario 3 had the worst performance, with a MAPE of 10.19%. By comparing these scenarios, it is clear that the configuration in Scenario 1 outperforms the others in terms of prediction accuracy and model stability against data fluctuations.
Perbandingan Versi Terbaik YOLO Dalam Mendeteksi Jarak Spasi Antar Baris Tulisan Tangan Mair, Zaid Romegar; Rahmanda, Muhamad Ardi
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.40414

Abstract

Tulisan tangan tetap memiliki nilai penting dalam pendidikan dan psikologi, khususnya dalam mengevaluasi kemampuan struktur penulisan siswa. Salah satu indikator penting adalah jarak spasi antar baris, yang mencerminkan keteraturan dan kerapihan tulisan. Penilaian manual terhadap aspek ini rentan terhadap subjektivitas dan kurang efisien. Oleh karena itu, penelitian ini bertujuan untuk membandingkan kinerja tiga versi model You Only Look Once (YOLO), yaitu YOLOv5, YOLOv8, dan YOLO 11 dalam mendeteksi jarak antar baris tulisan tangan. Sebanyak 90 sampel tulisan tangan mahasiswa dikumpulkan, dipindai, dan dianotasi menjadi dua kategori: "sempit" dan "lebar". Proses pelatihan dilakukan dengan parameter yang seragam dan diuji menggunakan metrik evaluasi seperti precision, recall, dan mean Average Precision (mAP). Hasil penelitian menunjukkan perbedaan performa di antara ketiga model, yang memberikan wawasan tentang efektivitas masing-masing versi YOLO dalam mendeteksi elemen spasial tulisan tangan. YOLOv5x secara konsisten memiliki performa tertinggi pada ketiga metrik, terutama pada Precision, dengan nilai sekitar 0.75. YOLOv8x dan YOLO 11x menunjukkan performa yang sebanding pada nilai mAP@0.5 dan Recall, tetapi lebih rendah daripada YOLOv5x. model YOLOv5x memiliki kemampuan yang lebih baik untuk mendeteksi dan mengklasifikasikan objek tulisan tangan dibandingkan dengan dua model lainnya.
Redesigning HR Business Processes with Camunda BPMN and Chatbot Integration Chaerulisma, Hanuga Fathur; Setiani, Novi
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 2 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i2.40421

Abstract

Human Resource Management (HRM) processes such as attendance tracking, bonus management, and employee onboarding are often inefficient due to manual methods that are time-consuming, error-prone, and lack standardisation. This study addresses these issues by implementing the Camunda BPMN Engine and a Telegram-based chatbot, guided by the Agile Business Process and Practice Alignment Methodology (BPPAM). The BPMN engine automates workflows, while the chatbot simplifies interaction, enhancing response time and data accuracy. Significant improvements were observed after implementation. The number of user tasks was reduced. For instance, attendance went from 6 to 0 steps (100% reduction), and onboarding went from 14 to 1 steps (92.86% reduction). Processing times improved as well: attendance dropped from 3–5 minutes to under 2 minutes (60% faster), and bonus approval dropped from over 7 days to less than 1 day (85% reduction). Feedback from employees and HR staff highlighted increased satisfaction due to the system’s speed, ease of use, and standardized workflows. The results demonstrate that integrating BPMN automation with chatbot technology can enhance HR operations by increasing efficiency, accuracy, and user experience. The approach offers a scalable solution aligned with modern organizational needs.

Page 1 of 2 | Total Record : 16

 1   2 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 4 No. 2 (2025) Vol. 4 No. 1 (2025) Vol. 3 No. 3 (2024) Vol. 3 No. 2 (2024) Vol. 3 No. 1 (2023) Vol. 2 No. 2 (2023) Vol. 2 No. 1 (2022) Vol. 1 No. 2 (2022) Vol. 1 No. 1 (2021)