cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
Hairani@universitasbumigora.ac.id
Phone
+6285933083240
Journal Mail Official
khairan.marzuki@universitasbumigora.ac.id
Editorial Address
-
Location
Kota mataram,
Nusa tenggara barat
INDONESIA
Prosiding Seminar Nasional CORISINDO
Published by Universitas Bumigora
ISSN : -     EISSN : -     DOI : https://doi.org/10.30812/corisindo.v1
Core Subject : Science,
Computer Science & IT
Perguruan tinggi sebagai penyedia sumber daya manusia industri harus beradaptasi untuk memenuhi kebutuhan kompetensi transformasi digital di berbagai sektor, khususnya karya ilmiah. Berbagai inovasi harus dilakukan untuk meningkatkan sumber daya manusia yang sesuai dengan kebutuhan industri 4.0. Hal mendasar yang perlu dilakukan perguruan tinggi adalah mereview dan mendesain ulang kurikulum, mendorong program mobilitas bagi talenta asing, bekerjasama dengan stakeholders termasuk industri dan pemerintah sebagai pengguna lulusan perguruan tinggi. Konferensi ini bertujuan untuk menyediakan forum utama bagi dunia karya ilmiah untuk diskusi dan debat tentang Potensi Transformasi Digital, Interdisipliner, standardisasi teknologi terkait, dan dampak teknologi tersebut terhadap masyarakat dan budaya selama pandemi ini. Konferensi tersebut mempertemukan para peneliti, pembuat kebijakan, pengembang, pengguna, dan perusahaan komersial, siapa pun yang tertarik dengan Web dan apa yang ditawarkannya. SEMNAS CORISINDO 2025 merupakan platform Seminar Nasional yang menampilkan artikel asli dari berbagai peneliti, akademisi, praktisi, dan pengusaha bisnis untuk menciptakan peluang penelitian yang berorientasi global di era pandemi dengan memanfaatkan teknologi transformasi digital.
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 104 Documents
 1   2   3   4   5 
Penetration Testing untuk Menguji Sistem Keamanan Website Menggunakan OWASP ZAP Maulana, Hifzul Wathoni; Sujaka, Tomi Tri; Azwar, Muhamad; Husain, Husain; Hariyadi, I Putu
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5227

Abstract

Di era digital yang semakin berkembang  maka keamanan website merupakan aspek krusial dalam melindungi data dan menjaga integritas sistem. Penelitian ini bertujuan untuk menguji keamanan website terhadap serangan parameter injection menggunakan metode penetration testing. Pengujian dilakukan dengan mengacu pada standar OWASP Top 10 denan menggunakan alat OWASP Zed Attack Proxy. Proses pengujian dilakukan dalam empat tahap, yaitu perencanaan, pemindaian, eksploitasi, dan pelaporan. Eksploitasi dilakukan terhadap dua jenis serangan utama, yaitu SQL Injection dan Cross Site Scripting, menggunakan alat SQLMap dan Burp Suite. Hasil pengujian menunjukkan bahwa terdapat dua jenis kerentanan pada sistem, masing-masing memiliki tingkat risiko tingg dan medium. Langkah mitigasi dilakukan dengan mengimplementasikan teknik prepared statement, validasi dan sanitasi input, serta enkripsi data menggunakan algoritma Advanced Encryption Standard serta melakukan konfigurasi tambahan untuk mencegah akses yang tidak sah. Penelitian ini menghasilkan rekomendasi teknis yang dapat digunakan oleh pengembang untuk meningkatkan keamanan website dari ancaman cracker.
Penerapan Logistic Regression dan SMOTE untuk Memprediksi Atrisi Karyawan pada Imbalanced Data Vidiasari, Viviana Herlita; Hairani, Hairani; Santoso, Heroe; Amin, Farda Milanda
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5245

Abstract

Atrisi karyawan merupakan tantangan bagi perusahaan karena berdampak langsung pada meningkatnya biaya pelatihan, hilangnya pengetahuan, serta menurunnya produktivitas dan stabilitas tim. Penelitian ini bertujuan untuk membangun model prediksi atrisi karyawan menggunakan pendekatan machine learning. Dataset yang digunakan terdiri dari 1.470 data karyawan, yang telah melalui tahap preprocessing, termasuk penanganan nilai kategorikal, normalisasi, serta seleksi fitur menggunakan Recursive Feature Elimination (RFE). Untuk mengatasi ketidakseimbangan data antara kelas tidak resign dan resign, digunakan teknik SMOTE. Model logistic regression dipilih untuk mendapatkan performa terbaik. Hasil evaluasi menunjukkan bahwa model mampu memberikan hasil yang baik dengan akurasi sebesar 0.74, ROC AUC sebesar 0.82, dan recall 0.79 pada kelas minoritas. Temuan ini diharapkan dapat digunakan oleh perusahaan sebagai alat bantu dalam pengambilan keputusan untuk mengelola risiko atrisi secara lebih efektif.
Optimalisasi Hybrid Sampling pada SVM dan Ensemble Learning untuk Prediksi Churn Wijaya, Hartono; Hairani, Hairani; Vidiasari, Viviana Herlita; Amin, Farda Milanda
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5246

Abstract

Churn merupakan kondisi ketika pelanggan menghentikan penggunaan produk atau layanan suatu perusahaan, yang secara langsung berdampak terhadap penurunan pendapatan dan peningkatan biaya akuisisi pelanggan baru. Ketidakmampuan model pembelajaran mesin dalam mengenali pelanggan yang berisiko churn akibat ketidakseimbangan data menjadi tantangan utama dalam sistem prediksi churn. Penelitian ini bertujuan untuk mengembangkan model prediksi churn yang lebih akurat dan sensitif dengan mengombinasikan algoritma Support Vector Machine (SVM) dan metode ensemble (Bagging dan Stacking), disertai penerapan teknik hybrid sampling seperti SMOTE. Metode penelitian meliputi pengumpulan data, preprocessing data, pembagian data, pelatihan model dan evaluasi . Hasil penelitian menunjukkan bahwa model Stacking memberikan performa terbaik dengan akurasi dan F1-score mencapai 86%, serta nilai AUC sebesar 0,93. Fitur products number, age, dan active member teridentifikasi sebagai variabel paling berpengaruh terhadap churn. Batasan utama penelitian ini terletak pada keterbatasan sumber data dan belum dilakukannya tuning parameter secara mendalam. Penelitian ini juga memberikan kontribusi praktis bagi strategi retensi pelanggan dan dapat dikembangkan lebih lanjut dengan validasi pada dataset lintas industri dan tuning parameter yang lebih luas.
Penerapan Algoritma Hybrid Sampling SMOTE-TomekLink dan Random Forest untuk Klasifikasi Penyakit Diabetes Amin, Farda Milanda; Dinika, Qalbi Ala
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5247

Abstract

Ketidakseimbangan data pada dataset sering kali menjadi kendala dalam meningkatkan akurasi klasifikasi pada data medis, termasuk penyakit diabetes. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan menerapkan algoritma hybrid sampling, yaitu kombinasi metode SMOTE (Synthetic Minority Over-sampling Technique) dan TomekLink, serta memanfaatkan algoritma Random Forest sebagai model klasifikasi. Dataset yang digunakan berasal dari Kaggle, berisi 768 data pasien dengan ketidakseimbangan antara kelas negatif dan positif. Metode SMOTE digunakan untuk menyeimbangkan kelas minoritas, sedangkan TomekLink membantu mengurangi data noise dari kelas mayoritas. Hasil evaluasi menunjukkan bahwa kinerja model Random Forest meningkat secara signifikan setelah diterapkan metode Smote-TomekLink, dengan akurasi mencapai 86,4%, sensitivitas 88,2%, dan spesifisitas 81%. Peningkatan ini membuktikan bahwa kombinasi teknik sampling tersebut efektif dalam menangani masalah data tidak seimbang dan meningkatkan performa klasifikasi pada diagnosis penyakit diabetes.
Klasifikasi Tingkat Kekerasan dalam Rumah Tangga Menggunakan Algoritma Decision Tree C4.5 Khair, Rizki Maulana; Setiawan, Muhammad Ersah; Rosaensi, Melati
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5251

Abstract

Kasus Kekerasan Dalam Rumah Tangga (KDRT) di Provinsi Nusa Tenggara Barat (NTB) terus menunjukkan tren yang mengkhawatirkan setiap tahunnya. Dampaknya tidak hanya dirasakan secara fisik dan psikis oleh korban, tetapi juga mengganggu ketahanan sosial masyarakat. Situasi ini menuntut perhatian serius dari pemerintah dan seluruh elemen masyarakat, serta dibutuhkan pendekatan berbasis data untuk mendukung kebijakan pencegahan yang lebih tepat sasaran. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kasus Kekerasan Dalam Rumah Tangga (KDRT) di Provinsi Nusa Tenggara Barat (NTB) berdasarkan atribut tahun, wilayah, dan jumlah kasus. Permasalahan utama yang diangkat adalah belum tersedianya sistem klasifikasi berbasis data yang dapat mendukung kebijakan pencegahan kekerasan. Algoritma Decision Tree C4.5 digunakan untuk membangun model klasifikasi dengan data dari tahun 2020 hingga 2024, di mana jumlah kasus dikategorikan ke dalam tiga kelas: rendah, sedang, dan tinggi melalui diskretisasi manual. Model divisualisasikan dalam bentuk pohon keputusan dengan aturan klasifikasi yang mudah diinterpretasi, di mana atribut “jumlah kasus” menjadi pemisah utama. Hasil evaluasi menggunakan 10-fold cross-validation menunjukkan akurasi sebesar 94%, dengan nilai precision, recall, dan F1-score rata-rata di atas 0,94. Temuan ini menunjukkan bahwa algoritma C4.5 efektif dalam mengungkap pola distribusi kekerasan dalam rumah tangga, dan dapat dijadikan dasar penyusunan strategi intervensi serta kebijakan pencegahan yang lebih tepat sasaran di wilayah NTB.
Klasifikasi Keparahan Kecelakaan Lalu Lintas Berbasis Decision Tree C4.5 dan Teknik SMOTE Alfiansyah, Githa; Hendra; Azhar, Raisul
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5252

Abstract

Kecelakaan lalu lintas merupakan masalah serius yang berdampak besar terhadap keselamatan masyarakat, khususnya di Provinsi Nusa Tenggara Barat (NTB). Dalam beberapa tahun terakhir, angka kecelakaan di NTB menunjukkan tren fluktuatif dengan kecenderungan peningkatan pada kategori kecelakaan berat. Kondisi ini menjadi isu penting yang harus segera mendapat perhatian dari pihak berwenang maupun masyarakat. Tingginya angka kecelakaan, terutama yang berakibat fatal, menegaskan perlunya upaya penanggulangan berbasis data yang terarah dan berkelanjutan. Dalam upaya menurunkan tingkat kecelakaan dan meningkatkan keselamatan lalu lintas, penelitian ini bertujuan untuk mengklasifikasikan tingkat keparahan kecelakaan lalu lintas menggunakan algoritma Decision Tree (C4.5) yang dikombinasikan dengan teknik SMOTE untuk mengatasi ketidakseimbangan data antar kelas. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik NTB, mencakup periode 2018 hingga 2023. Model divalidasi menggunakan 15-Fold Cross Validation dan menghasilkan akurasi sebesar 98,33%. Hasil klasifikasi menunjukkan bahwa atribut "Jumlah" merupakan variabel paling berpengaruh dalam membentuk aturan klasifikasi, dengan pembagian kategori keparahan ke dalam tiga kelas: Rendah, Sedang, dan Tinggi. Temuan ini menunjukkan bahwa model memiliki performa tinggi dan dapat dimanfaatkan sebagai alat bantu dalam menyusun kebijakan pencegahan kecelakaan, mengidentifikasi wilayah rawan, serta mendukung pengambilan keputusan yang lebih tepat dalam upaya menurunkan risiko kecelakaan di wilayah NTB.
Model Regresi Linear Berganda untuk Menganalisis Luas Panen dan Produktivitas terhadap Produksi Bawang Merah Isrorianto, Syadid Naufal; Ihsana, Muh. Sohibul; Aryani, R. Ayu Ida
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5254

Abstract

Produksi bawang merah di Indonesia mengalami fluktuasi meskipun tren peningkatan luas panen terus berlangsung setiap tahunnya. Penelitian ini bertujuan untuk menganalisis pengaruh luas panen dan produktivitas terhadap total produksi bawang merah dengan menggunakan metode regresi linear berganda. Data deret waktu tahunan dari tahun 2013 hingga 2024 diperoleh dari Badan Pusat Statistik dan dianalisis secara kuantitatif. Pengujian model dilakukan melalui uji asumsi klasik, uji F (ANOVA), dan koefisien determinasi (R²). Hasil analisis menunjukkan bahwa model signifikan secara statistik (p < 0,05) dengan nilai R² sebesar 98,5%, yang berarti model mampu menjelaskan hampir seluruh variasi produksi. Kedua variabel independen, yakni luas panen dan produktivitas, memiliki pengaruh positif dan signifikan terhadap hasil produksi. Temuan ini memperlihatkan bahwa model dapat menggambarkan hubungan antar variabel secara kuat dan konsisten. Dengan demikian, model ini berpotensi menjadi dasar pertimbangan dalam perencanaan produksi, pengelolaan sumber daya pertanian, serta penyusunan kebijakan peningkatan produktivitas berbasis data.
Produksi Daging Hewan Ternak berdasarkan Jenis Ternak Menggunakan Metode K-Means Alamsyah, Onis; Haulani, Ardha; Suriyati
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5256

Abstract

Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Nusa Tenggara Barat berdasarkan karakteristik produksi daging hewan ternak selama periode 2020 hingga 2024. Permasalahan yang diangkat adalah belum optimalnya pemanfaatan data produksi per jenis ternak dalam merumuskan kebijakan pengembangan peternakan daerah. Untuk itu, penelitian ini telah menerapkan metode K-Means Clustering guna mengelompokkan wilayah berdasarkan kemiripan jumlah produksi dari berbagai jenis ternak. Data sekunder diperoleh dari Badan Pusat Statistik dan mencakup komoditas ternak seperti sapi, kambing, ayam ras, dan lainnya. Hasil analisis menunjukkan terbentuknya beberapa klaster wilayah dengan tingkat produksi yang serupa. Klaster-klaster tersebut mencerminkan potensi produksi tinggi, sedang, dan rendah, yang dapat dijadikan dasar prioritas pengembangan. Temuan ini memberikan gambaran spasial yang berguna bagi pengambil kebijakan untuk menyusun strategi penguatan produksi daging secara lebih terarah. 
Analisis Kinerja Model Random Forest dengan Teknik Manhattan-SMOTE pada Deteksi Fraud Transaksi Kartu Kredit Imbalance Nuzululnisa, Bq Nadila; Hairani, Hairani
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5257

Abstract

Ketidakseimbangan data merupakan salah satu tantangan utama dalam pengembangan sistem deteksi penipuan transaksi kartu kredit. Model pembelajaran mesin cenderung bias terhadap kelas mayoritas, sehingga sulit mendeteksi transaksi fraud yang tergolong sebagai kelas minoritas. Penelitian ini bertujuan untuk meningkatkan kinerja deteksi fraud dengan mengimplementasikan teknik oversampling Manhattan-SMOTE sebagai solusi penyeimbang data sebelum pelatihan model Random Forest. Manhattan-SMOTE merupakan pengembangan dari metode SMOTE konvensional yang menggunakan jarak Manhattan dalam proses interpolasi data sintetis, sehingga lebih stabil dan akurat untuk data berdimensi tinggi. Hasil evaluasi menunjukkan bahwa model Random Forest tanpa oversampling menghasilkan akurasi 81.18% dengan recall yang rendah, yaitu 36.26%. Setelah diterapkan Manhattan-SMOTE, nilai recall meningkat menjadi 67%, F1-score menjadi 0.50, dan ROC AUC melonjak dari 0.75 menjadi 0.96, meskipun akurasi menurun menjadi 70%. Hasil ini menunjukkan bahwa teknik Manhattan-SMOTE secara signifikan meningkatkan kemampuan model dalam mengenali transaksi penipuan tanpa mengorbankan performa klasifikasi secara keseluruhan. Kombinasi Random Forest dan Manhattan-SMOTE terbukti efektif dalam mengatasi ketidakseimbangan kelas dan layak diterapkan dalam sistem deteksi fraud berbasis kecerdasan buatan.
Penerapan Sistem Cerdas dan Sistem Informasi Geografis pada Aplikasi Layanan Jaminan Bongkar Reklame Aprisandi, Lalu Wirman; Azwar, Muhamad; Sujaka, Tomi Tri
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5262

Abstract

This study aims to design and develop a web-based billboard permit application system that integrates intelligent system technology and Geographic Information Systems (GIS). The system utilizes the Forward Chaining and Certainty Factor algorithms to provide recommendations on the suitability of billboard placement zones based on expert-defined rules, while Google Maps is used for interactive visualization of billboard locations. Alpha testing results indicate that all system features—ranging from application submission and processing to reporting—function as intended according to the initial design. Meanwhile, beta testing shows a user satisfaction rate of 86.33%, indicating that the system is considered user-friendly, functional, and suitable for implementation within regulatory agencies. In addition to supporting the digitization of public services, the system also enhances the efficiency of monitoring and decision-making regarding non-compliant or expired billboards. This study contributes to the application of information technology to accelerate, simplify, and improve the effectiveness of public services related to billboard permitting.

Page 1 of 11 | Total Record : 104

 1   2   3   4   5 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025