Analisis sentimen, juga disebut penambangan opini, melibatkan proses otomatis dalam memahami, mengekstraksi, dan memproses data tekstual untuk mendapatkan informasi sentimen yang diungkapkan dalam opini seseorang tentang suatu subjek atau objek, biasanya mengambil sikap negatif atau positif. Penelitian ini berupaya untuk mengkategorikan data tweet menjadi sentimen positif dan negatif. Dengan menggunakan teks berbahasa Indonesia dari platform media sosial Twitter, penelitian ini memanfaatkan opini masyarakat dalam tweet tersebut untuk analisis sentimen masyarakat untuk mengetahui persepsi masyarakat terkait Rancangan Undang-Undang KUHP yang baru saja disahkan. Kumpulan data yang digunakan diambil dari social media Twitter, sebanyak 142 data tweet yang gunakan pada penelitian ini. Klasifikasi data tweet ini menggunakan algoritma Naïve Bayes Classifier. Sebelum dilakukan analisis dilakukan tahapan awal untuk mempersiapkan data, disebut dengan tahapan pre-processing, tahapan ini dilakukan untuk membersihkan teks, meliputi proses seperti case folding, tokenisasi, normalisasi, dan stopword removal. Hasil dari 142 data uji yang klasifikasi menghasilkan 62 data bersentimen positif dan sebanyak 80 data sentimen negatif. Setelah dilakukan evaluasi didapat hasil performa algoritma Naïve Bayes Classifier dengan nilai akurasi sebesar 87%.
{"title":"Analisis Opini Publik Terhadap Undang-Undang KUHP Tahun 2022 Menggunakan Algoritma Naïve Bayes Classifier","authors":"Febby Apri Wenando","doi":"10.37859/jf.v13i02.5670","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5670","url":null,"abstract":"Analisis sentimen, juga disebut penambangan opini, melibatkan proses otomatis dalam memahami, mengekstraksi, dan memproses data tekstual untuk mendapatkan informasi sentimen yang diungkapkan dalam opini seseorang tentang suatu subjek atau objek, biasanya mengambil sikap negatif atau positif. Penelitian ini berupaya untuk mengkategorikan data tweet menjadi sentimen positif dan negatif. Dengan menggunakan teks berbahasa Indonesia dari platform media sosial Twitter, penelitian ini memanfaatkan opini masyarakat dalam tweet tersebut untuk analisis sentimen masyarakat untuk mengetahui persepsi masyarakat terkait Rancangan Undang-Undang KUHP yang baru saja disahkan. Kumpulan data yang digunakan diambil dari social media Twitter, sebanyak 142 data tweet yang gunakan pada penelitian ini. Klasifikasi data tweet ini menggunakan algoritma Naïve Bayes Classifier. Sebelum dilakukan analisis dilakukan tahapan awal untuk mempersiapkan data, disebut dengan tahapan pre-processing, tahapan ini dilakukan untuk membersihkan teks, meliputi proses seperti case folding, tokenisasi, normalisasi, dan stopword removal. Hasil dari 142 data uji yang klasifikasi menghasilkan 62 data bersentimen positif dan sebanyak 80 data sentimen negatif. Setelah dilakukan evaluasi didapat hasil performa algoritma Naïve Bayes Classifier dengan nilai akurasi sebesar 87%.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"46 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133355201","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Ardiansyah, Adika Sri Widagdo, Krisna Nuresa Qodri, Fachruddin Edi Nugroho Saputro, Nisrina Akbar Rizky P
The utilization of technology has developed in various scientific fields, without exception in health. Hospitals, health centers, and clinics are part of the health sector. Thus, it must evolve according to health service standards and patient measures or service user satisfaction that needs to be measured using sentiment analysis. The Media to give opinions to Health service providers is Google Maps. However, the anomaly is that the reviews and the given text are sometimes not correlated. Thus, The utilization of sentiment analysis using the scientific branch of artificial intelligence, namely Natural Language Processing (NLP), is an effective way to infer opinions. The research concluded that the BERT indobenchmark/indobert-base-p1 model has good performance to use of Indonesian text classification with a dataset of 4228 data after preprocessing, which at the beginning of the collection process obtained data as much as 4748 data. Split datasets into 3 data, namely training, validation, and test data, with a ratio of 70:30:30. The experimental results, The researchers found that the model allows the use of the model with other Indonesian texts. The results are 0.85 for accuracy and weighted avg, and macro avg 0.75 on the validation data training process. While the testing data training process is 0.86 for accuracy and weighted avg, the macro avg 0.73. In addition, researchers found that services are the most frequent topic in Health Services. Even though health services have improved, positive sentiment is the highest compared to other sentiment classes.
{"title":"Analisis sentimen terhadap pelayanan Kesehatan berdasarkan ulasan Google Maps menggunakan BERT","authors":"Ardiansyah, Adika Sri Widagdo, Krisna Nuresa Qodri, Fachruddin Edi Nugroho Saputro, Nisrina Akbar Rizky P","doi":"10.37859/jf.v13i02.5170","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5170","url":null,"abstract":"The utilization of technology has developed in various scientific fields, without exception in health. Hospitals, health centers, and clinics are part of the health sector. Thus, it must evolve according to health service standards and patient measures or service user satisfaction that needs to be measured using sentiment analysis. The Media to give opinions to Health service providers is Google Maps. However, the anomaly is that the reviews and the given text are sometimes not correlated. Thus, The utilization of sentiment analysis using the scientific branch of artificial intelligence, namely Natural Language Processing (NLP), is an effective way to infer opinions. The research concluded that the BERT indobenchmark/indobert-base-p1 model has good performance to use of Indonesian text classification with a dataset of 4228 data after preprocessing, which at the beginning of the collection process obtained data as much as 4748 data. Split datasets into 3 data, namely training, validation, and test data, with a ratio of 70:30:30. The experimental results, The researchers found that the model allows the use of the model with other Indonesian texts. The results are 0.85 for accuracy and weighted avg, and macro avg 0.75 on the validation data training process. While the testing data training process is 0.86 for accuracy and weighted avg, the macro avg 0.73. In addition, researchers found that services are the most frequent topic in Health Services. Even though health services have improved, positive sentiment is the highest compared to other sentiment classes.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"18 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134145480","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Banyak penelitian yang dilakukan untuk membahas peyebaran, dampak serta akibat yang ditimbulkan oleh COVID-19 terhadap masyarakat pada pandemic terjadi. Pada saat dunia sedang terdampak penyakit COVID-19, penggunaan perangkat IoT terus meningkat setiap harinya. Ada beberapa hal yang bisa dilakukan untuk mengurangi kontak antarmanusia, termasuk pembatasan sosial. Machine Learning merupakan teknologi yang dapat digunakan dengan perangkat IoT. Pendekatan Machine Learning digunakan untuk memprediksi risiko yang terkait dengan COVID-19, untuk membuat prediksi dari data yang dikumpulkan oleh sensor hasil dai perangkat IoT. Artikel ini membahas terkait teknologi IoT yang memanfaat pendekatan machine learning untuk membantu penyebaran dan penangangan pendemi yang telah dilakukan oleh peneliti sebelumnya. Dari hasil banyak penelitian yang telah dilakukan tersebut, algoritma machine learning yang banyak digunakan pada perangkat IoT dengan perbandingan beberapa algoritma yang digunakan untuk data berskala menengah hingga kompleks, dengan tingkat akurasi tertinggi oleh RF (Random Forest) dengan akurasi mendekati 99%. daripada algoritma machine learning lainnya.
{"title":"Peran Penggunaan IoT dengan Machine Learning dalam Penanganan Pandemi COVID-19: Systematic Literatur Review","authors":"Febby Apri Wenando","doi":"10.37859/jf.v13i02.5651","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5651","url":null,"abstract":"Banyak penelitian yang dilakukan untuk membahas peyebaran, dampak serta akibat yang ditimbulkan oleh COVID-19 terhadap masyarakat pada pandemic terjadi. Pada saat dunia sedang terdampak penyakit COVID-19, penggunaan perangkat IoT terus meningkat setiap harinya. Ada beberapa hal yang bisa dilakukan untuk mengurangi kontak antarmanusia, termasuk pembatasan sosial. Machine Learning merupakan teknologi yang dapat digunakan dengan perangkat IoT. Pendekatan Machine Learning digunakan untuk memprediksi risiko yang terkait dengan COVID-19, untuk membuat prediksi dari data yang dikumpulkan oleh sensor hasil dai perangkat IoT. Artikel ini membahas terkait teknologi IoT yang memanfaat pendekatan machine learning untuk membantu penyebaran dan penangangan pendemi yang telah dilakukan oleh peneliti sebelumnya. Dari hasil banyak penelitian yang telah dilakukan tersebut, algoritma machine learning yang banyak digunakan pada perangkat IoT dengan perbandingan beberapa algoritma yang digunakan untuk data berskala menengah hingga kompleks, dengan tingkat akurasi tertinggi oleh RF (Random Forest) dengan akurasi mendekati 99%. daripada algoritma machine learning lainnya.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"71 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122294965","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Petugas perpustakaan yang berperan dalam stock buku harus mengerti kegiatan transaksi peminjaman buku jika akan meningkatkan pelayanan pengunjung perpustakaan. Mereka diharapkan mengetahui buku ber-genre apa yang saat ini sedang popular di kalangan pembaca, serta kemudahan dalam pemilihan buku yang disesuaikan dengan tata letak atau penempatan barang. Penerapan konsep Data Mining (tambang data) dapat membantu petugas merencanakan dan memprediksi buku yang saat itu sedang popular di kalangan pengunjung dari pola peminjaman buku. Dengan menerapkan aturan asosiasi pada data transaksi peminjaman, akan memudahkan petugas dalam mengolah informasi dan mencari itemset. Algoritma Apriori yang digunakan oleh pihak perpustakaan memiliki kelemahan, yaitu perhitungan yang digunakan pada database besar sehingga hasilnya tidak terlalu akurat. Apriori cenderung membulatkan angka dari hasil akhir perhitungan. Oleh karena itu, penelitian ini melakukan analisis pola data peminjaman buku dengan menambahkan algoritma kedua, yaitu Algoritma ECLAT. Algoritma ECLAT merupakan perhitungan Algoritma yang digunakan pada database kecil sehingga hasil akhir yang didapat lebih akurat. Data disiapkan dengan proses input data, cleansing data, dan transformasi data ke bentuk yang dapat diolah oleh aplikasi RapidMiner. Selanjutnya, data diolah menggunakan Algoritma Apriori dan ECLAT dengan minimum support, confidence, dan lift ratio sebesar 0.005. Lift ratio merupakan nilai yang menunjukkan kevalidan proses transaksi dan memberikan informasi apakah benar buku A dipinjam bersamaan dengan buku B. Maka dari itu, kombinasi buku dengan hasil perhitungan lift ratio tertinggi adalah tanda bahwa kombinasi buku tersebut adalah buku yang paling sering dipinjam atau saat ini sedang popular di kalangan pengunjung. Denggan menggabungkan kedua perhitungan, penelitian ini diharapkan dapat memberikan angka yang tidak dibulatkan dan hasil akhir penelitian yang lebih akurat.
{"title":"Penentuan Pola Peminjaman Buku Di Perpustakaan Dengan Verifikasi Hasil Data Perhitungan Algoritma Apriori Menggunakan Algoritma Equivalence Class Transformation (ECLAT)","authors":"Novi Riyanti Puspasari","doi":"10.37859/jf.v13i02.5554","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5554","url":null,"abstract":"Petugas perpustakaan yang berperan dalam stock buku harus mengerti kegiatan transaksi peminjaman buku jika akan meningkatkan pelayanan pengunjung perpustakaan. Mereka diharapkan mengetahui buku ber-genre apa yang saat ini sedang popular di kalangan pembaca, serta kemudahan dalam pemilihan buku yang disesuaikan dengan tata letak atau penempatan barang. Penerapan konsep Data Mining (tambang data) dapat membantu petugas merencanakan dan memprediksi buku yang saat itu sedang popular di kalangan pengunjung dari pola peminjaman buku. Dengan menerapkan aturan asosiasi pada data transaksi peminjaman, akan memudahkan petugas dalam mengolah informasi dan mencari itemset. Algoritma Apriori yang digunakan oleh pihak perpustakaan memiliki kelemahan, yaitu perhitungan yang digunakan pada database besar sehingga hasilnya tidak terlalu akurat. Apriori cenderung membulatkan angka dari hasil akhir perhitungan. Oleh karena itu, penelitian ini melakukan analisis pola data peminjaman buku dengan menambahkan algoritma kedua, yaitu Algoritma ECLAT. Algoritma ECLAT merupakan perhitungan Algoritma yang digunakan pada database kecil sehingga hasil akhir yang didapat lebih akurat. Data disiapkan dengan proses input data, cleansing data, dan transformasi data ke bentuk yang dapat diolah oleh aplikasi RapidMiner. Selanjutnya, data diolah menggunakan Algoritma Apriori dan ECLAT dengan minimum support, confidence, dan lift ratio sebesar 0.005. Lift ratio merupakan nilai yang menunjukkan kevalidan proses transaksi dan memberikan informasi apakah benar buku A dipinjam bersamaan dengan buku B. Maka dari itu, kombinasi buku dengan hasil perhitungan lift ratio tertinggi adalah tanda bahwa kombinasi buku tersebut adalah buku yang paling sering dipinjam atau saat ini sedang popular di kalangan pengunjung. Denggan menggabungkan kedua perhitungan, penelitian ini diharapkan dapat memberikan angka yang tidak dibulatkan dan hasil akhir penelitian yang lebih akurat.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129491937","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
The implementation of Enterprise Resource Planning (ERP) systems has become a priority for many organizations, including Micro, Small and Medium Enterprises (MSMEs) in the industrial sector. The purpose of this study was to evaluate the effect of Apache Ofbiz ERP implementation on performance of Renyah.an MSMEs. This research uses a descriptive qualitative approach to gain an in-depth understanding of the impact of ERP implementation on Renyah.an MSMEs Primary data was collected through interviews with Renyah.an's MSME owners and staff involved in ERP implementation. In addition, secondary data is also used to support the analysis. In this research, several indicators of organizational performance are used, including operational efficiency, customer satisfaction, and business growth. The results of this study indicate that the implementation of Apache Ofbiz ERP has a significant positive impact on the organizational performance of Renyah.an MSMEs. In terms of operational efficiency, ERP systems can increase productivity, reduce operational costs, and improve data accuracy. In addition, ERP implementation also has an impact on customer satisfaction by improving customer experience and increasing response time to customer requests. In terms of business growth, ERP implementation facilitates business expansion, better inventory monitoring, and more accurate data analysis for decision making.
{"title":"Pengaruh Implementasi Enterprise Resource Planning (ERP) Apache Ofbiz Pada Kinerja UMKM Renyah.an","authors":"Jefril Rahmadoni, Putri Jugalo, Nadilla Saraswati","doi":"10.37859/jf.v13i02.5067","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5067","url":null,"abstract":"The implementation of Enterprise Resource Planning (ERP) systems has become a priority for many organizations, including Micro, Small and Medium Enterprises (MSMEs) in the industrial sector. The purpose of this study was to evaluate the effect of Apache Ofbiz ERP implementation on performance of Renyah.an MSMEs. This research uses a descriptive qualitative approach to gain an in-depth understanding of the impact of ERP implementation on Renyah.an MSMEs Primary data was collected through interviews with Renyah.an's MSME owners and staff involved in ERP implementation. In addition, secondary data is also used to support the analysis. In this research, several indicators of organizational performance are used, including operational efficiency, customer satisfaction, and business growth. The results of this study indicate that the implementation of Apache Ofbiz ERP has a significant positive impact on the organizational performance of Renyah.an MSMEs. In terms of operational efficiency, ERP systems can increase productivity, reduce operational costs, and improve data accuracy. In addition, ERP implementation also has an impact on customer satisfaction by improving customer experience and increasing response time to customer requests. In terms of business growth, ERP implementation facilitates business expansion, better inventory monitoring, and more accurate data analysis for decision making.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128496122","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Dian Fikri Risqiana Dewi, Dwi Januarita Ardianing Kusuma, Diovianto Putra Rakhmadani
Pasca pandemi Covid-19 terjadi peningkatan aktivitas belanja online sebesar 31% selama pandemi Covid-19. pada Shopee Terjadi peningkatan transaksi sebesar 130% dan memiliki rata-rata kunjungan tertinggi perbulannya sebanyak 93,4 juta. Hal tersebut mendorong para pelaku bisnis e-commerce agar mampu beradaptasi dalam sisi pelayanan penjualan barang dan jasa. Penelitian ini bertujuan untuk mengetahui faktor yang signifikan terhadap minat dan perilaku pengguna e-commerce Shopee dengan menggunakan model Unified Theory of Acceptance and Use of thecnology 2 (UTAUT 2) agar mampu meningkatkan penjualan e-commerce. Hasil penelitian menunjukkan bahwa faktor yang berpengaruh secara signifikan terhadap behavioral intention adalah variabel social influence dengan T-statistik sebesar 2,150, p-value 0,032 dan variabel habit dengan nilai T-statistik sebesar 6,016, p-value 0,000. Sedangkan faktor-faktor yang berpengaruh secara signifikan terhadap use behavior adalah variabel habit dengan nilai T-statistik sebesar 3,773, p-value 0,000 dan variabel behavioral intention dengan nilai T-statistik sebesar 3,355, p-value 0,001. Dari penelitian didapati kesimpulan bahwa pengembang Shopee agar dapat meningkatkan dari sisi layout sistem dan juga peningkatan intensitas notifikasi untuk mempromosikan produk agar dapat mempertahankan minat pengguna e-commerce shopee dalam berbelanja online.
{"title":"A nalisis Minat Dan Perilaku Penggunaan E - Commerce Shopee Menggunakan Metode Unified Theory Of UTAUT 2","authors":"Dian Fikri Risqiana Dewi, Dwi Januarita Ardianing Kusuma, Diovianto Putra Rakhmadani","doi":"10.37859/jf.v13i02.5549","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5549","url":null,"abstract":"Pasca pandemi Covid-19 terjadi peningkatan aktivitas belanja online sebesar 31% selama pandemi Covid-19. pada Shopee Terjadi peningkatan transaksi sebesar 130% dan memiliki rata-rata kunjungan tertinggi perbulannya sebanyak 93,4 juta. Hal tersebut mendorong para pelaku bisnis e-commerce agar mampu beradaptasi dalam sisi pelayanan penjualan barang dan jasa. Penelitian ini bertujuan untuk mengetahui faktor yang signifikan terhadap minat dan perilaku pengguna e-commerce Shopee dengan menggunakan model Unified Theory of Acceptance and Use of thecnology 2 (UTAUT 2) agar mampu meningkatkan penjualan e-commerce. Hasil penelitian menunjukkan bahwa faktor yang berpengaruh secara signifikan terhadap behavioral intention adalah variabel social influence dengan T-statistik sebesar 2,150, p-value 0,032 dan variabel habit dengan nilai T-statistik sebesar 6,016, p-value 0,000. Sedangkan faktor-faktor yang berpengaruh secara signifikan terhadap use behavior adalah variabel habit dengan nilai T-statistik sebesar 3,773, p-value 0,000 dan variabel behavioral intention dengan nilai T-statistik sebesar 3,355, p-value 0,001. Dari penelitian didapati kesimpulan bahwa pengembang Shopee agar dapat meningkatkan dari sisi layout sistem dan juga peningkatan intensitas notifikasi untuk mempromosikan produk agar dapat mempertahankan minat pengguna e-commerce shopee dalam berbelanja online.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"141 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132075309","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Technological developments can make it easier for Smartphone users to share various kinds of information using instant messaging applications such as Facebook Messenger and WhatsApp, the features contained in these instant messaging applications can send messages in the form of text, audio, images, videos and documents. The increase in the number of users of instant messaging applications also has a negative impact, namely the emergence of individuals who abuse instant messaging applications for digital crimes such as fraud, pornography, and drug sales. Disclosure of crimes requires valid digital evidence. In conducting investigations of digital crime cases, digital evidence is needed to solve them. Retrieval of digital evidence requires a forensic process of the physical evidence that has been obtained. This research focuses on the forensic process to obtain digital evidence from an Android Smartphone in the form of audio and video in the Facebook Messenger and WhatsApp applications. The forensic tools used in this research are Oxygen Forensic Pc Suite 2014, MOBILedit Forensic, Belkasoft evidence, and Magnet Axiom. The research uses a framework from the National Institute of Standards and Technology (NIST). The results of the research using the NIST method on an Android Smartphone were that Belkasoft succeeded in recovering deleted data with a percentage of 50% audio and 41% video on the WhatsApp application while on Facebook Messenger only 8.33% audio and 41% video, Magnet Axiom with a data percentage of 100%. audio and 100% video while Facebook Messenger has 8.33% audio and 5% video, on MOBILedit with a percentage of 0% on both applications, and Oxygen manages to return 16.67% audio and 23.5% video from the WhatsApp application and 0% for Facebook Messenger
技术的发展可以使智能手机用户更容易地使用即时通讯应用程序(如Facebook Messenger和WhatsApp)共享各种信息，这些即时通讯应用程序中包含的功能可以以文本、音频、图像、视频和文档的形式发送消息。即时通讯应用程序用户数量的增加也产生了负面影响，即出现了滥用即时通讯应用程序进行欺诈、色情和毒品销售等数字犯罪的个人。披露犯罪需要有效的数字证据。在进行数字犯罪案件的调查时，需要数字证据来解决这些案件。数字证据的检索需要对已获得的物证进行法医程序。本研究的重点是在Facebook Messenger和WhatsApp应用程序中以音频和视频的形式从Android智能手机获取数字证据的取证过程。本研究中使用的取证工具包括Oxygen forensic Pc Suite 2014、MOBILedit forensic、Belkasoft evidence和Magnet Axiom。这项研究使用了美国国家标准与技术研究院(NIST)的框架。在Android智能手机上使用NIST方法的研究结果是，Belkasoft在WhatsApp应用程序上成功恢复了50%音频和41%视频的删除数据，而在Facebook Messenger上只有8.33%音频和41%视频，Magnet Axiom的数据百分比为100%。音频和100%的视频，而Facebook Messenger有8.33%的音频和5%的视频，在MOBILedit上，这两个应用程序的比例都为0%，而氧气从WhatsApp应用程序中获得了16.67%的音频和23.5%的视频，而Facebook Messenger的比例为0%
{"title":"Analisis Forensik Digital Pada Whatsapp Dan Facebook Menggunakan Metode NIST","authors":"Takdir Ruslan, Imam Riadi, S. Sunardi","doi":"10.37859/jf.v13i02.5540","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5540","url":null,"abstract":"Technological developments can make it easier for Smartphone users to share various kinds of information using instant messaging applications such as Facebook Messenger and WhatsApp, the features contained in these instant messaging applications can send messages in the form of text, audio, images, videos and documents. The increase in the number of users of instant messaging applications also has a negative impact, namely the emergence of individuals who abuse instant messaging applications for digital crimes such as fraud, pornography, and drug sales. Disclosure of crimes requires valid digital evidence. In conducting investigations of digital crime cases, digital evidence is needed to solve them. Retrieval of digital evidence requires a forensic process of the physical evidence that has been obtained. This research focuses on the forensic process to obtain digital evidence from an Android Smartphone in the form of audio and video in the Facebook Messenger and WhatsApp applications. The forensic tools used in this research are Oxygen Forensic Pc Suite 2014, MOBILedit Forensic, Belkasoft evidence, and Magnet Axiom. The research uses a framework from the National Institute of Standards and Technology (NIST). The results of the research using the NIST method on an Android Smartphone were that Belkasoft succeeded in recovering deleted data with a percentage of 50% audio and 41% video on the WhatsApp application while on Facebook Messenger only 8.33% audio and 41% video, Magnet Axiom with a data percentage of 100%. audio and 100% video while Facebook Messenger has 8.33% audio and 5% video, on MOBILedit with a percentage of 0% on both applications, and Oxygen manages to return 16.67% audio and 23.5% video from the WhatsApp application and 0% for Facebook Messenger","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"8 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116977277","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Keterbatasan sumber belajar kontekstual dapat menjadi hambatan dalam mempelajari matematika. Pada kenyataanya matematika telah digunakan dalam kehidupan sejak zaman dahulu, salah satu contohnya adalah penggunaan matematika dalam perancangan dan pembangunan bangunan keraton. Konstruksi geometris dan perhitungan matematis digunakan dalam merancang atap dan bentuk bangunan. Teknologi Augmented reality memiliki potensi untuk memfasilitasi proses pengembangan perangkat pembelajaran matematika dengan konteks budaya Keraton Yogyakarta. Tujuan dari penelitian ini adalah untuk mengembangkan aplikasi berbasis augmented reality, serta game untuk memfasilitasi siswa belajar materi geometri dengan konteks etnomatematika keraton. Selanjutnya, penelitian dilakukan melalui beberapa tahapan yaitu : (1)Studi literatur serious game, augmented reality, Etnomatematika, dan keraton yogyakarta. (2) Studi lapangan keraton Yogyakarta. (3) Pemodelan alur pembelajaran, konten materi, dan learning trajectory berdasarkan silabus. (4) Membuat rancangan aset 2 dimensi dan 3 dimensi sebagai landasan pembuatan game. (5) Membuat rancangan proses pembelajaran yang menerapkan aplikasi serta modul. (6) evaluasi aplikasi yang dikembangkan. Berdasarkan evaluasi yang telah dilakukan pada aplikasi yang telah dikembangkan diketahui bahwa kemampuan awal dari kedua kelas yang mengikuti uji coba adalah sama, sehingga peningkatan hasil belajar dapat dilakukan melaui posttest. Berdasarkan hasil posttest dikethui bahwa aplikasi yang dikembangkan mampu meningkatkan hasil belajar siswa SMP.
{"title":"Augmented Reality Game pada Materi Geometri Berbasis Etnomatematika Keraton Yogyakarta","authors":"Anwar Rifai, Kukuh Harsanto","doi":"10.37859/jf.v13i02.5575","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5575","url":null,"abstract":"Keterbatasan sumber belajar kontekstual dapat menjadi hambatan dalam mempelajari matematika. Pada kenyataanya matematika telah digunakan dalam kehidupan sejak zaman dahulu, salah satu contohnya adalah penggunaan matematika dalam perancangan dan pembangunan bangunan keraton. Konstruksi geometris dan perhitungan matematis digunakan dalam merancang atap dan bentuk bangunan. Teknologi Augmented reality memiliki potensi untuk memfasilitasi proses pengembangan perangkat pembelajaran matematika dengan konteks budaya Keraton Yogyakarta. Tujuan dari penelitian ini adalah untuk mengembangkan aplikasi berbasis augmented reality, serta game untuk memfasilitasi siswa belajar materi geometri dengan konteks etnomatematika keraton. Selanjutnya, penelitian dilakukan melalui beberapa tahapan yaitu : (1)Studi literatur serious game, augmented reality, Etnomatematika, dan keraton yogyakarta. (2) Studi lapangan keraton Yogyakarta. (3) Pemodelan alur pembelajaran, konten materi, dan learning trajectory berdasarkan silabus. (4) Membuat rancangan aset 2 dimensi dan 3 dimensi sebagai landasan pembuatan game. (5) Membuat rancangan proses pembelajaran yang menerapkan aplikasi serta modul. (6) evaluasi aplikasi yang dikembangkan. Berdasarkan evaluasi yang telah dilakukan pada aplikasi yang telah dikembangkan diketahui bahwa kemampuan awal dari kedua kelas yang mengikuti uji coba adalah sama, sehingga peningkatan hasil belajar dapat dilakukan melaui posttest. Berdasarkan hasil posttest dikethui bahwa aplikasi yang dikembangkan mampu meningkatkan hasil belajar siswa SMP.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"2 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124631184","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Briandy Tri Putra, Evi Yulianingsih, Fatmasari, Ferdiansyah, Sistem Informasi, Bina Darma
Salah satu teknologi ilmu komputer yang deprogram untuk mempelajari dan melakukan aktivitas seperti manusia adalah kecerdasan buatan. Teknologi kecerdasan buatan telah dipakai pada beberapa bidang, salah satunya di bidang kesehatan. Dibidang kesehatan, kecerdasan buatan digunakan sebagai alat untuk mendeteksi penyakit pada manusia, salah satu contohnya adalah memprediksi gejala awal COVID-19 merupakan salah satu penyakit menular SARS-CoV2 yang menyebabkan pandemi di seluruh dunia, dan virus tersebut terdeteksi pertama kali dari hewan-hewan liar di pasar Kota Wuhan, China pada akhir 2019. Pada penelitian sebelumnya yang berjudul Metode Klasifikasi Gejala Penyakit Coronavirus Disease 19 (COVID-19) Menggunakan Algoritma Neural Network” oleh Rahmi, dkk, menggunakan data gejala-gejala COVID-19 untuk mendapatkan tingkat akurasi dalam prediksi COVID-19 menggunakan metode Neural Network dan Logistic Regression. Hasil penelitian tersebut mendapatkan tingkat akurasi sebesar 95% dengan metode Neural Network, dan 94% dengan metode Logistic Regression. Pada penelitian ini, penulis ingin membandingkan metode Logistic Regression dengan Support Vector Machine dalam memprediksi gejala awal COVID-19. Hasil dari penelitian ini adalah mendapatkan akurasi dengan tingkat yang tertinggi dari kedua metode tersebut.
{"title":"Analisis Tingkat Akurasi Prediksi Gejala COVID - 19 Dengan Menggunakan Metode Logistic Regression dan Support Vector Machine","authors":"Briandy Tri Putra, Evi Yulianingsih, Fatmasari, Ferdiansyah, Sistem Informasi, Bina Darma","doi":"10.37859/jf.v13i02.5629","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5629","url":null,"abstract":"Salah satu teknologi ilmu komputer yang deprogram untuk mempelajari dan melakukan aktivitas seperti manusia adalah kecerdasan buatan. Teknologi kecerdasan buatan telah dipakai pada beberapa bidang, salah satunya di bidang kesehatan. Dibidang kesehatan, kecerdasan buatan digunakan sebagai alat untuk mendeteksi penyakit pada manusia, salah satu contohnya adalah memprediksi gejala awal COVID-19 merupakan salah satu penyakit menular SARS-CoV2 yang menyebabkan pandemi di seluruh dunia, dan virus tersebut terdeteksi pertama kali dari hewan-hewan liar di pasar Kota Wuhan, China pada akhir 2019. Pada penelitian sebelumnya yang berjudul Metode Klasifikasi Gejala Penyakit Coronavirus Disease 19 (COVID-19) Menggunakan Algoritma Neural Network” oleh Rahmi, dkk, menggunakan data gejala-gejala COVID-19 untuk mendapatkan tingkat akurasi dalam prediksi COVID-19 menggunakan metode Neural Network dan Logistic Regression. Hasil penelitian tersebut mendapatkan tingkat akurasi sebesar 95% dengan metode Neural Network, dan 94% dengan metode Logistic Regression. Pada penelitian ini, penulis ingin membandingkan metode Logistic Regression dengan Support Vector Machine dalam memprediksi gejala awal COVID-19. Hasil dari penelitian ini adalah mendapatkan akurasi dengan tingkat yang tertinggi dari kedua metode tersebut.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"43 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127093056","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Keamanan data merupakan aspek yang paling penting pada era digital saat ini. Kemajuan teknologi yang semakin pesat dan terus berkembang seiring berjalanya waktu memberikan peningkatan fitur terhadap keamanan sistem. Celah pada keamanan sistem dapat dimanfaatkan untuk kepentingan yang bersifat merugikan, sehingga keamanan data saat ini menjadi prioritas utama dalam semua aspek. Kriptografi adalah suatu ilmu yang mengkaji teknik yang mengacak data menggunakan kunci sehingga menjadikan bentuk lain yang tidak mampu terbaca oleh manusia kecuali pihak yang mengetahui kuncinya. Banyak perusahaan berupaya meningkatkan sistem keamanan mereka, salah satunya pada bidang pengarsipan yaitu dengan menggunakan metode pengarsipan cloud dengan enkripsi. Tetapi pengarsipan manual masih dilakukan dan menjadi pilihan utama karena terbatasnya sumber daya manusia dan faktor internal lainya. Advanced encryption standard (AES) adalah salah satu algoritma kriptografi terbaru yang dipublikasikan oleh NIST dan merupakan standar enkripsi yang sangat aman dan sulit untuk ditembus. Dengan menggunakan advanced encryption standard, berkas arsip yang berisi informasi penting dan sensitif dapat dienkripsi sehingga tidak dapat dibaca oleh pihak yang tidak berkepentingan.
{"title":"IMPLEMENTASI PENGARSIPAN ELEKTRONIK MENGGUNAKAN ENKRIPSI DAN DEKRIPSI DENGAN METODE AES DI UNISKA","authors":"B. Arianto, Harso Kurniadi, Iin Kurniasari","doi":"10.37859/jf.v13i02.5060","DOIUrl":"https://doi.org/10.37859/jf.v13i02.5060","url":null,"abstract":"Keamanan data merupakan aspek yang paling penting pada era digital saat ini. Kemajuan teknologi yang semakin pesat dan terus berkembang seiring berjalanya waktu memberikan peningkatan fitur terhadap keamanan sistem. Celah pada keamanan sistem dapat dimanfaatkan untuk kepentingan yang bersifat merugikan, sehingga keamanan data saat ini menjadi prioritas utama dalam semua aspek. Kriptografi adalah suatu ilmu yang mengkaji teknik yang mengacak data menggunakan kunci sehingga menjadikan bentuk lain yang tidak mampu terbaca oleh manusia kecuali pihak yang mengetahui kuncinya. Banyak perusahaan berupaya meningkatkan sistem keamanan mereka, salah satunya pada bidang pengarsipan yaitu dengan menggunakan metode pengarsipan cloud dengan enkripsi. Tetapi pengarsipan manual masih dilakukan dan menjadi pilihan utama karena terbatasnya sumber daya manusia dan faktor internal lainya. Advanced encryption standard (AES) adalah salah satu algoritma kriptografi terbaru yang dipublikasikan oleh NIST dan merupakan standar enkripsi yang sangat aman dan sulit untuk ditembus. Dengan menggunakan advanced encryption standard, berkas arsip yang berisi informasi penting dan sensitif dapat dienkripsi sehingga tidak dapat dibaca oleh pihak yang tidak berkepentingan.","PeriodicalId":145740,"journal":{"name":"JURNAL FASILKOM","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122392192","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：