Pub Date : 2023-01-17DOI: 10.36423/index.v4i2.1110
Marvel Zefanya Yang, Jay Idoan Sihotang
Perkembangan era digital pada zaman ini sangat cepat dan tidak dapat diprediksi. Era digital semakin hari melahirkan teknologi-teknologi baru yang berfungsi untuk membantu dan mempermudah kehidupan manusia. Seiring berjalannya waktu lahirlah sebuah aplikasi belanja online yaitu Shopee. Shopee adalah aplikasi jual beli online yang proses jual beli hingga transaksinya dilakukan secara online. Shopee sebagai marketplace yang besar saat ini tentu memiliki tantangan yang besar, di mana banyak sekali marketplace lain yang ikut bersaing dalam era digital saat ini, terutama di bidang e-commerce. Kepuasan pengguna merupakan faktor penting yang mempengaruhi keberhasilan dalam melakukan penerapan sebuah aplikasi. Penelitian pada kali ini berfokus di bagian kepuasan pengguna terhadap user interface dari aplikasi Shopee. Penelitian ini dilakukan berdasarkan metode End-User Computing Satisfaction (EUCS). Populasi dalam penelitian ini adalah masyarakat yang berdomisili di Jakarta Barat. Dari populasi tersebut terpilih sebanyak 125 responden untuk menjadi sampel dalam penelitian ini. Data dalam penelitian ini diperoleh dari kuesioner yang dibagikan kepada pengguna aplikasi Shopee di Jakarta Barat yang kemudian diolah secara statistik menggunakan rentang kategori dan persentase melalui Skala Likert. Hasil yang didapatkan dari penelitian ini adalah dalam kategori Puas dengan hasil nilai rata-rata 3.92 (Puas), dengan menggunakan tabel Tingkat Kepuasan Skala Likert. Kemudian, untuk hasil masing-masing dimensi adalah Content 3.99 (Puas), Accuracy 3.85 (Puas), Format 3.70 (Puas), Timeliness 4.07 (Puas), dan Ease of Use 4.03 (Puas).
{"title":"Analisis Kepuasan Pengguna Terhadap User Interface Aplikasi E-Commerce Shopee Menggunakan Metode EUCS di Jakarta Barat","authors":"Marvel Zefanya Yang, Jay Idoan Sihotang","doi":"10.36423/index.v4i2.1110","DOIUrl":"https://doi.org/10.36423/index.v4i2.1110","url":null,"abstract":"Perkembangan era digital pada zaman ini sangat cepat dan tidak dapat diprediksi. Era digital semakin hari melahirkan teknologi-teknologi baru yang berfungsi untuk membantu dan mempermudah kehidupan manusia. Seiring berjalannya waktu lahirlah sebuah aplikasi belanja online yaitu Shopee. Shopee adalah aplikasi jual beli online yang proses jual beli hingga transaksinya dilakukan secara online. Shopee sebagai marketplace yang besar saat ini tentu memiliki tantangan yang besar, di mana banyak sekali marketplace lain yang ikut bersaing dalam era digital saat ini, terutama di bidang e-commerce. Kepuasan pengguna merupakan faktor penting yang mempengaruhi keberhasilan dalam melakukan penerapan sebuah aplikasi. Penelitian pada kali ini berfokus di bagian kepuasan pengguna terhadap user interface dari aplikasi Shopee. Penelitian ini dilakukan berdasarkan metode End-User Computing Satisfaction (EUCS). Populasi dalam penelitian ini adalah masyarakat yang berdomisili di Jakarta Barat. Dari populasi tersebut terpilih sebanyak 125 responden untuk menjadi sampel dalam penelitian ini. Data dalam penelitian ini diperoleh dari kuesioner yang dibagikan kepada pengguna aplikasi Shopee di Jakarta Barat yang kemudian diolah secara statistik menggunakan rentang kategori dan persentase melalui Skala Likert. Hasil yang didapatkan dari penelitian ini adalah dalam kategori Puas dengan hasil nilai rata-rata 3.92 (Puas), dengan menggunakan tabel Tingkat Kepuasan Skala Likert. Kemudian, untuk hasil masing-masing dimensi adalah Content 3.99 (Puas), Accuracy 3.85 (Puas), Format 3.70 (Puas), Timeliness 4.07 (Puas), dan Ease of Use 4.03 (Puas).","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"152 5","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132090537","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}
Muhammad Dzatul Kahfi, Fajri Rakhmat Umbara, Herdi Ashaury
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.
{"title":"Prediksi Pengagguran Menggunakan Decision Tree Dengan Algoritma C5.0 Pada Data Penduduk Kecamatan Caringin Kabupaten Bogor","authors":"Muhammad Dzatul Kahfi, Fajri Rakhmat Umbara, Herdi Ashaury","doi":"10.36423/index.v4i2.913","DOIUrl":"https://doi.org/10.36423/index.v4i2.913","url":null,"abstract":"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.","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130877607","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}
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.
{"title":"Klasifikasi Daftar Ulang Calon Mahasiswa Baru Dengan Menggunakan Metode Klasifikasi Naive Bayes","authors":"Reji Pikriyansah, Fajri Rahmat Umbara, Puspita Nurul Sabrina","doi":"10.36423/index.v4i2.912","DOIUrl":"https://doi.org/10.36423/index.v4i2.912","url":null,"abstract":"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.","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"49 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125402903","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}
Elektronik 85 merupakan toko yang bergerak di bidang penjualan elektronik yang saat ini berupaya untuk mempertahankan omset penjualannya dan meningkatkan penjualan agar bisa bersaing dalam penjualan elektronik. Berdasarkan hasil pengamatan yang dilakukan pada toko elektronik 85 menunjukkan beberapa kendala dalam proses bisnis penjualannya seperti tingkat pemasaran yang digunakan masih kurang efektif, dimana untuk pemasaran produk di toko ini hanya terpusat pada lokasi dan mengandalkan kedatangan pelanggan, media sosial berupa whatsapp dan pencatatan penjualannya masih bersifat manual dengan menggunakan buku. Dari permasalahan tersebut, dilakukan penelitian yang bertujuan untuk menghasilkan sistem penjualan elektronik menggunakan metode Rapid Application Development (RAD) serta Unifed Modeling Language (UML) sebagai perancangan sistem. Sedangkan untuk bahasa pemrograman serta database yang digunakan adalah PHP dan MYSQL dan laravel sebagai framework. Hasil penelitian ini berupa sistem penjualan toko online yang dapat digunakan oleh perusahaan elektronik 85 untuk mempermudah konsumen dalam melihat informasi produk yang dibutuhkan, serta pemrosesan datanya dapat tersimpan secara terpusat dan terintegrasi sehingga pemasaran produk dapat dilakukan secara online.
{"title":"PENERAPAN METODE RAPID APPLICATION DEVELOPMENT (RAD) DALAM PERANCANGAN SISTEM PENJUALAN ONLINE DI TOKO ELEKTRONIK 85","authors":"S. Azahra, Muhammad Mansur","doi":"10.36423/index.v4i2.993","DOIUrl":"https://doi.org/10.36423/index.v4i2.993","url":null,"abstract":"Elektronik 85 merupakan toko yang bergerak di bidang penjualan elektronik yang saat ini berupaya untuk mempertahankan omset penjualannya dan meningkatkan penjualan agar bisa bersaing dalam penjualan elektronik. Berdasarkan hasil pengamatan yang dilakukan pada toko elektronik 85 menunjukkan beberapa kendala dalam proses bisnis penjualannya seperti tingkat pemasaran yang digunakan masih kurang efektif, dimana untuk pemasaran produk di toko ini hanya terpusat pada lokasi dan mengandalkan kedatangan pelanggan, media sosial berupa whatsapp dan pencatatan penjualannya masih bersifat manual dengan menggunakan buku. Dari permasalahan tersebut, dilakukan penelitian yang bertujuan untuk menghasilkan sistem penjualan elektronik menggunakan metode Rapid Application Development (RAD) serta Unifed Modeling Language (UML) sebagai perancangan sistem. Sedangkan untuk bahasa pemrograman serta database yang digunakan adalah PHP dan MYSQL dan laravel sebagai framework. Hasil penelitian ini berupa sistem penjualan toko online yang dapat digunakan oleh perusahaan elektronik 85 untuk mempermudah konsumen dalam melihat informasi produk yang dibutuhkan, serta pemrosesan datanya dapat tersimpan secara terpusat dan terintegrasi sehingga pemasaran produk dapat dilakukan secara online.","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"144 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115480333","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}
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.
{"title":"Deteksi Ujaran Kebencian dengan Metode Klasifikasi Naïve Bayes dan Metode N-Gram pada Dataset Multi-Label Twitter Berbahasa Indonesia","authors":"Rija Muhamad Yazid, Fajri Rakhmat Umbara, Puspita Nurul Sabrina","doi":"10.36423/index.v4i2.894","DOIUrl":"https://doi.org/10.36423/index.v4i2.894","url":null,"abstract":"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.","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"97 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115891547","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}
Kebutuhan akses internet saat ini sangat tinggi dengan berbagai kegunaan seperti mencari informasi, artikel maupun pengetahuan terbaru. Dengan kebutuhan tinggi akan penggunaan internet di kalangan masyarakat, terutama pelajar sehingga memunculkan alternatif – alternatif agar pengguna dapat mengakses internet dengan mudah terutama ketika kondisi pandemi COVID-19. Permasalahan yang ditemukan pada PT LIBNET yang telah menggunakan dua Internet Service Provider (ISP) yaitu banyaknya permintaan yang melebihi kapasitasi dari klien menyebabkan perusahaan akan terganggu karena harus dilakukan banyak pengaturan dalam memenuhi permintaan klien tersebut. Seperti mempartisi beban trafik yang datang untuk mengatur perangkat gadget sehingga tidak terpaku pada satu ISP. Maka, supaya trafik dapat berjalan secara ideal, harus menambahkan throughput, membatasi waktu reaksi dan berupaya tidak membebani melebihi kapasitas salah satu ISP. Penggunaan teknik load balancing menjadi solusi teknologi yang sangat efektif untuk memanfaatkan internet tanpa harus terjadi ketimpangan request. Pada penelitian ini telah diimplementasikan loading balancing dalam menyelesaikan permasalahan request client dengan memakai dua buah node untuk melakukan redudansi sebagai syarat minimum suatu kluster. Sedangkan pada server memanfaatkan metode distribusi koneksi yang disebut dengan metode ECMP. Equal Cost Multi Path (ECMP) merupakan metode load balancing yang menggunakan metode per address-pair connection load balancing. Hasilnya akhirnya, ECMP memungkinkan router untuk memiliki lebih dari satu gateway untuk satu network tujuan. Karena metodenya adalah per address-pair connection, maka sistem load balancing ini adalah setiap address yang berbeda di koneksi yang berbeda akan berkemungkinan melewati gateway yang berbeda.
{"title":"Implementasi Load Balancing Dan Failover to Device Mikrotik Router Menggunakan Metode Equal Cost Multi Path (ECMP)","authors":"Melanda Tiara Komala Sutra, Ruuhwan Ruuhwan, Randi Rizal","doi":"10.36423/index.v4i2.1189","DOIUrl":"https://doi.org/10.36423/index.v4i2.1189","url":null,"abstract":"\u0000Kebutuhan akses internet saat ini sangat tinggi dengan berbagai kegunaan seperti mencari informasi, artikel maupun pengetahuan terbaru. Dengan kebutuhan tinggi akan penggunaan internet di kalangan masyarakat, terutama pelajar sehingga memunculkan alternatif – alternatif agar pengguna dapat mengakses internet dengan mudah terutama ketika kondisi pandemi COVID-19. Permasalahan yang ditemukan pada PT LIBNET yang telah menggunakan dua Internet Service Provider (ISP) yaitu banyaknya permintaan yang melebihi kapasitasi dari klien menyebabkan perusahaan akan terganggu karena harus dilakukan banyak pengaturan dalam memenuhi permintaan klien tersebut. Seperti mempartisi beban trafik yang datang untuk mengatur perangkat gadget sehingga tidak terpaku pada satu ISP. Maka, supaya trafik dapat berjalan secara ideal, harus menambahkan throughput, membatasi waktu reaksi dan berupaya tidak membebani melebihi kapasitas salah satu ISP. Penggunaan teknik load balancing menjadi solusi teknologi yang sangat efektif untuk memanfaatkan internet tanpa harus terjadi ketimpangan request. Pada penelitian ini telah diimplementasikan loading balancing dalam menyelesaikan permasalahan request client dengan memakai dua buah node untuk melakukan redudansi sebagai syarat minimum suatu kluster. Sedangkan pada server memanfaatkan metode distribusi koneksi yang disebut dengan metode ECMP. Equal Cost Multi Path (ECMP) merupakan metode load balancing yang menggunakan metode per address-pair connection load balancing. Hasilnya akhirnya, ECMP memungkinkan router untuk memiliki lebih dari satu gateway untuk satu network tujuan. Karena metodenya adalah per address-pair connection, maka sistem load balancing ini adalah setiap address yang berbeda di koneksi yang berbeda akan berkemungkinan melewati gateway yang berbeda. \u0000","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"4 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127352246","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}
Hovi Sohibul Wafa Hovi, Asep Id Hadiana, Fajri Rakhmat Umbara
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.
{"title":"Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM)","authors":"Hovi Sohibul Wafa Hovi, Asep Id Hadiana, Fajri Rakhmat Umbara","doi":"10.36423/index.v4i1.895","DOIUrl":"https://doi.org/10.36423/index.v4i1.895","url":null,"abstract":"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.","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"42 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133487557","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}
Muhammad Thoriq, Asep Id Hadiana Asep, P. S. Puspita
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
{"title":"Data Encryption Pada File Video Menggunakan Algoritma Blowfish Berbasis Android","authors":"Muhammad Thoriq, Asep Id Hadiana Asep, P. S. Puspita","doi":"10.36423/index.v4i1.880","DOIUrl":"https://doi.org/10.36423/index.v4i1.880","url":null,"abstract":"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","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133592538","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}
F. Naufal, Yulison Herry Chrisnanto, Ade Kania Ningsih
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.
{"title":"Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering","authors":"F. Naufal, Yulison Herry Chrisnanto, Ade Kania Ningsih","doi":"10.36423/index.v4i1.879","DOIUrl":"https://doi.org/10.36423/index.v4i1.879","url":null,"abstract":"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.","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"2008 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130043075","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}
Galih Yuga Pangestu Engko M, Asep Id Hadiana, Puspita Nurul Sabrina
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.
现在这个时代,信息的图片是至关重要的,尤其是在军事领域。处理的图像数据通过军事通讯渠道必须保密,所以图片变得不安全,不可以被入侵者。因此,应用加密图像图片需要申请保密和安全。当这张照片做了很多算法来加密算法。很受欢迎的是AES算法之一(高级先进加密标准)。AES是著名的是密码块密码算法广泛pengenkripsian一个更好的数据,因为这些算法中防止野兽袭击了力比前任,即DES算法(先进加密标准)的数据。AES这将适用于一个程序,用来保护军队,以免发生偷窃照片由第三方。之前必须先使用一个对称密钥加密图像发送到接收器的安全,从发件人和接受者必须有钥匙,以便对已加密的图像进行了解密。然而,只是用AES图片还不够给你额外的数据安全。需要额外的算法来加密对已经使用AES加密的,所以照片AES加密的结果也无法访问该网站。适合应用的算法之一,因为有对称密钥加密过程也相当快。额外的算法之一,快到足以做是RC5加密(Rivest ron Rivest开发的代码5),用快和对称密钥加密文件。从上面的两个算法的结果就会形成一种双重加密提供更安全的军事图片数据。研究人员使用AES算法和RC5的目的是让更难dipenetrasi图像和数据加密的数据结果也更安全,但仍然容易进行解密。
{"title":"Kriptografi Untuk Enkripsi Ganda Pada Gambar Menggunakan Algoritma AES (Advanced Encryption Standard) Dan RC5 (Rivest Code 5)","authors":"Galih Yuga Pangestu Engko M, Asep Id Hadiana, Puspita Nurul Sabrina","doi":"10.36423/index.v4i1.884","DOIUrl":"https://doi.org/10.36423/index.v4i1.884","url":null,"abstract":"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.","PeriodicalId":355867,"journal":{"name":"Informatics and Digital Expert (INDEX)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-07-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130035631","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：