Ivana Lucia Kharisma, Dhea Ayu Septiani, Anggun Fergina, Kamdan Kamdan
{"title":"Penerapan Algoritma Decision Tree untuk Ulasan Aplikasi Vidio di Google Play","authors":"Ivana Lucia Kharisma, Dhea Ayu Septiani, Anggun Fergina, Kamdan Kamdan","doi":"10.25077/teknosi.v9i2.2023.218-226","DOIUrl":"https://doi.org/10.25077/teknosi.v9i2.2023.218-226","url":null,"abstract":"Aplikasi berbasis video streaming atau siaran langsung menjadi jenis aplikasi paling banyak digunakan di dunia. Video On Demand merupakan sistem interaktif yang memungkinkan kita memilih konten video yang akan ditonton. Vidio adalah portal online atau situs web streaming video yang didirikan pada tahun 2014. Situs web ini memungkinkan pengguna untuk menonton dan menikmati berbagai video dan layanan lain. Namun, berdasarkan ulasan di Google Play, Vidio mendapatkan rating rata-rata hanya sebesar 3.7 dari 623.000 lebih total ulasan. Hal tersebut yang mendorong dilakukannya penelitian ini. Data yang dikumpulkan adalah sebanyak 1000 data pada rentang waktu 2 Februari 2023 – 19 Februari 2023. Data tersebut diklasifikasikan ke dalam sentimen positif dan negatif menggunakan algoritma Decision Tree atau Pohon Keputusan. Berdasarkan 3 skenario pembagian data, didapatkan akurasi terbesar diperoleh dari pembagian data 80% data latih dan 20% data uji yaitu sebesar 97.3%. sedangkan pada skenario pembagian data 70:30, akurasinya 96.8%, dan pembagian data 90:10 akurasinya sebesar 96.8%. Dari akurasi yang telah diperoleh, untuk evaluasi pengujian model, penelitian ini menggunakan Confusion Matrix atau Matriks Kebingungan. Agar prediksi dari model yang telah dilatih agar tersedia untuk orang lain, penelitian ini melakukan model deployment menggunakan Streamlit.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"95 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135108332","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}
{"title":"Manajemen Risiko Sistem Informasi Pengarsipan menggunakan NIST SP 800-30 pada Kopertis Wilayah IV Bandung","authors":"Adi Arga Arifnur, Hery Heryanto, Yoga Megasyah","doi":"10.25077/teknosi.v9i2.2023.208-217","DOIUrl":"https://doi.org/10.25077/teknosi.v9i2.2023.208-217","url":null,"abstract":"Seiring perkembangan Teknologi informasi, kebutuhan keamanan sistem untuk layanan koordinator pendidikan di Perguruan Tinggi Swasta semakin tinggi. Hal ini dikarenakan banyaknya kasus penyerangan yang terjadi belakangan ini terutama terhadap sistem berbasis Web. surat.kopertis4.or.id adalah salah satu sistem informasi (SI) berbasis web yang digunakan oleh beberapa pegawai Kopertis IV Bandung untuk mengarsipkan surat berhubungan dengan kegiatan pengaduan, permohonan, dan konsultasi. Permasalahan yang terjadi pada Kopertis IV Bandung adalah belum ada standar manajemen risiko untuk menemukan risiko potensial dan menentukan cara penanggulangan risiko yang terjadi pada SI Pengarsipannya. Dengan demikian perlu adanya kegiatan penilaian dan rekomendasi kontrol risiko pada sistem tersebut. Tujuannya agar para pemangku kepentingan mendapatkan pengetahuan penanganan risiko berdasarkan standarisasi. Proses manajemen risiko menggunakan framework NIST SP800-30 yang telah terstandarisasi oleh Pemerintah Pusat Amerika Serikat serta sesuai dengan panduan penerapan tata kelola keamanan informasi bagi penyelenggara pelayanan publik yang dikeluarkan oleh Kementerian Komunikasi dan Informatika RI. Ada 2 proses yang dikerjakan berdasarkan framework NIST yaitu Risk Assessment dan Risk Mitigation. Metodologi Risk Assessment dikerjakan terlebih dahulu dengan menganalisis data-data yang telah didapatkan dari proses wawancara, kuisioner, dan observasi. Aplikasi Network Mapper digunakan sebagai teknik tambahan untuk mencari kerentanan sistem. Setelah itu, metodologi Risk Mitigation dilakukan untuk menyusun strategi mitigasi risiko berdasarkan hasil Risk Assessment. Hasilnya terdapat 20 isu risiko dalam penggunaan SI Pengarsipan. 10 diantaranya berlevel medium dan selebihnya berlevel low. Terdapat 5 terbesar dari 20 isu risiko tersebut diantaranya Mati Listrik (Medium(50)), Stabilitas Daya Listrik (Medium(50)), Penurunan Kinerja AC (Medium(50)), Renovasi Ruangan (Medium(50)), Insiders (Medium(50)), dan Cracker (Medium(50)).","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"199 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135307167","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}
{"title":"Pemodelan Text Mining dalam Pengkodean Penyakit Pasien Berdasar Kode ICD 10","authors":"Parjono Parjono, Sri Kusumadewi","doi":"10.25077/teknosi.v9i2.2023.200-207","DOIUrl":"https://doi.org/10.25077/teknosi.v9i2.2023.200-207","url":null,"abstract":"Pengkodean penyakit yang lazim dilakukan oleh Rumah Sakit adalah menggunakan 2 metode, yang pertama adalah klinisi/ dokter menuliskan numenklatur penyakit berdasarkan kode ICD-10 dengan panduan kamus ICD-10 yang dapat berupa elektronik maupun buku. Metode kedua adalah klinisi/ dokter menulis secara free-text kemudian petugas koding dari rekam medis yang memberikan kode penyakit berdasar kode ICD-10 dan apabila ada hal yang sekiranya diragukan, petugas koding akan mengkonfirmasi ke dokter yang merawat pasien. Dari kebanyakan diagnosis medis yang berupa deskripsi free-text, kemiripan makna serta istilah medis yang memiliki kekhususan daripada istilah umum akan menjadi tantangan tersendiri dalam mengekstrak informasi yang berada di dalamnya. Hal ini yang mendorong penulis untuk membuat pendekatan koding penyakit dengan pememodelkan Text Mining dalam membantu pengkodean penyakit tersebut melalui data diagnosis dokter sehingga diharapkan proses pengkodean penyakit menjadi lebih cepat dan mengurangi aspek human error khususnya untuk penyakit di Indonesia. Metode pendekatan yang diterapkan adalah Clinical Text Mining dengan Natural Language Processing dimana metode ini dirasa paling tepat untuk mengekstraksi informasi dari diagnosis dokter yang tidak terstruktur. Data diambil dari Rumah Sakit bagian poliklinik penyakit dalam sejumlah 3787 data dengan 5 kategori kode ICD 10 yakni E11.9 Type 2 diabetes mellitus without complications, I10 Essential (primary) hypertension, I11.9 Hypertensive heart disease without (congestive) heart failure, K21.9 Gastro-oesophageal reflux disease without oesophagitis, K30 Functional dyspepsia dengan pembagian komposisi data untuk training dan testing adalah 70:30 proses ekstraksi melalui tahapan case folding, contraction untuk pencocokan dengan kamus singkatan, tokenization, stop word removal dan menggunakan word2vec untuk proses konversi kata yang berupa karakter alphanumeric kedalam bentuk vector dari hasil pemodelan menggunakan Neural Network didapatkan nilai performa model cukup baik yakni memiliki akurasi 86.8%.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"17 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135307166","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}
{"title":"Implementasi Sistem Informasi UKM USN Kolaka Menggunakan Metode Waterfall dan Framework PIECES","authors":"Mardianto Mardianto, Jayanti Yusmah Sari, Suharsono Bantun","doi":"10.25077/teknosi.v9i2.2023.191-199","DOIUrl":"https://doi.org/10.25077/teknosi.v9i2.2023.191-199","url":null,"abstract":"Universitas Sembilanbelas November Kolaka (USN Kolaka) memiliki beberapa jenis Unit Kegiatan Mahasiswa (UKM) sebagai sarana bagi mahasiswa untuk mengembangkan bakat, minat dan kreatifitasnya. Berdasarkan hasil observasi ditemukan permasalahan belum terkomputerisasinya pendataan UKM yang ada di USN Kolaka. Seperti dalam pendaftaran anggota barupun masih menggunakan formulir kertas yang rawan hilang dan rusak. Berdasarkan permasalah yang ditemukan maka penelitian ini bertujuan untuk merancang sistem informasi UKM yang ada di USN Kolaka. Kemudian untuk menilai kelayakan sistemnya digunakan metode PIECES. Adapun hasil dari penelitian ini adalah sistem yang dibangun terbebas dari kesalahan program hal itu diketahui dari menggunakan metode black box testing. Kesimpulan selanjutnya adalah Berdasarkan analisis metode PIECES terhadap kepuasan pengguna dalam menggunakan sistem informasi UKM USN Kolaka. Untuk variabel performance, information, economic, control, efficiency dan services. Maka dalam tingkat kepuasan pengguna terhadap sistem informasi diperoleh nilai rata-rata untuk masing-masing indikator yaitu indikator performance memperoleh nilai 4,10 dengan kategori Baik, information, economy, control, efficiency, dan services masing-masing mendapat nilai secara berututan 4,13, 4,18, 3,97, 4,19, dan 4,17. Ke lima variabel tersebut mendapatkan kategori Baik.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"67 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135437996","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}
{"title":"Perbandingan Algoritma C4.5 dan Adaptive Boosting dalam Klasifikasi Penyakit Alzheimer","authors":"Alda Amalia Mortara, Mitta Permatasari, Anita Desiani, Yuli Andriani, Muhammad Arhami","doi":"10.34010/jati.v13i2.10525","DOIUrl":"https://doi.org/10.34010/jati.v13i2.10525","url":null,"abstract":"Penyakit alzheimer adalah penyakit yang menyerang sistem saraf di dalam otak. Penyakit ini dapat menyebabkan terganggunya aktivitas sehari-hari, ingatan yang tidak terorganisir, dan berkurangnya daya ingat. Deteksi dini penyakit alzheimer dapat memanfaatkan pendekatan matematis menggunakan data mining. Data mining memiliki model-model klasifikasi yang dapat digunakan untuk mendeteksi dini penyakit alzheimer. Beberapa algoritma yang dapat digunakan untuk klasifikasi diantaranya adalah C4.5 dan Adaptive Boosting (AdaBoost) yang diterapkan pada penelitian ini untuk mengklasifikasikan penyakit alzheimer. Perbandingan kedua algoritma ini bertujuan untuk memperoleh algoritma mana yang paling tepat dalam klasifikasi penyakit alzheimer. Untuk menguji kedua algoritma ini digunakan dua teknik pengujian yaitu percentage split dan k-fold cross validation. Pada percentage split dipilih ukuran split sebesar 80% untuk data latih dan 20% sebagai data uji dan k-fold cross validation dipilih nilai k sebesar 10. Hasil penerapan dari kedua algoritma diperoleh bahwa untuk k-fold cross validation bekerja lebih baik dibandingkan dengan percentage split. Hal ini dikarenakan k-fold cross validation meningkatkan persentase nilai presisi, recall, dan akurasi dari masing-masing algoritma. Untuk kinerja masing-masing algortima, AdaBoost dalam penggunaanya bekerja lebih baik dibandingkan dengan C4.5 dengan nilai presisi, recall dan akurasi secara berturut-turut, yaitu 91.5%, 91% dan 91.15%. Dari hasil yang diperoleh dapat disimpulkan bahwa algoritma AdaBoost dengan teknik k-fold cross validation memiliki performa yang paling baik dalam melakukan klasifikasi penyakit alzheimer dibandingkan algoritma dan teknik pengujian lainnya.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"78 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136193368","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}
{"title":"Systematic Literature Review: Analisis Sentimen Berbasis Deep Learning","authors":"Fitroh Fitroh, Fahmi Hudaya","doi":"10.25077/teknosi.v9i2.2023.132-140","DOIUrl":"https://doi.org/10.25077/teknosi.v9i2.2023.132-140","url":null,"abstract":"Systematic literature review ini bertujuan untuk mengetahui tren penelitian analisis sentimen berbasis deep learning antara tahun 2020-2023. Fokus kajiannya adalah pada pemahaman tentang pemodelan yang digunakan oleh banyak peneliti, juga nilai akurasi dari masing-masing klasifikasi tersebut. Pertanyaan utama dalam SLR ini yaitu teknik analisis sentimen berbasis deep learning apa yang memberikan akurasi tertinggi. Peneliti menemukan 400 artikel terindeks Scopus dengan menggunakan Publish or Perish 8. Selanjutnya, penyaringan jurnal dan pencarian kluster menggunakan aplikasi Microsoft Excel, Zotero, Mendeley, dan VOS Viewer yang menghasilkan 105 artikel terpilih untuk dianalisis secara deskriptif. Berdasarkan hasil temuan metode yang populer digunakan dalam melakukan analisis sentimen berbasis deep learning dalam jangka waktu yang telah ditentukan adalah metode LSTM dan CNN, baik dilakukan satu metode maupun keduanya. Adapun akurasi tertinggi mencapai 99% dengan rata-rata 89% menggunakan metode LSTM. Pengetahuan ini dapat digunakan untuk mengusulkan model analisis sentimen berbasis deep learning yang memberikan akurasi tertinggi.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"56 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":"135891322","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}
{"title":"Perancangan Ulang Antarmuka Fitur Obrolan pada Aplikasi WhatsApp dengan Metode Design Thinking","authors":"Sifa Kiamul Lailia, Liptia Venica","doi":"10.34010/jati.v13i2.10115","DOIUrl":"https://doi.org/10.34010/jati.v13i2.10115","url":null,"abstract":"Dalam beberapa tahun terakhir, penggunaan aplikasi WhatsApp semakin meningkat. Namun, dalam penggunaannya masih terdapat beberapa permasalahan yang dialami oleh pengguna, terutama pada fitur obrolan. Fitur obrolan merupakan fitur utama pada aplikasi WhatsApp, dimana pada fitur tersebut penggunanya dapat berkomunikasi dengan orang lain, baik personal maupun grup. Di dalam fitur ini, obrolan grup dengan obrolan personal menyatu di dalam tab yang sama. Hal ini memunculkan beberapa masalah seperti pengguna sering ketinggalan informasi dari grup karena obrolannya tertimbun oleh obrolan pribadi, ada beberapa pengguna yang seringkali salah mengirim pesan ke grup yang seharusnya dikirim ke obrolan pribadinya dikarenakan bercampurnya antara chat pribadi dengan grup dan kesulitan dalam mencari grup. Oleh karena itu, diperlukan improvement untuk fitur obrolan dimana seharusnya chat pribadi dengan grup itu terpisah untuk meminimalisir permasalahan tersebut. Tujuan dari penelitian ini adalah untuk merancang user interface pada fitur obrolan sebagai solusi terhadap permasalahan yang ditemukan. Metode penelitian yang digunakan adalah metode penelitian Design Thinking. Hasil dari penelitian ini adalah berupa desain user interface fitur obrolan yang telah diuji coba oleh pengguna. Evaluasi desain yang dilakukan menggunakan teknik System Usability Scale dengan perolehan skor sebesar 85. Skor tersebut masuk ke dalam kategori EXCELLENT dengan grade scale B yang artinya desain prototype yang telah dibuat dapat diterima baik oleh pengguna dan layak untuk digunakan. Dengan demikian, berdasarkan hasil evaluasi desain prototype yang menjadi ide solusi yang ditawarkan tersebut dapat menyelesaikan permasalahan yang dialami pengguna.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"56 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":"136241383","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}
{"title":"Perancangan Sistem Informasi Penerimaan Siswa Baru SMP Islam Izzatul Madani Bogor Berbasis Web","authors":"Nur Hayati, Lionie Lionie","doi":"10.34010/jati.v13i2.10199","DOIUrl":"https://doi.org/10.34010/jati.v13i2.10199","url":null,"abstract":"Penerimaan peserta didik baru adalah salah satu proses yang terjadi pada tahun ajaran baru yang berguna untuk mengidentifikasi calon siswa yang akan menjadi peserta didik di sekolah. Di era milenial ini, teknologi sangat bekembang pesat untuk melakukan aktivitas secara online tanpa harus hadir secara fisik, seperti halnya bidang pendidikan. Pendaftaran siswa baru secara online sudah marak digunakan di perkotaan, namun sangat terbatas di desa-desa, ada sekian wilayah yang tertinggal dengan teknologi karena infrastruktur jaringan internet yang kurang memadai dan banyak sekolah yang menggunakan metode secara konvensional sehingga calon siswa harus datang langsung ke sekolah. Di SMP Islam Izzatul Madani untuk pendaftaran siswa baru masih memakai cara tatap muka, sehingga pengolahan informasi siswa baru dan transfer informasi kepada yang membutuhkan layanan informasi memerlukan waktu lebih, oleh karena hal itulah melatar belakangi perancangan sistem pendaftaran siswa berbasis web. Keunggulan dari sistem informasi yang dihasilkan ini adalah dapat diakses secara online sehingga memudahkan para pendaftar agar tidak datang langsung ke sekolah untuk mendapatkan informasi dan mempercepat penyampaian informasi kepada pihak yang membutuhkan layanan informasi pendaftaran. Dalam pengembangan perangkat lunak, penulis menggunakan metode SDLC (Software Development Life Cycle) dan UML (Unified Modeling Language) yang berfokus pada kualitas serta fungsi aplikasi dan diuji coba dengan Blackbox testing agar aplikasi dapat bekerja. Hasil dari penelitian ini menunjukkan bahwa sistem ini dapat mengatur proses penerimaan siswa baru di SMP Islam Izzatul Madani dengan lebih efisien dan diharapkan bisa dimanfaatkan dengan baik.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"100 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135969505","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}
Tony Tan, Hendi Sama, Gautama Wijaya, Osei Enoch Aboagye
{"title":"Studi Perbandingan Deteksi Intrusi Jaringan Menggunakan Machine Learning: (Metode SVM dan ANN)","authors":"Tony Tan, Hendi Sama, Gautama Wijaya, Osei Enoch Aboagye","doi":"10.34010/jati.v13i2.10484","DOIUrl":"https://doi.org/10.34010/jati.v13i2.10484","url":null,"abstract":"Machine Learning berkaitan dengan penggunaan algoritma untuk membuat mesin berfungsi. Algoritma supervised machine learning belajar pada dataset untuk membuat prediksi berdasarkan pengetahuan yang mereka peroleh saat belajar. Machine Learning memiliki dampak signifikan dalam keamanan siber. Sistem deteksi intrusi (IDS), sistem pencegahan intrusi (IPS) dan firewall tradisional membantu mendeteksi intrusi tetapi sayangnya, kebanyakan dari mereka memberi false alarm, dapat memiliki kerentanan dan dapat salah konfigurasi. Penggunaan algoritma machine learning telah terbukti lebih efektif dalam deteksi intrusi. Penelitian ini bertujuan untuk membandingkan efektivitas Algoritma Support Vector Machine (SVM) dan Artificial Neural Network (ANN) untuk intrusi deteksi. Penelitian ini menggunakan metode eksperimen dengan melatih dan menguji SVM dan ANN pada Dataset KDD Cup 99 di Google Colaboratory. Skor akurasi pelatihan dan pengujian, waktu pelatihan dan pengujian, Receiver Operating Characteristic Curve (Kurva ROC) dan kecepatan jaringan adalah parameter untuk perbandingan. Hasil dari eksperimen menunjukkan bahwa; Kedua model bagus untuk mendeteksi intrusi karena SVM dan ANN memiliki skor di atas 90%. SVM lebih efektif daripada ANN dalam deteksi intrusi dengan akurasi pelatihan dan pengujian 99,87% dan 99,81%. Juga AUC untuk SVM adalah 1 untuk semua lima kelas dan mengambil lebih sedikit waktu dalam melatih dataset.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"9 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135022069","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}
{"title":"Aplikasi Manajemen Risiko SPBE berbasis Website pada Dinas Komunikasi dan Informatika Kabupaten Gresik","authors":"Sahrul Rafi Zulfitra, Ayuningtyas Ayuningtyas","doi":"10.34010/jati.v13i2.9484","DOIUrl":"https://doi.org/10.34010/jati.v13i2.9484","url":null,"abstract":"Dalam instasi pusat serta pemerintah daerah, manajemen risiko SPBE merupakan tindakan terkait risiko SPBE untuk melakukan pendekatan sistematis yang merancang dan memutuskan proses, pengukuran, struktur dan budaya. Diskominfo Kabupaten Gresik merupakan suatu organisasi dinas daerah yang menerapkan Manajemen Risiko SPBE (Sistem Pemerintahan Berbasis Elektronik). Kegiatan saat ini yang diterapkan Diskominfo dalam melakukan Manajemen Risiko menggunakan chat whatsapp sebagai sarana untuk pengiriman laporan hal ini dapat menyebabkan timbulnya sebuah risiko baru yang berhubungan dengan keterlambatan dalam melakukan proses penanganan risiko tepat waktu. Demikian juga memasukkan rumus perhitungan dengan sistem manual yaitu software Microsoft Excel yang berdampak tidak akuratan data dan mengganggu proses pengambilan keputusan. Dalam upaya menurunkan serta mencegah timbulnya risiko baru dalam penerapan manajemen risiko SPBE di Diskominfo Kabupaten Gresik, penelitian ini menghadirkan sebuah aplikasi manajemen risiko SPBE berbasis website dengan menerapkan metode System Development Life Cycle (SDLC) dalam melakukan proses analisis risiko otomatis menghitung level kriteria yang menghasilkan nilai besaran risiko dan membantu mengumpulkan laporan tepat waktu. Hasil dari penelitian ini adalah sebuah aplikasi manajemen risiko SPBE yang dapat mencegah risiko baru yang berhubungan dengan keterlambatan penanganan risiko.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"38 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135022070","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}