Article Per Year (5 Year)
p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal JISICOM (Journal of Information System, Infomatics and Computing) Jurnal Informatika Kaputama (JIK)
Ahmad Nuryanto
Universitas Nusa Mandiri
Computer Science & IT Control & Systems Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI TINGKAT KEPARAHAN SERANGAN JARINGAN KOMPUTER DENGAN METODE MACHINE LEARNING Okki Setyawan; Angge Firizkiansah; Ahmad Nuryanto
Journal of Information System, Informatics and Computing Vol 5 No 1 (2021): JISICOM : Volume 5, Nomor 1, Juni 2021
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v5i1.443

Abstract

Computer networks are currently developing very rapidly, so that many electronic devices are connected to the internet, but the security system adopted by these devices must be qualified so they are not vulnerable to threats and dangers. Researchers want to find out how severe the threat of an attack is detected by a firewall using data records from a company, using machine learning, namely K-Nearest Neighbors, Decission Tree. Classification of the severity of a computer network security system is usually called the severity level. In this study, the limitation of the seriousness level of the attack was divided into 3 parts from the highest level, namely critical, high and medium. The processed dataset is logging into the firewall as many as 5999 with 23 columns or features. The best of the three methods are K-Nearest Neighbors getting 100% accuracy and Decission Tree getting 100% accuracy . With the results of this data processing, the machine learning method is very suitable to be used to classify the severity of computer network attacks
KLASIFIKASI PERSEPSI PENGGUNA TWITTER TERHADAP KASUS COVID-19 MENGGUNAKAN METODE LOGISTIC REGRESSION Aloysius Kurniawan Santoso; Astrid Noviriandini; Aliyah Kurniasih; Bagus Dwi Wicaksono; Ahmad Nuryanto
Jurnal Informatika Kaputama (JIK) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i2.517

Abstract

Dunia dilanda penyakit coronavirus (COVID-19) yang menyerang sistem pernafasan pada manusia. Virus tersebut berasal dari Wuhan, China. Dan saat ini sudah ditetapkan sebagai pandemi karena sudah menyebar hampir di seluruh Negara. Hal tersebut memicu gagasan dan opini masyarakat Amerika Serikat di media sosial twitter. Cuitan tersebut dimanfaatkan untuk mengetahui emosi seseorang dengan mengelompokan dalam 5 label diantaranya, extreme positive, positive, neutral, negative dan extreme negative. Pada hal ini penulis mengelompokan label menjadi 3 label kelas, diantaranya positive, neutral dan negative. Penulis menguji menggunakan metode Logistic Regression dengan memberi variasi hyperparameter L2 dan None. Pada hyperparameter L2 diperoleh nilai akurasi 77% dan F1 score sebesar 74%. Dan pada variasi hyperparameter None diperoleh nilai akurasi 74% dan F1 Score 70%. Dalam demikian, pada nilai hyperparameter L2 merupakan variasi terbaik pada metode Logistic Regression.
KLASIFIKASI PERSEPSI PENGGUNA TWITTER TERHADAP KASUS COVID-19 MENGGUNAKAN METODE LOGISTIC REGRESSION Aloysius Kurniawan Santoso Santoso; Astrid Noviriandini; Aliyah Kurniasih; Bagus Dwi Wicaksono; Ahmad Nuryanto
Jurnal Informatika Kaputama (JIK) Vol 5 No 2 (2021): Volume 5, Nomor 2, Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v5i2.247

Abstract

Dunia dilanda penyakit coronavirus (COVID-19) yang menyerang sistem pernafasan pada manusia. Virus tersebut berasal dari Wuhan, China. Dan saat ini sudah ditetapkan sebagai pandemi karena sudah menyebar hampir di seluruh Negara. Hal tersebut memicu gagasan dan opini masyarakat Amerika Serikat di media sosial twitter. Cuitan tersebut dimanfaatkan untuk mengetahui emosi seseorang dengan mengelompokan dalam 5 label diantaranya, extreme positive, positive, neutral, negative dan extreme negative. Pada hal ini penulis mengelompokan label menjadi 3 label kelas, diantaranya positive, neutral dan negative. Penulis menguji menggunakan metode Logistic Regression dengan memberi variasi hyperparameter L2 dan None. Pada hyperparameter L2 diperoleh nilai akurasi 77% dan F1 score sebesar 74%. Dan pada variasi hyperparameter None diperoleh nilai akurasi 74% dan F1 Score 70%. Dalam demikian, pada nilai hyperparameter L2 merupakan variasi terbaik pada metode Logistic Regression.
Co-Authors Aliyah Kurniasih Aloysius Kurniawan Santoso Aloysius Kurniawan Santoso Santoso Angge Firizkiansah Astrid Noviriandini Astrid Noviriandini Bagus Dwi Wicaksono Bagus Dwi Wicaksono Okki Setyawan