Article Per Year (5 Year)
p-Index From 2019 - 2024
0.751
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Informasi Prosiding National Conference for Community Service Project Journal of Information System and Technology (JOINT)
Osei Enoch Aboagye
Universitas Internasional Batam
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penyuluhan Bahaya Penggunaan Gadget Terhadap Anak Usia Dini Di Panti Asuhan Nurjannah Kota Batam Ria Karina; Santy Santy; Giorgyna Giorgyna; Salma Rayani Rosniar; Ricky Lim; Ju Wenri Sinaga; Osei Enoch Aboagye
National Conference for Community Service Project (NaCosPro) Vol 3 No 1 (2021): The 3rd National Conference of Community Service Project 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/nacospro.v3i1.5921

Abstract

Program ini bertujuan memberikan pengetahuan pemakaian teknologi tepat guna kepada anak-anak untuk membangun pola pikir yang baik seiring perkembangan teknologi dan komunikasi khususnya dalam bidang pendidikan. Anak-anak di panti asuhan menjalankan pembelajaran secara online yang dikarenakan oleh pandemi Covid-19. Akan tetapi, anak-anak tidak paham dengan bahayanya penggunaan teknologi secara menyuluruh jika hanya dilihat dengan pembelajaran online yang dilakukan hanya mengerjakan tugas yang diberikan oleh guru. Metodologi yang digunakan adalah observasi, wawancara, dan analisis data kualitatif. Program yang dilakukan adalah melakukan penyuluhan dan pelatihan mengenai pengenalan teknologi, penggunaan teknologi yang baik, dan cara menggunakan aplikasi dan website. Hasil dari kegiatan yang telah dilakukan adalah antusias anak-anak untuk mempelajari dan mengimplementasikan apa yang tercantum dalam pelatihan dan kepahaman anak terhadap penyuluhan yang dilakukan. PkM selanjutnya diharapkan dapat membawakan materi yang berbeda dan tetap mencakup lingkup anak-anak itu sendiri, seperti penyuluhan dengan tema kesehatan mental, pembentukan karakter, dan lain-lain
Studi Perbandingan Deteksi Intrusi Jaringan Menggunakan Machine Learning: (Metode SVM dan ANN) Tony Tan; Hendi Sama; Gautama Wijaya; Osei Enoch Aboagye
Jurnal Teknologi dan Informasi (JATI) Vol 13 No 2 (2023): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v13i2.10484

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.
MENERAPKAN INOVASI ARTIFICIAL INTELLIGENCE DI BIDANG KESEHATAN LINGKUNGAN Edmund Edmund; Nicki Carter; Osei Enoch Aboagye; Reynaldi Arsani Runtu; Bayu Syahputra; Fredian Simanjuntak; Indasari Deu
Journal of Information System and Technology (JOINT) Vol 4 No 2 (2023): Journal of Information System and Technology (JOINT)
Publisher : Program Sarjana Sistem Informasi, Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/joint.v4i2.6228

Abstract

ABSTACT The human population in the world today is increasing rapidly, and as the population increases, the need for technology is also urgently needed to balance it. In today's digital era, technology is indispensable to meet human needs. Among them the application of technology in the field of environmental health. The application of technology in the health sector can be said to be very good, because in recent years, technology has helped scientists and doctors find drugs to treat various diseases. Aspects of human health and illness that all depends on the surrounding environmental factors. So, it is very important for humans to pay more attention to the surrounding environment in order to avoid unwanted diseases. It does not only occur due to natural factors, but also occurs due to factors from ourselves. This refers to the theory and practice of assessment carried out by scientists.
Analisis Kualitas Jaringan Seluler di Kelurahan Tanjung Sari, Kecamatan Belakang Padang Osei Enoch Aboagye; Tony Tan
National Conference for Community Service Project (NaCosPro) Vol 5 No 1 (2023): The 5th National Conference for Community Service Project 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/nacospro.v5i1.7949

Abstract

Jaringan adalah kombinasi dari dua atau lebih komputer untuk berbagi sumber daya dan berkomunikasi. Kebutuhan akan jaringan yang kuat adalah salah satu keinginan paling mendesak dari setiap komunitas. Desa-desa kecil berjuang untuk mendapatkan jaringan yang baik karena lokasi, kurangnya fasilitas sosial dan kurangnya layanan pelanggan yang baik oleh ISP. Untuk menjembatani kesenjangan antara desa dan kota, perlu adanya penelitian mengenai kondisi jaringan daerah terpencil. Studi ini menilai kinerja Telkomsel, XL dan Planet3 di Desa Belakang Padang. Wawancara, eksplorasi dan Aplikasi Network Cell Info Lite digunakan untuk mengambil data. Data diolah berdasarkan informasi dari International Standard of Radio Signal Strength Levels Standar Internasional Tingkat Kekuatan Sinyal Radio (RSSL). Hasil penelitian menunjukkan bahwa XL memiliki kinerja yang baik di Kelurahan Belakang Padang, disusul Telkomsel dan Planet3. Jaringan di Belakang Padang buruk melihat kekuatan sinyal, kecepatan unggah dan unduh, ping dan jitter. Network is the combination of two or more computers to share resources and communicate. The need for strong network is one of the most pressing wants of every community. Small villages struggle to get a good network due the location, lack of social amenities and lack of good customer services by ISPs. To bridge the gap between villages and cities, there is the need for studies on the network conditions of remote areas. This study assesses the performance of Telkomsel, XL and Planet3 in the Belakang Padang Village. Interviews, exploration and Network Cell Info Lite Application were used to take data. Data was processed based on information from the International Standard of Radio Signal Strength Levels (RSSL). The results show that XL has a good performance in the Belakang Padang Village, followed by Telkomsel and Planet3. Network in the village is bad looking at the signal strength, upload and download speed, ping and jitter.
Co-Authors Bayu Syahputra Edmund Edmund Fredian Simanjuntak Gautama Wijaya Giorgyna Giorgyna Hendi Sama Indasari Deu Ju Wenri Sinaga Nicki Carter Reynaldi Arsani Runtu Ria Karina Ricky Lim Salma Rayani Rosniar Santy Santy Tony Tan Tony Tan