Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Jurnal Mnemonic
Asriyanik Asriyanik
Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Muhammadiyah Sukabumi
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENERIMA BANTUAN IURAN JAMINAN KESEHATAN PEMERINTAH DAERAH KABUPATEN SUKABUMI Luthfy Budhy Adzy; Asriyanik Asriyanik; Agung Pambudi
Jurnal Mnemonic Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i1.5714

Abstract

Penerima Bantuan Iuran (PBI) Jaminan Kesehatan (JK) merupakan tanggungan berbentuk perawatan kesehatan supaya penerima mendapat utilitas perlindungan kesehatan yang dihibahkan untuk masing-masing masyarakat yang sudah melunasi iuran ataupun iuran itu dibayarkan oleh pemerintah negara. Permasalahan yang biasa terjadi di dalam lapangan yakni dalam pemilihan Keluarga Penerima Manfaat (KPM) yang digunakan masih belum bisa membantu keputusan Supervisor secara objektif dan tepat sasaran. Penelitian ini dilaksanakan untuk membantu Supervisor dalam menentukan cara pemilihan kelayakan calon penerima PBI-JK yang tepat secara objektif dan sesuai target berasaskan standar yang sudah ditetapkan. Pengklasifikasian yang diterapkan mengaplikasikan algoritma naïve bayes dengan metode Knowledge Discovery in Databases (KDD). Algoritma naïve bayes merupakan satu diantara algoritma penggalian data dan pengklasifikasi statistik sebuah klasifikasi berpeluang mudah yang menerapkan teorema bayes melalui asumsi antar variabel ketidak ketergantungan yang luhur. Kelebihan dari algoritma naïve bayes adalah bersifat scalable dengan jumlah predictor dan titik data, bisa membuat prediksi nilai probabilitas (peluang) dan menangani kontinu beserta diskrit data. Pencapaian hasil atas penelitian ini yakni mewujudkan bentuk pengklasifikasian kelayakan penerima bantuan iuran jaminan kesehatan secara otomatis dalam klasifikasi data tersebut layak untuk dibantu atau tidak layak untuk diperbantukan dalam program pemerintah khusus kegiatan Penerima Bantuan Iuran Jaminan Kesehatan Pemerintah Daerah Kabupaten Sukabumi.
IMPLEMENTASI ALGORITMA ADVANCED ENCRYPTION STANDARD (AES) UNTUK MENGENKRIPSI DATASTORE PADA APLIKASI BERBASIS ANDROID Reski Mulud Muchamad; Asriyanik Asriyanik; Agung Pambudi
Jurnal Mnemonic Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i1.5889

Abstract

Ponsel pintar merupakan perangkat yang sangat berguna untuk membantu aktivitas manusia. Ini terlihat dari tingkat penggunaan smartphone yang tinggi di seluruh dunia. Android adalah sistem operasi yang paling populer untuk perangkat ponsel pintar, sehingga banyak pengembang yang membuat aplikasi yang berjalan di perangkat Android. DataStore adalah media penyimpanan yang digunakan dalam aplikasi Android untuk menyimpan data pengguna. Namun, keamanan data pengguna masih merupakan perhatian utama bagi pengembang aplikasi, karena jika tidak dijaga dengan baik, data tersebut dapat disalahgunakan oleh pihak yang tidak berhak. Oleh karena itu, dalam penelitian ini akan diterapkan metode enkripsi menggunakan algoritma Advanced Encryption Standard (AES) pada DataStore untuk mengamankan data pengguna di aplikasi Android dengan mode Cipher Block Chaining. Algoritma AES memiliki keunggulan kecepatan dibandingkan dengan algoritma kriptografi lainnya. Hasil dari penelitian ini menunjukkan bahwa sistem yang dikembangkan memiliki tingkat risiko ancaman keamanan yang rendah, dan data yang disimpan dalam DataStore aman dari ancaman karena telah dienkripsi menggunakan algoritma AES yang dikembangkan. Selain itu, algoritma ini juga memiliki nilai Avalanche Effect yang baik, yaitu sebesar 64,68%, serta proses enkripsi dan dekripsinya lebih cepat dibandingkan penelitian sebelumnya.
Co-Authors Agung Pambudi Luthfy Budhy Adzy Reski Mulud Muchamad