cover
Contact Name
Rizki Wahyudi
Contact Email
rizki.key@gmail.com
Phone
+6281329125484
Journal Mail Official
telematika@amikompurwokerto.ac.id
Editorial Address
The Telematika, with registered number ISSN 2442-4528 (online) ISSN 1979-925X (print) is a scientific journal published by Universitas Amikom Purwokerto. The journal registered in the CrossRef system with Digital Object Identifier (DOI) prefix 10.35671/telematika. The aim of this journal publication is to disseminate the conceptual thoughts or ideas and research results that have been achieved in the area of Information Technology and Computer Science. Every article that goes to the editorial staff will be selected through Initial Review processes by the Editorial Board. Then, the articles will be sent to the Mitra Bebestari/ peer reviewer and will go to the next selection by Double-Blind Preview Process. After that, the articles will be returned to the authors to revise. These processes take a month for a minimum time. In each manuscript, Mitra Bebestari/ peer reviewer will be rated from the substantial and technical aspects. The final decision of articles acceptance will be made by Editors according to Reviewers comments. Mitra Bebestari/ peer reviewer that collaboration with The Telematika is the experts in the Information Technology and Computer Science area and issues around it.
Location
Kab. banyumas,
Jawa tengah
INDONESIA
Telematika
ISSN : 1979925X     EISSN : 24424528     DOI : 10.35671/telematika
Core Subject : Education,
Jl. Letjend Pol. Soemarto No.126, Watumas, Purwanegara, Kec. Purwokerto Utara, Kabupaten Banyumas, Jawa Tengah 53127
Arjuna Subject : -
Articles 6 Documents
Search results for , issue "Vol 13, No 1: Februari (2020)" : 6 Documents clear
Optimasi Algoritme Naive Bayes Untuk Klasifikasi Data Gempa Bumi di Indonesia Berdasarkan Hiposentrum Rastri Prathivi
Telematika Vol 13, No 1: Februari (2020)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v13i1.928

Abstract

Abstract: The Hiposentrum or epicentre is the source of an earthquake which is at a certain depth on earth. The classification of earthquake powers based on the depth of Hiposentrum needed to examine the potential earthquake powers spread in Indonesian territory. The results of the classification process often experience problems, namely inaccuracy in classification. To solve that problem, then algorithms optimising classification must be increased. This research uses the Naïve Bayes algorithm, which is optimized using the Adaboost algorithm. Evaluation of the results of the optimized classification algorithm is needed to determine the level of accuracy using prescriptions and recall. In this study, the object of research is earthquake data in Indonesia which will be used as training data and testing data. The average accuracy of the Naïve Bayes algorithm is 72.3%, and the Naïve Bayes and Adaboost algorithm is 85.3%.Abstrak: Hiposentrum atau pusat gempa merupakan sumber gempa yang terdapat pada kedalaman tertentu di bumi. Klasifikasi kekuatan gempa berdasarkan kedalaman hiposentrum diperlukan untuk mengetahui potensi kekuatan gempa yang tersebar di wilayah Indonesia. Hasil dari proses klasifikasi seringkali mengalami masalah yaitu ketidaktepatan dalam klasifikasi. Untuk mengatasi masalah tersebut maka algoritme klasifikasi perlu ditingkatkan optimasinya. Penelitian ini menggunakan algoritme Naive Bayes yang dioptimasi menggunakan algoritme Adaboost. Evaluasi terhadap hasil dari algoritme klasifikasi yang telah dioptimasi diperlukan untuk mengetahui tingkat akurasi menggunakan presicion dan recall. Dalam penelitian ini objek penelitian berupa data gempa bumi di Indonesia yang akan digunakan sebagai data training  dan data testing. Hasil rata - rata akurasi algoritme Naïve Bayes sebesar 72,3% dan algoritme Naïve Bayes dan Adaboost sebesar 85,3%.
Synonym Measurement Through Semantic Similarity Using the SOC-PMI Method Uswatun Hasanah; Bambang Pilu Hartato; Mitra Yulianti; Saeful Haq Faruqi
Telematika Vol 13, No 1: Februari (2020)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v13i1.941

Abstract

Abstract: Measurement of synonyms can be an important task in measuring word similarity. This work cannot be done syntactically, but must dig deeper about its semantics. Semantic relations can be anything, such as synonyms, antonyms, hyponymy, homonymy and polysemy. This research works on finding synonym values using the Second Order Co-occurrence Pointwise Mutual Information (SOC-PMI) method. The data used are 30 questions on the TOEFL exam. Each question consists of one word as a question and four reference answers as alternative answers. The results show very low accuracy (30%) since there are only 9 out of 30 answers that actually show the synonym. In addition, the LCS method was also tested to get a character-based similarity score. LCS method is able to achieve a higher similarity score of 43.33%. Finally, the idea of hybrid method by combining character-based and semantic-based methods can be considered in longer words to produce a fairer similarity score.Abstrak: Pengukuran sinonim dapat menjadi pekerjaan yang penting dalam mengukur kemiripan kata. Pekerjaan ini tidak dapat dilakukan secara sintaksis, tetapi harus dilakukan dengan menggali lebih dalam tentang semantiknya. Hubungan semantik dapat berupa apa saja, seperti sinonim, antonim, hiponim, homonim, dan polisemi. Penelitian ini berusaha untuk menemukan nilai-nilai sinonim menggunakan metode Second Order Co-occurrence Pointwise Mutual Information (SOC-PMI). Data yang digunakan adalah 30 pertanyaan pada ujian TOEFL. Setiap pertanyaan terdiri dari satu kata sebagai pertanyaan dan empat jawaban referensi sebagai jawaban alternatif. Hasil menunjukkan nilai akurasi yang sangat rendah (30%) karena hanya ada 9 dari 30 jawaban yang benar-benar menunjukkan sinonim. Selain itu, metode LCS juga diuji untuk mendapatkan skor kemiripan berdasarkan karakternya. Metode LCS mampu mencapai skor kemiripan yang lebih tinggi yaitu 43,33%. Akhirnya, gagasan metode hybrid dengan menggabungkan metode berbasis karakter dan metode berbasis semantik semantik dapat dipertimbangkan untuk kata-kata yang lebih panjang agar menghasilkan skor kesamaan yang lebih adil.
Implementasi Keamanan Pesan pada Citra Steganografi Menggunakan Modifikasi Cipher Block Chaining (CBC) Vigenere Hanifatus Sadiyah; Vera Wati; Dony Ariyus
Telematika Vol 13, No 1: Februari (2020)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v13i1.942

Abstract

Abstract: Internet of Things (IoT) provides easy transportation of data and information, but on the other hand provides opportunities for cyber-terrorists and attackers to carry out attacks on data and information so that security of data and information is needed. This study aims to combine cryptographic techniques with classical algorithm that is Vigenere Cipher and modern algorithms that Cipher Block Chaining (CBC), which will be integrated with steganographic techniques Least Significant Bit (LSB) to insert the message information on an object image so as to provide data security and information more. It is expected to be able to support services in various fields so that digital watermarks on images can be used. Testing with 25 times the encryption and decryption process was successfully carried out 18 times and failed 7 times, influenced by the size and dimensions of the image. Performance on this algorithm is able to accommodate both symbols, characters and numbers. However, changes in image size affect the process of decryption and encryption.Abstrak: Internet of Things (IoT) menghadirkan kemudahan pertukaran data dan informasi, namun demikian di sisi lain memberikan peluang kepada cyber-terrorist dan penyerang untuk melakukan serangan terhadap data dan informasi sehingga pengamanan data dan informasi diperlukan. Penelitian ini bertujuan mengkombinasikan teknik kriptografi dengan algoritme klasik yaitu Vigenere Cipher dan algoritma modern yaitu Cipher Block Chaining (CBC) yang akan diintegrasikan dengan teknik steganografi Least Significant Bit (LSB) untuk menyisipkan pesan informasi di sebuah objek gambar sehingga memberikan keamanan data dan informasi yang lebih tinggi. Diharapkan mampu mendukung layanan berbagai bidang sehingga mampu digunakan digital watermark pada gambar. Hasil penelitian yang telah dilakukan menghasilkan visualisasi tidak adanya perbedaan pesan yang belum dan sudah terenkripsi. Pengujian dengan 25 kali proses enkripsi dan dekripsi berhasil dilakukan sebanyak 18 kali dan gagal sebanyak 7 kali, dipengaruhi oleh ukuran dan dimensi citra. Kinerja pada algoritma ini mampu menampung dengan baik simbol, karakter dan angka. Namun perubahan pada size gambar berpengaruh ketika proses dekripsi dan enkripsi. 
Desain dan Implementasi Penandatangan Elektronik Sertifikat X509 Menggunakan Platform Bot Telegram Herman Kabetta
Telematika Vol 13, No 1: Februari (2020)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v13i1.936

Abstract

Absract: Balai Sertifikasi Elektronik (BSrE) as one of the Certificate Authorities in Indonesia has been released a desktop-based digital signing application, but one of the weaknesses of desktop applications is its low portability. BSrE has also released a digital signing application for mobile operating systems, but it is only intended for users of the Android operating system. The aim of this research is to develop a digital signing application with Telegram Bot platform, that can be used to sign electronic documents using X509 certificates wherever and whenever, and also it can be run on all operating system platforms. The research methodology is using Rapid Application Development (RAD) which consists of four stages, Requirements Planning, User Design, Construction and Cutover. The backend system of the bot is built using Java programming language, and integrated with the MySQL database as conversation sessions storage. There are three main functions of designed system, sign, verify and setting. Signed documents also have been tested in several pdf reader applications and digital signatures can be recognized and validated. Bot can also verify documents signed by other applications. Testing use a blackbox method, the results of functional testing and non-functional testing show the system can run properly as expected in requirements planning. Evaluation using System Usability Scale (SUS) indicate that the system is suitable for use.Abstrak: Balai Sertifikasi Elektronik (BSrE) sebagai salah satu Certificate Authority di Indonesia telah merilis aplikasi penandatangan elektronik berbasis desktop kepada publik, namun salah satu kekurangan aplikasi desktop adalah rendahnya portabilitas dalam penggunaan. BSrE juga telah merilis aplikasi penandatangan elektronik untuk sistem operasi mobile, namun hanya diperuntukkan bagi pengguna sistem operasi Android. Penelitian ini bertujuan mengembangkan sebuah Bot Telegram yang dapat digunakan untuk menandatangani dokumen elektronik menggunakan sertifikat X509 dimanapun dan kapanpun, serta dapat berjalan pada semua platform sistem operasi. Metode yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD) yang terdiri dari empat tahap, Requirements Planning, User Design, Construction dan Cutover. Sistem backend bot dibangun dengan menggunakan bahasa pemrograman Java yang terintegrasi dengan basis data MySQL untuk menyimpan sesi percakapan. Penelitian menghasilkan sebuah sistem Bot Telegram yang memiliki tiga fungsi utama, yakni tanda tangan, verifikasi dan pengaturan. Dokumen yang ditandatangani telah diuji pada beberapa aplikasi pembaca berkas pdf dan tanda tangan elektronik dapat dikenali dan divalidasi. Bot juga dapat memverifikasi dokumen yang ditandatangani oleh aplikasi lain. Hasil pengujian terhadap komponen fungsional dan non-fungsional dengan metode black-box testing menunjukkan sistem dapat berjalan dengan baik sesuai yang diharapkan pada requirements planning. Hasil evaluasi kelayakan menggunakan System Usability Scale (SUS) menunjukkan sistem berada dalam kategori baik dan layak untuk digunakan.
Implementasi Data Mining Menggunakan Algoritme Naive Bayes Classifier dan C4.5 untuk Memprediksi Kelulusan Mahasiswa Endang Etriyanti; Dedy Syamsuar; Yesi Novaria Kunang
Telematika Vol 13, No 1: Februari (2020)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v13i1.881

Abstract

Abstract: The inability of students to complete their studies on time is faced by most of higher education institution. STMIK Bina Nusantara Jaya Lubuklinggau is one of those which is experienced with this matter. In most cases, the students could complete their studies longer than the expected duration. From 162 students of Sistem Informasi study program in the year 2013 and 2014 there were 117 students completed their studies on time, while 45 students were late. As a result, it could prevent new students to join the instituion since the limited student capacity. This study deploys data mining technique in predicting graduation status of students on time. First, preprocessing is used to obtain a good dataset. Secondly, the data is processed to obtain a set of prediction. In this step, two mining algoritm were applied – Naive bayes classifier and C4.5 algoritm to be knowing the performance of the two methods, the method has a greater accuracy value will be recommended to solving the problem of prediction of students graduation at STMIK Bina Nusantara Jaya Lubuklinggau. Thirdly, the result then was validated using K-Fold Cross Validation technique. Finally, Coffusion Matrix is deployed to ensure the accuration of the prediction. The results indicates that the C4.5 Algorithm method can be used to predict student graduation status with an accuracy rate of 79,08% while the accuracy rate of the Naive Bayes Classifier method is only 78,46%. The dominan factor is IPK-S4 variable.Abstrak: Ketidakmampuan mahasiswa untuk menyelesaikan studi tepat waktu dialami oleh sebagian besar Lembaga Pendidikan Tinggi. STMIK Bina Nusantara Jaya Lubuklinggau adalah salah satu perguruan tinggi yang mengalami hal tersebut. Dalam banyak kasus para mahasiswa menyelesaikan studi mereka lebih lama dari rentang waktu yang diharapkan. Dari 162 mahasiswa program studi Sistem Informasi tahun angkatan 2013 dan 2014 terdapat 117 mahasiswa yang menyelesakan studinya tepat waktu, sedangkan 45 mahasiswa terlambat. Akibatnya hal tersebut dapat menghambat mahasiswa baru untuk bergabung dengan lembaga karena kapasitas mahasiswa yang terbatas. Penelitian ini menggunakan teknik data mining dalam memprediksi status kelulusan mahasiswa tepat waktu. Pertama, preprocessing digunakan untuk mendapatkan dataset yang berkualitas. Kedua, data diproses untuk mendapatkan serangkaian prediksi. Pada langkah ini, dua algoritma data mining diterapkan - Naive Bayes Classifier dan Algoritma C4.5 dengan tujuan untuk mengetahui kinerja dari kedua metode, metode dengan tingkat akurasi yang lebih besar akan direkomendasikan untuk menyelesaikan masalah prediksi kelulusan mahasiswa pada STMIK Bina Nusantara Jaya Lubuklinggau. Ketiga, hasilnya kemudian divalidasi menggunakan teknik K-Fold Cross Validation. Terakhir, Coffusion Matrix digunakan untuk memvalidasi nilai akurasi hasil prediksi. Hasil penelitian menunjukkan bahwa metode Algoritma C4. dapat digunakan untuk memprediksi status kelulusan mahasiswa dengan tingkat akurasi 79,08% sedangkan metode  Naive Bayes Classifier hanya 78,46%. Dengan faktor dominan adalah variabel IPK-S4.
Penerapan Naive Bayes Pada Detection Malware dengan Diskritisasi Variabel Inda Anggraini; Yesi Novaria Kunang; Firdaus Firdaus
Telematika Vol 13, No 1: Februari (2020)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v13i1.886

Abstract

Abstract: Malicious software (malware) is rogue software specifically designed to carry out malicious or destructive software activities on computers such as viruses, Trojans, and others that are spread through the internet network. The number of activities that spread malware that occurs through the internet network makes many users uneasy one form of the attack is to insert malicious or malicious files into the computer. For example, such as web shell scripting script that is inserted into the internet service provider computer. This study aims to analyze malware attacks using the Naïve Bayes Clasiffier Algorithm with the discretization of 3-interval and 5-interval Min-Max variables for continuous attributes. Discretization (discretion) attribute is a technique for changing a function or continuous value into a discrete form. This technique is done as an adjustment to the possibility of the emergence of continuous values in a very small dataset feature. Discretization of variables is done in a dataset of type continuous, so that the probability value indicates the possibility of the same value coming out of a class. Using the Naive Bayes algorithm is expected to help facilitate users in finding the right method for detecting attacks from malware. The experimental results show that the application of Naïve Bayes in the classification of data that has not gone through the discretion stage produces an accuracy of 69.72% with prediction of malware 63.53 % while the data that has passed the discretization stage is able to provide accuracy of up to 79.97 % with 81.29 % malware prediction. The use of the Naïve Bayes by binning method in this study has an increased detection ability compared to the classification process without using the binning process (discretization). The discretion process can make the Naïve Bayes algorithm more accurate in detecting malware.Abstrak: Malicious software (malware) adalah software jahat yang dirancang khusus untuk melakukan aktifitas berbahaya atau perusak perangkat lunak pada komputer seperti virus, Trojan, dan lain-lain yang disebar melalui jaringan internet. Banyaknya aktifitas penyebaran malware yang terjadi melalui jaringan internet membuat banyak pengguna menjadi resah salah satu bentuk dari serangan tersebut yaitu dengan melakukan penyisipan file-file berbahaya atau malicious ke komputer. Contohnya seperti penyisispan skrip web shell yang di sisipkan ke komputer penyedia layanan  internet. Penelitian ini bertujuan untuk melakukan analisa terhadap serangan malware dengan menggunakan Algoritme Naïve Bayes Clasiffier dengan diskritisasi variabel Min-Max diskritisasi 3-interval dan 5-interval untuk atribut kontinu. Discretization (pendiskritan) atribut merupakan teknik untuk merubah sebuah fungsi atau nilai kontinu kedalam bentuk diskrit. Teknik ini dilakukan sebagai penyesuaian terhadap kemungkinan kemunculan nilai kontinu dalam fitur dataset yang sangat kecil. Pendiskritisasian variabel dilakukan pada dataset yang bertipe kontinu, sehingga nilai probabilitas menunjukan kemungkinan nilai yang sama keluar  pada suatu kelas. Dengan menggunakan Algoritme naive bayes ini diharapkan dapat membantu mempermudah pengguna dalam menemukan metode yang tepat untuk mendeteksi serangan dari malware.. Hasil percobaan menunjukan bahwa penerapan naïve bayes pada klasifikasi data yang belum melalui tahap pendiskritan menghasilkan tingkat akurasi sebesar 69.72 % dengan prediksi malware 63.53 % sedangkan pada data yang telah melewati tahap diskritisasi mampu memberikan akurasi hingga 79.97 % dengan prediksi malware 81.29 %. Penggunaan metode Naïve Bayes dalam penelitian ini memiliki kemampuan deteksi yang meningkat dibandingkan dengan proses klasifikasi tanpa menggunakan proses binning (diskritisasi). Proses pendiskritan dapat menjadikan Algoritme Naïve Bayes menjadi lebih akurat di dalam mendeteksi malware.

Page 1 of 1 | Total Record : 6