Articles

Found 3 Documents
Search
Journal : Jurnal Eksplora Informatika

Analisis Algoritma RSA Dan LSB pada One Time Password untuk Financial Technology Sitoresmi, Galuh; Wijanarto, Wijanarto
Jurnal Eksplora Informatika Vol 8 No 2 (2019): Eksplora Informatika
Publisher : Bagian Penelitian dan Pengabdian kepada Masyarakat (P2M) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (553.898 KB) | DOI: 10.30864/eksplora.v8i2.157

Abstract

Financial Technology (fintech) merupakan inovasi dibidang pelayanan keuangan yang memanfaatkan teknologi untuk meningkatkan pelayanan dan mempermudah transaksi. Karena berkaitan dengan keuangan, maka keamanan dalam fintech harus kuat dan terjamin. Penyedia layanan fintech seperti GoPay, Paypro, dan T-cash menggunakan One Time Password (OTP) dengan format 4 dan 6 digit bilangan acak numerik yang dikirimkan melalui SMS sebagai solusi autentikasi. Namun kode tersebut mudah terbaca sehingga rawan disalahgunakan oleh orang tidak bertanggung jawab dan dapat merugikan pengguna. Kriptografi merupakan teknik menyandikan informasi ke dalam karakter tertentu dan disusun acak sehingga sulit dimengerti. RSA merupakan algoritma kriptografi yang andal karena menggunakan kunci berbeda untuk menyandikan informasi. Metode LSB merupakan teknik steganografi sederhana untuk menyembunyikan informasi ke dalam citra sehingga mempersulit informasi dapat dibaca dan disalahgunakan. Dengan menerapkan algoritma RSA dan teknik LSB maka dapat meningkatkan keamanan kode OTP, karena kode OTP yang tersembunyi di dalam citra tidak dapat diketahui oleh mata manusia. Hasil dari penelitian ini, kedua algoritma tersebut melakukan keseluruhan proses sangat cepat, durasi rata-rata untuk memproses kode OTP format 4 digit yaitu 0,6738 detik, sedangkan format 6 digit sebesar 0,7005 detik. Hasil kualitas citra stego dengan pengujian MSE dan PSNR memiliki nilai rata-rata yang tinggi yaitu MSE sebesar 0,000531 dan PSNR sebesar 83,110348 dB.
Optimasi Algoritma Klasifikasi Biner dengan Tuning Parameter pada Penyakit Diabetes Mellitus Wijanarto, Wijanarto; Puspitasari, Rhatna
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.088 KB) | DOI: 10.30864/eksplora.v9i1.257

Abstract

Diabetes Melitus atau yang biasanya disebut dengan penyakit kencing manis merupakan penyakit yang terjadi akibat peningkatan kadar glukosa di dalam darah terlalu tinggi. Data World Health Organization (WHO), menunjukkan Indonesia menjadi negara keempat di dunia dengan  angka penderita diabetes terbanyak dan mengalami peningkatan hingga 14 juta  orang. Peningkatan kasus penyakit Diabetes melitus ini memerlukan suatu upaya penanggulangan dan pencegahan dini terhadap penyakit Diabetes melitus. Dalam penelitian ini akan dilakukan optimasi algoritma klasifikasi biner pada penyakit diabetes melitus mulai dari observasi, visualisasi, statistic deskriptif dataset, pre-processing dataset, penentuan baseline model, tuning parameter model dan finalisasi model. Penentuan baseline model diperoleh dengan mencari nilai akurasi tertinggi dari 3 algoritma linear (Logistic Regression, Linear Discriminant Analysis, K-nearest neighbor) atau 3 algoritma non- linear (Decision Tree, Naïve Bayes, Support Vector Machine) berdasarkan tuning parameternya dan yang menghasilkan akurasi optimal adalah  Algoritma Support Vector Machine, sehingga dijadikan sebagai final model dengan parameter C sebesar 47 dengan kernel rbf dihasilkan rerata akurasi sebesar 77.3% pada data training dan 74.5% pada data testing, sementara berdasarkan confusion matrix dihasilkan precision 78%, recall 83%, f1-Score 81%, error rate 25%.
PENINGKATAN PERFORMA ANALISIS SENTIMEN DENGAN RESAMPLING DAN HYPERPARAMETER PADA ULASAN APLIKASI BNI MOBILE Wijanarto, Wijanarto; Brilianti, Seviana Pungki
Jurnal Eksplora Informatika Vol 9 No 2 (2020): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v9i2.333

Abstract

Penggunaan mobile banking meningkat seiring dengan kemajuan teknologi. Hampir setiap bank di Indonesia memiliki layanan mobile banking, termasuk BNI. Menurut survei dari Top Brand Award, BNI Mobile Banking menurun menjadi nomor 4 pada tahun 2016 dan 2017. Artinya terdapat relasi yang kuat antara ulasan pemakai aplikasi terhadap kinerja aplikasi. Dengan demikian membawa akibat pada pentingnya mempertahankan kualitas layanan serta kemampuan untuk bersaing dengan bank lain. Beberapa penelitian analisis sentimen sebelumnya belum melihat ketersediaan apakah dataset sudah dieksplorasi keseimbangannya atau tidak untuk meningkatkan performa model yang dipilih. Oleh karena itu, dalam artikel ini mencoba melakukan analisis sentimen pada ulasan pengguna aplikasi BNI Mobile Banking di Google Play sebanyak 6954 data terpilih dengan label positif dan negatif dan menggunakan 7 metode dasar sebagai baseline untuk dipilih satu yang mempunyai performa terbaik yitu Support Vector Classifier, setelah dilakukan resampling dataset dengan Repeated Edited Nearest Neighbours dan hyperparameter model C=1, degree=2 kernel poly didapatkan akurasi sebesar 98.54% pada data training dan akurasi 100% pada data uji. Selanjutnya dari 26 data mentah baru dilakukan eksperimen dan menghasilkan prediksi benar sebesar 19 sementara 7 salah dengan error rate sebesar 27%.