Articles

ANALISIS ALGORITMA AES DALAM MENGAMANKAN DATA PADA KANTOR WALIKOTA PEMATANGSIANTAR hartato, eko; Gunawan, Indra; Parlina, Iin; Solikhun, Solikhun; Wanto, Anjar
JURNAL ILMIAH INFORMATIKA Vol 8 No 01 (2020): Jurnal Ilmiah Informatika (JIF)
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v8i1.1799

Abstract

Data is information that is kept very confidential because it contains important information about the company or agency. Computers are currently the main component in the company that is able to store data, speed up work, improve the quality and quantity of services, simplify the transaction process, and others. But in terms of computer security still has several loopholes that allow a person or group to easily retrieve data or information on the computer. To avoid theft and manipulation of data, it is necessary to implement a security system. Cryptography is the study of how to change information from normal conditions / forms (can be understood) into a form that cannot be understood. One method that can be used to secure messages / information is the Advanced Encryption Standard (AES). The application of the AES cryptographic algorithm in securing data at the Pematangsiantar Mayor's Office shows that this algorithm can generate encryption that cannot be understood by humans and produces the exact decryption with the initial plaintext input.
PROYEKSI INDEKS PEMBANGUNAN MANUSIA DI INDONESIA MENGGUNAKAN METODE STATISTICAL PARABOLIC DALAM MENYONGSONG REVOLUSI INDUSTRI 4.0 Kirana, Ika Okta; Nasution, Zulaini Masruro; Wanto, Anjar
Jurnal Pendidikan Teknologi dan Kejuruan Vol 16, No 2 (2019): Edisi Juli 2019
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jptk-undiksha.v16i2.18178

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator yang sangat penting dalam mengukur keberhasilan sebuah negara dalam membangun kualitas hidup penduduk/masyarakat nya, termasuk Indonesia. Ekonomi global saat ini sedang pada titik puncak perubahan besar yang sebanding besarnya dengan munculnya revolusi industri 4.0. Penentuan peringkat atau level pembangunan dan ekonomi dari suatu wilayah atau negara dapat dilihat dari IPM. Karena begitu pentingnya Indeks Pembangunan Manusia (IPM), maka perlu dilakukan proyeksi tingkat perkembangan IPM di tahun-tahun selanjutnya, agar pemerintah Indonesia memiliki referensi dan acuan yang jelas untuk menentukan kebijakan ataupun membuat langkah-langkah strategis yang tepat agar Indeks Pembangunan Manusia (IPM) jangan sampai menurun di masa yang akan datang, bahkan meningkat pada tiap tahunnya. Data yang akan diproyeksi pada penelitian ini adalah data Indeks Pembangunan Manusia (IPM) tahun 2010-2018. Sumber data diambil dari Badan Pusat Statistik (BPS) Indonesia. Pada penelitian ini, metode proyeksi yang digunakan untuk melihat perkembangan IPM di Indonesia adalah Statistical Parabolic Projection (Trend Parabolik). Setelah dilakukan perhitungan, diperoleh selisih antara data asli IPM dengan data hasil proyeksi sangat dekat sekali, dengan tingkat MSE sebesar 0,01659. Sehingga dapat disimpulkan bahwa metode Trend Parabolik sangat baik digunakan untuk melakukan proyeksi Indeks Pembangunan Manusia. Oleh karena itu hasil penelitian ini adalah proyeksi Indeks Pembangunan Manusia (IPM) di Indonesia untuk tahun 2019 hingga tahun 2027
PREDIKSI PRODUKSI SUSU SEGAR DI INDONESIA MENGGUNAKAN ALGORITMA BACKPROPAGATION Saragih, Jonas Rayandi; Hartama, Dedy; Wanto, Anjar
JURNAL ILMIAH INFORMATIKA Vol 8 No 01 (2020): Jurnal Ilmiah Informatika (JIF)
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v8i1.1847

Abstract

Milk is a white liquid produced from female mammals that contain carbohydrates that are useful for humans. Based on data from the Indonesian Statistics Agency, milk productivity in Indonesia from 2012 to 2018 experienced an unstable curve. Therefore this research was conducted to predict and find out the level of development of milk productivity in Indonesia for the following years, so that companies that use milk have a reference to continue to strive to increase milk productivity in Indonesia to remain stable in order to meet the needs of the community and  minimize milk imports. This algorithm used is backpropagation neural network. This algorithm is able to predict good data especially data that is sustainable in a certain period of time. to simplify this research the author uses the Matlab 2011 application. To facilitate writers, authors use 5 architectural model, namely 5-9-1 = 94%, 5-12-1 = 88%, 5-14-1 = 88%, 5-15-1 = 94%, 5-17-1 = 94 %. So we get the best architectural model using the architectural mode 5-15-1 with an accuracy rate of 94% with MSE = 0,000999842.  Finally, this model is good enough to predict fresh milk production by province in Indonesia
Prediksi Jumlah Nilai Impor Sumatera Utara Menurut Negara Asal Menggunakan Algoritma Backpropagation Purba, Indri Sriwahyuni; Wanto, Anjar
Techno.Com Vol 17, No 3 (2018): Agustus 2018
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam memenuhi kebutuhan dalam negeri, pemerintah mesti melakukan kegiatan ekonomi Internasional salah satunya impor. Impor adalah proses transportasi barang atau komoditas dari suatu Negara ke Negara lain secara legal. Terkhusus di provinsi Sumatera Utara selalu terjadi kenaikan jumlah impor tiap tahunnya terhitung pada tahun 2014-2016 di Badan Pusat Statistik ( BPS ) Sumatera Utara. Pada penelitian ini, penulis akan memprediksi jumah nilai impor untuk 5 tahun kedepan dengan menggunakan algoritma backpropagation. Backpropagation merupakan salah satu metode Jaringan Syaraf Tiruan (Artificial Neural Network), yang cukup handal dalam memecahkan masalah. Salah satunya adalah prediksi jumlah nilai impor di Sumatera Utara. Penelitian ini menggunakan 5 model arsitektur : 4-12-1, 4-15-1,4-18-1, 4-19-1, 4-20-1, dari kelima model tersebut akurasi terbaik  diperoleh dari model arsitekktur 4-19-1 dengan nilai akurasi 100%, epoch 2807 iterasi, dan MSE yaitu 0.00099930653.
PEMILIHAN MODEL ARSITEKTUR BACKPROPOGATION TERBAIK PADA PREDIKSI EKSPOR INDUSTRI NON MIGAS Parlina, Iin; Wanto, Anjar; Windarto, Agus Perdana
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2019: Peran Sains Data Dari Perspektif Akademisi dan Praktisi
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian yang dilakukan bertujuan membuat model prediksi arsitektur terbaik dengan artificial neural metwork pada industri pengolahan non migas dengan menggunakan metode backpropogation. Data diperoleh dari Badan Pusat Statistik yang bekerjasama dengan Kementrian Perindustrian Republik Indonesia untuk nilai ekspor industri non migas dalam 7 tahun terakhir (2011-2017). Proses dilakukan dengan membagi data menjadi 2 bagian (pelatihan dan pengujian) untuk memperoleh model arsitektur terbaik. Proses pengolahan data dilakukan dengan menggunakan bantuan software Matlab 6.0. Dari 7 model arsitektur (15-2-1; 15-5-1; 15-10-1; 15-15-1; 15-2-5-1; 15-5-10-1 dan 15-10-5-1) yang dilatih dan diuji, diperoleh model arsitektur terbaik 15-2-1 dengan tingakat akurasi 93%, epoch training = 189.881, MSE testing = 0.001167108 dan MSE training = 0,000999622
Pelatihan Pemanfaatan Mendeley Desktop Sebagai Program Istimewa Untuk Akademisi Dalam Membuat Citasi Karya Ilmiah Windarto, Agus Perdana; Hartama, Dedy; Wanto, Anjar; Parlina, Iin
AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Vol 2, No 2 (2018): Agustus
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/aks.v2i2.1319

Abstract

Desktop mendeley application is actually an application intended to facilitate the creation of citations and a list of libraries commonly used by the authors, so the authors will be pressed error in making the bibliography and facilitate in obtaining the writings to be cited. In addition to creating scientific papers, this application can also be used to manage the files of online journal articles that are the output of a scientific work. Furthermore, participants can utilize this application for the purpose of making a bibliography or collection of abstracts of certain fields of journal articles subscribed. Training activities undertaken in Community Service activities show that participants have a material understanding and the potential to make refernsi managers better and maximum by utilizing mendeley desktop applications.
ANALISIS METODE TREND PARABOLIC UNTUK PROYEKSI INDEKS PEMBANGUNAN MANUSIA DI INDONESIA Kirana, Ika Okta; Nasution, Zulaini Masruro; Wanto, Anjar
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2019: Peran Sains Data Dari Perspektif Akademisi dan Praktisi
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini membahas tentang analisis metodeTrend Parabolic untuk melakukan proyeksi terhadap IndeksPembangunan Manusia di Indonesia. Hal ini karena IndeksPembangunan Manusia (IPM) merupakan indikator yang sangatpenting dalam mengukur keberhasilan sebagai upaya membangunkualitas hidup penduduk/masyarakat pada sebuah wilayah/negara,termasuk Indonesia. Data yang digunakan adalah data IndeksPembangunan Manusia di Indonesia yang diperoleh dari BPS tahun2010-2018. Variabel yang digunakan adalah data IPM di Indonesiatahun 2010 hingga tahun 2018. Selanjutnya data ini akan dianalisisdan diproyeksi menggunakan metode Trend Parabolic untuk tahunyang sama yakni tahun 2010-2018. Setelah itu dilakukan analisisperbandingan data Indeks Pembangunan Manusia data asli dengandata hasil proyeksi. Setelah dilakukan perhitungan, diperoleh selisihantara data asli dengan data hasil proyeksi sangat dekat sekali,dengan tingkat MSE sebesar 0,017. Sehingga dapat disimpulkanbahwa metode Trend Parabolic sangat baik digunakan untukmelakukan proyeksi Indeks Pembangunan Manusia tahun 2019 danseterusnya.
MODEL JARINGAN SARAF TIRUAN UNTUK ESTIMASI PENDUDUK MISKIN DI INDONESIA SEBAGAI UPAYA PENGENTASAN KEMISKINAN Wanto, Anjar; Hardinata, Jaya Tata
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2019: Peran Sains Data Dari Perspektif Akademisi dan Praktisi
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan menentukan model arsitektur jaringan terbaik yang tepat untuk melakukan estimasi Penduduk Miskin di Indonesia menggunakan salah satu algoritma jaringan saraf tiruan, yakni dengan metode Bayesian Regulation. Metode ini melakukan fungsi pelatihan jaringan dengan cara memperbarui bobot dan nilai bias menurut pengoptimalan LevenbergMarquardt. Data yang digunakan pada penelitian ini adalah data penduduk miskin tiap provinsi di Indonesia tahun 2012 sampai tahun 2018 berdasarkan semester, yang bersumber dari Badan Pusat Statistik Indonesia (BPS). Berdasarkan data ini akan dibentuk dan ditentukan model arsitektur jaringan yang digunakan dengan metode Bayesian Regulation, antara lain 10-5-10-2, 10-10-15-2, 10-15-10-2, 10-15-20-2, dan 10-25-25-2. Dari 5 model ini setelah dilakukan pelatihan dan pengujian diperoleh hasil bahwa model arsitektur terbaik adalah 10-25-25-2 (10 adalah input layer, 25 adalah jumlah neuron hiden layer pertama dan 25 selanjutnya juga merupakan jumlah neuron hiden layer kedua, 2 adalah output layer). Tingkat akurasi dari model arsitektur ini adalah 94,1% dan 61,8% dengan nilai MSE sebesar 0,00013571 dan 0,00005189. Dari penentuan model terbaik ini selanjutnya akan dapat digunakan untuk mengestimasi penduduk miskin di Indonesia sebagai upaya dini pemerintah dalam pengentasan kemiskinan.
SELEKSI PENERIMAAN ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA AHP PADA AMIK-STIKOM TUNAS BANGSA PEMATANGSIANTAR Wanto, Anjar; Kurniawan, Eko
JURNAL INFORMATIKA DAN KOMPUTER Vol 3, No 1 (2018): FEBRUARI - AGUSTUS 2018
Publisher : Puslit dan PPM STMIK AKAKOM Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.2018.v3i1.106

Abstract

Penelitian ini bertujuan untuk membangun sistem pendukung keputusan yang mempunyai kemampuan menganalisa dalam pemilihan asisten laboratorium menggunakan Algoritma Analytical Hierarchy Process (AHP) pada AMIK-STIKOM Tunas Bangsa pematangsiantar. Karena selama ini belum adanya sistem yang dapat membantu manajemen dalam menentukan calon asisten laboratorium yang layak untuk dipekerjakan. Diharapkan dengan adanya sistem ini dapat membantu pihak Yayasan dalam melakukan penilaian dan dapat dijadikan masukan (Referensi) oleh pihak Yayasan untuk mengambil keputusan dalam menyeleksi calon asisten laboratorium yang layak diterima. Seleksi penerimaan asisten laboratorium menggunakan Algoritma Analytical Hierarchy Process (AHP) ini nantinya dapat menghasilkan alternatif terbaik, dengan kriteria-kriteria yang telah ditentukan berupa wawancara, ujian tertulis, ujian praktek, dan IPK. Sehingga seleksi penerimaan asisten laboratorium dapat berjalan secara tepat dan sesuai dengan yang diharapkan. Sistem ini nantinya akan dibangun menggunakan pemrograman web agar proses seleksi menjadi lebih efektif dan efisien.
Analisis Jaringan Saraf Dalam Estimasi Tingkat Pengangguran Terbuka Penduduk Sumatera Utara Wahyuni, Juli; Paranthy, Yuri Widya; Wanto, Anjar
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 3, No 1 (2018): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v3i1.624

Abstract

Abstrak — Pengangguran merupakan salah satu masalah ekonomi yang mempengaruhi kehidupan manusia secara langsung. Di Indonesia tingkat persentase pengangguran cukup tinggi, khususnya pada provinsi Sumatera Utara. Contohnya tercatat pada tahun 2010, kota sibolga memilik tingkat pengangguran yang paling tinggi yaitu berada di angka 17.50% dari total penduduknya. Berbeda dengan Samosir yang hanya memilik 0.55% pengangguran dari total penduduknya. Untuk dapat mengurangi jumlah pengangguran, khususnya di Sumatera Utara maka perlu dilakukan estimasi tingkat pengangguran untuk tahun-tahun mendatang, agar pemerintah memiliki acuan dalam menentukan kebijakan sehingga dapat melakukan penanggulangan terhadap jumlah pengangguran. Data yang digunakan pada penelitian ini terfokus pada data tingkat pengangguran terbuka penduduk umur 15 tahun keatas dari tahun 2010-2015 di Sumatera Utara. Metode yang digunakan dalam penelitian ini yaitu Jaringan Saraf Tiruan Backpropagation. Analisa data dilakukan dengan algoritma backpropagation menggunakan Matlab. Arsitektur jaringan yang digunakan ada 5 model (4-55-1, 4-57-1, 4-59-1, 4-61-1 dan 4-77-1), dengan model yang terbaik adalah 4-55-1 dengan Learning Rate yang digunakan 0.01. Sehingga menghasilkan tingkat akurasi 88% dengan nilai Mean Squared Error (MSE) adalah 0,55701127.Kata kunci— Pengangguran, Estimasi, Penduduk, Jaringan Saraf, Sumatera Utara.Abstract — Unemployment is one of the economic problems that affect human life directly. In Indonesia the level of unemployment is quite high, especially in North Sumatra province. For example, recorded in 2010, sibolga city has the highest unemployment rate that is at 17.50% of the total population. In contrast to Samosir who only have 0.55% unemployment out of the total population. In order to reduce the number of unemployment, especially in North Sumatra, it is necessary to estimate the unemployment rate for the coming years, so that the government has a reference in determining the policy so that it can handle the number of unemployed. The data used in this study focuses on open unemployment rate data of the population aged 15 years and over from 2010-2015 in North Sumatra. The method used in this research is Artificial Neural Network Backpropagation. Data analysis is done by backpropagation algorithm using Matlab. Network architecture used there are 5 models (4-55-1, 4-57-1, 4-59-1, 4-61-1 and 4-77-1), with the best model is 4-55-1 with Learning Rate used 0.01. So as to produce an accuracy of 88% with the Mean Squared Error (MSE) is 0.55701127.Keywords— Unemployment, Estimation, Population, Neural Network, North Sumatera.