Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Terorisme adalah kejahatan terhadap kemanusiaan dan merupakan masalah sosial yang kompleks serta dapat menjadi ancaman serius terhadap kedaulatan setiap negara, termasuk Indonesia. Salah satu metode untuk mempelajari kompleksitas sosial tersebut adalah dengan menggunakan pendekatan Agent Based Modelling (ABM). ABM merupakan suatu metode komputasi yang dapat digunakan untuk membuat, menganalisis, dan melakukan percobaan dari suatu model yang tersusun atas kumpulan agen yang saling berinteraksi dengan lingkungannya. Agen memiliki atribut untuk mencirikan karakteristik agen, selain itu terdapat aturan yang mempengaruhi hubungan antar agen dan lingkungannya. Dalam penelitian ini konstruksi model terdiri dari populasi agen yang dibagi menjadi lima kelas yaitu kelas umum / general (G), kelas bibit atau calon fanatik / seed (S), kelas fanatik aktif / active fanatic (FA), kelas fanatik non aktif / fanatic in prison (FP ), dan kelas Densus 88 (D). Beberapa atribut yang digunakan adalah usia, frekuensi pertemuan dengan anggota FA, vonis penjara serta masa tahanan anggota FP. Hasil simulasi model dengan menggunakan NetLogo 5.2 dan Mathematica 10.0 menunjukkan parameter  berperan penting dalam menekan berkembangnya populasi teroris di Indonesia.;Terrorism is a menace to humanity and society and also a complex social problem. One of the methods for studying social complexity in this case is using the approach of Agent Based Modeling (ABM). ABM is a computational method that enables a researcher to create, analyze, and experiment with models composed of agents that interact within an environment. Agents have attributes to characterize them, and the rules that will affect the relationship between agents and an environment. In this research, the model construction is divided into five classes namely general class (G), class of seed (S), class of active terrorist (FA), class of terrorist in prison (FP ), and Densus 88 class (D). The attributes used are age, frequency of interactions with FA, prison verdict and prison term of FP . The simulation using NetLogo 5.2 and Mathematica 10.0 shows the parameter  is important in suppressing the growth of terrorist population in Indonesia.;Terrorism is a menace to humanity and society and also a complex social problem. One of the methods for studying social complexity in this case is using the approach of Agent Based Modeling (ABM). ABM is a computational method that enables a researcher to create, analyze, and experiment with models composed of agents that interact within an environment. Agents have attributes to characterize them, and the rules that will affect the relationship between agents and an environment. In this research, the model construction is divided into five classes namely general class (G), class of seed (S), class of active terrorist (FA), class of terrorist in prison (FP ), and Densus 88 class (D). The attributes used are age, frequency of interactions with FA, prison verdict and prison term of FP . The simulation using NetLogo 5.2 and Mathematica 10.0 shows the parameter  is important in suppressing the growth of terrorist population in Indonesia.

Abstrak :
Di tengah perkembangan era digital, pertukaran informasi dapat dilakukan dengan mudah melalui Internet khususnya media sosial. Meskipun demikian, informasi yang tersebar seringkali tidak mudah untuk dibuktikan kebenarannya sehingga menjadi sangat rentan terhadap penyebaran berita palsu (hoax). Untuk mengatasi hal tersebut, teknologi Blockchain dapat digunakan sebagai sebuah solusi yang mampu menjamin kredibilitas informasi serta menciptakan lingkungan komunikasi yang terpercaya. Pada penelitian ini, pendekatan berbasis Blockchain diterapkan melalui sistem verifikasi berita untuk mengidentifikasi kebenaran berita dan menyeleksi sumber informasi yang dapat dipercaya. Studi ini mengusulkan sebuah model penyebaran berita di media sosial dengan mengadaptasi prinsip epidemi dan jaringan scale-free. Pengguna dikelompokkan ke dalam empat kondisi status yaitu rentan (ignorants), pemeriksa (verifier), penyebar (spreader), dan penyangkal (stifler). Kemudian, pada model tersebut diintegrasikan sistem verifikasi berita berbasis Blockchain. Efektifitas model diselidiki di dalam simulasi berbasis multi-agen menggunakan software Netlogo. Di dalam simulasi, berita palsu dengan tingkat kebenaran berita 20% memperoleh nilai indikator kredibilitas atau credibility indicator (CI) yang rendah (CI ± 1,5 dari 5) untuk seluruh dimensi jaringan yang berbeda-beda. Penyebaran terhenti lebih cepat karena penyebar berita (spreader) lebih sedikit dibandingkan dengan penyangkal berita (stifler). Selain itu, kredit reputasi atau reputation credit (RC) yang dimiliki sumber berita semakin menurun (RC ± 0,12 dari 1) sehingga mengurangi faktor kepercayaan. Dengan memperlihatkan catatan nilai indikator kredibilitas dan kredit reputasi kepada pengguna selama penyebaran berita, sistem verifikasi berita berbasis Blockchain dapat membatasi penyebaran berita palsu secara efektif serta meningkatkan kualitas konten di media sosial. ......In recent digital era, information exchange can be done easily through Internet and social media. However, the thruth of news in social media is hard to be proven, and becomes vulnerable toward hoax spreading. As a solution, Blockchain technology can be used to ensure the information reliablility and create trusted communication environment. In this research, Blockchain-based approach is implemented through a news verification system to identify the credibility of news and the sources. This study proposed a model of news spreading in social media by adapting epidemic methodology and scale-free networks. Users is categorized into for state condition tha are ignorants, verifier, spreader, and stifler. Subsequenty, Blokchain-based news verification system is integrated in that model. The model effectiveness is investigated in the multi-agent based simulations using Netlogo software. In the simulations, hoax news with 20 % of true level get a low Credibility Indicator (CI ± 1.5 of 5) for all different network dimensions. The spreading is stopped faster since the number of spreader is less than the stifler. Moreover, the Reputation Credit of the news source is also decreased (RC ± 0,12 of 1) so that the trust factor reduced. By showing the record of credibility indicator and reputation credit to users during the spread of the news, Blockchain-based news verification system can effectively limit hoax spreading and improve the quality of content in social media.