Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Technology Information
Tirta Anhari
Universitas Muhammadiyah Prof. DR. HAMKA
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi Serangan Web Berdasarkan Log Web Application Firewall (WAF) Menggunakan Support Vector Machine (SVM) Nuroji Nuroji; Tirta Anhari
Journal of Artificial Intelligence and Technology Information (JAITI) Vol. 4 No. 2 (2026): Volume 4 Number 2 June 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jaiti.v4i2.262

Abstract

Pertumbuhan aplikasi web yang semakin pesat turut meningkatkan risiko ancaman keamanan siber terhadap layanan berbasis internet. Berbagai jenis serangan seperti SQL Injection (SQLi) dan Cross-Site Scripting (XSS) masih menjadi ancaman utama yang dapat mengganggu keamanan maupun ketersediaan sistem web. Penelitian ini bertujuan menerapkan pendekatan machine learning untuk melakukan klasifikasi serangan web menggunakan data log dari Web Application Firewall (WAF) berbasis ModSecurity. Data penelitian diperoleh dari audit log ModSecurity dalam format JSON yang berisi aktivitas request dan response pada web server. Tahapan penelitian meliputi pengumpulan data, preprocessing, ekstraksi fitur, labeling, feature engineering menggunakan TF-IDF, pembagian dataset dengan train-test split, pemodelan menggunakan algoritma Support Vector Machine (SVM), serta evaluasi performa model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Dataset yang digunakan terdiri atas 3467 data traffic web dengan kategori SQL Injection, XSS, dan Normal. Berdasarkan hasil pengujian, model SVM mampu menghasilkan tingkat akurasi sebesar 94,52% dalam proses klasifikasi traffic web. Model menunjukkan performa sangat baik pada pendeteksian serangan SQL Injection dengan recall sebesar 1,00 dan nilai F1-score sebesar 0,97. Akan tetapi, performa pada kategori Normal masih relatif rendah karena distribusi data yang tidak seimbang. Hasil penelitian menunjukkan bahwa analisis log ModSecurity yang dipadukan dengan machine learning dapat dimanfaatkan sebagai pendekatan alternatif untuk mendukung deteksi serangan web secara otomatis.
Pengembangan Framework Business Intelligence Berbasis Open Source di Institusi Pendidikan Tinggi Tirta Anhari; Nuroji Nuroji; Dwi Febriyadi
Journal of Artificial Intelligence and Technology Information (JAITI) Vol. 4 No. 3 (2026): Volume 4 Number 3 September 2026 (Issue in Progress)
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jaiti.v4i3.277

Abstract

Pengembangan solusi Business Intelligence (BI) berbasis open source semakin relevan untuk institusi akademik di Indonesia guna mengatasi masalah tingginya biaya BI komersial dan sulitnya mengintegrasikan sistem informasi lama (legacy systems). Makalah ini bertujuan merancang dan mengimplementasikan framework BI open source yang disesuaikan dengan arsitektur data perguruan tinggi. Penelitian ini menggunakan pendekatan deskriptif kualitatif melalui tahapan studi literatur, analisis kebutuhan pengguna (melibatkan 15 responden pemangku kepentingan), desain arsitektur integrasi, serta evaluasi implementasi. Hasil penerapan menunjukkan bahwa framework yang diusulkan—menggunakan PostgreSQL, Talend, dan Metabase/Apache Superset yang terintegrasi Single Sign-On (SSO)—berhasil memangkas waktu penyusunan laporan operasional hingga 70% dan meningkatkan aksesibilitas data. Temuan utama menegaskan bahwa keberhasilan adopsi BI open source tidak hanya dipengaruhi oleh integrasi teknologi, tetapi sangat bergantung pada manajemen perubahan dan literasi data pengguna. Studi ini berkontribusi memberikan model arsitektur tata kelola data yang aman, hemat biaya, dan siap direplikasi oleh sektor pendidikan tinggi.
Co-Authors Dwi Febriyadi Nuroji Nuroji