Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Journal of Education Technology Information Social Sciences and Health
Felix John Pardamean Hutabarat
Universitas Negeri Medan
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Neuroscience Nursing Public Health Transportation

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Rancang Bangun Sistem Login Berbasis Zero Trust untuk Keamanan Akses Dashboard Karyawan Felix John Pardamean Hutabarat; Dedy Kiswanto; Paskah Abadi Simanullang; Ririn Amelia BR Siregar

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.9925

Abstract

Abstrak - Perkembangan teknologi informasi menuntut sistem keamanan yang adaptif terhadap ancaman siber modern. Model keamanan tradisional berbasis perimeter sudah tidak efektif, sehingga diperlukan pendekatan baru seperti Zero Trust Architecture (ZTA) dengan prinsip never trust, always verify. Penelitian ini bertujuan merancang dan membangun sistem login berbasis Zero Trust untuk mengamankan akses Dashboard Karyawan menggunakan bahasa pemrograman PHP dan basis data MySQL. Sistem ini mengintegrasikan autentikasi multi-faktor (OTP email), validasi eksplisit di setiap tahap login, pembatasan hak akses (least privilege), serta mekanisme session hardening seperti rotasi session ID, pengaturan cookie aman (Secure, HttpOnly, SameSite), timeout, dan lockout policy. Pengujian dilakukan melalui metode black box, uji integrasi, dan uji keamanan dengan hasil bahwa sistem mampu menolak akses tanpa autentikasi sah, mencegah reuse OTP, serta mencatat seluruh aktivitas keamanan secara real-time dalam log terstruktur. Implementasi ini terbukti meningkatkan keamanan identitas pengguna, melindungi data sensitif, serta menurunkan risiko penyalahgunaan kredensial dan serangan brute-force. Hasil penelitian menunjukkan bahwa penerapan prinsip ZTA dapat diimplementasikan secara efektif pada lingkungan sistem web berskala menengah tanpa mengorbankan kenyamanan pengguna.Kata kunci : Zero Trust Architecture; Autentikasi Multi-Faktor; Dashboard Karyawan; Keamanan Data; Sistem Login; Abstract - The rapid development of information technology requires security systems that can adapt to modern cyber threats. Traditional perimeter-based security models are no longer effective, necessitating a new approach such as the Zero Trust Architecture (ZTA), which operates on the principle of never trust, always verify. This study aims to design and develop a Zero Trust-based login system to secure employee dashboard access using PHP and MySQL technologies. The system integrates multi-factor authentication (OTP via email), explicit verification at every login stage, least privilege access control, and session hardening mechanisms such as session ID rotation, secure cookie configuration (Secure, HttpOnly, SameSite), timeout, and lockout policies. Testing through black-box, integration, and security tests showed that the system effectively denies unauthorized access, prevents OTP reuse, and records all security-related activities in a real-time structured log. The implementation enhances user identity protection, safeguards sensitive data, and reduces risks of credential misuse and brute-force attacks. The results indicate that the Zero Trust approach can be effectively implemented in mid-scale web systems without sacrificing usability.Keywords: Zero Trust Architecture; Multi-Factor Authentication; Employee Dashboard; Data Security; Login System;
Implementasi Sistem Deteksi Serangan Port Scanning pada Jaringan Komputer Dengan Pendekatan XGboost Felix John Pardamean Hutabarat; Dedy Kiswanto; Tegas Ramadhan; Muhammad Dzaki Arjun
Journal of Education Technology Information Social Sciences and Health Vol. 5 No. 2 (2026): September 2026
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jetish.v5i2.8745

Abstract

Serangan Port Scanning merupakan salah satu tahapan awal yang umum dilakukan oleh penyerang untuk mengidentifikasi layanan dan celah keamanan pada suatu sistem jaringan. Oleh karena itu, diperlukan mekanisme deteksi yang mampu mengenali aktivitas tersebut secara cepat dan akurat. Penelitian ini bertujuan mengimplementasikan dan mengevaluasi sistem deteksi serangan Port Scanning menggunakan algoritma Extreme Gradient Boosting (XGBoost). Dataset yang digunakan adalah CIC-IDS2017, khususnya berkas Friday-WorkingHours-Afternoon-PortScan.pcap_ISCX. Tahapan penelitian meliputi seleksi fitur bertahap, Exploratory Data Analysis (EDA), preprocessing, serta pelatihan dan evaluasi model menggunakan metode Stratified 5-Fold Cross-Validation. Proses seleksi fitur berhasil mereduksi 85 fitur awal menjadi 8 fitur prediktif utama. Setelah penghapusan data duplikat, dataset terdiri atas 110.364 observasi unik dengan rasio ketidakseimbangan kelas sekitar 66:1. Hasil pengujian menunjukkan bahwa model XGBoost mencapai akurasi sebesar 99,89%, precision 94,00%, recall 99,27%, dan F1-score 96,56% untuk kelas PortScan. Analisis learning curve menunjukkan kemampuan generalisasi yang baik tanpa indikasi overfitting yang signifikan. Selain itu, analisis eXplainable AI menggunakan SHAP mengidentifikasi bahwa fitur Total Length of Fwd Packets, PSH Flag Count, dan Fwd Packet Length Min merupakan faktor yang paling berpengaruh dalam proses klasifikasi. Hasil penelitian menunjukkan bahwa pendekatan XGBoost efektif dalam mendeteksi serangan Port Scanning dengan tingkat akurasi tinggi serta mampu memberikan interpretasi terhadap proses pengambilan keputusan model.
Optimasi Estimasi Intensitas Guncangan Gempa Skala MMI Menggunakan XGBoost Berdasarkan Parameter Seismik dan GMPE Felix John Pardamean Hutabarat; Ayman Human Sukma; Azhara Amelia H; Rinto Manik; Sehati Saurmatania Tampubolon; Suvriadi Panggabean
Journal of Education Technology Information Social Sciences and Health Vol. 5 No. 2 (2026): September 2026
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jetish.v5i2.8966

Abstract

Indonesia merupakan wilayah dengan aktivitas seismik tinggi sehingga estimasi intensitas guncangan gempa yang akurat menjadi komponen penting dalam mitigasi bencana. Persamaan empiris Ground Motion Prediction Equations (GMPE) banyak digunakan untuk mengestimasi intensitas guncangan, namun memiliki keterbatasan dalam merepresentasikan hubungan nonlinier antara parameter seismik dan kondisi lokal. Penelitian ini bertujuan mengembangkan model estimasi Modified Mercalli Intensity (MMI) berbasis physics-informed machine learning dengan mengombinasikan algoritma XGBoost dan GMPE. Dataset yang digunakan berasal dari arsip USGS ShakeMap wilayah Indonesia periode 2004–2025 yang mencakup 528 kejadian gempa dan 6.222 rekaman observasi. Tahapan penelitian meliputi pra-pemrosesan data, rekayasa fitur, perhitungan estimasi awal menggunakan GMPE, pelatihan model XGBoost, serta evaluasi menggunakan Group K-Fold Cross Validation melalui studi ablasi. Hasil penelitian menunjukkan bahwa model hibrida mampu mengatasi keterbatasan model machine learning murni sekaligus mempertahankan stabilitas pendekatan empiris. Model menghasilkan nilai Mean Absolute Error (MAE) 0,435 skala MMI, dengan prediksi GMPE sebagai fitur paling dominan berdasarkan analisis feature importance. Model terbaik selanjutnya diimplementasikan ke dalam prototipe berbasis ONNX yang mampu melakukan estimasi intensitas guncangan secara real-time. Hasil penelitian menunjukkan bahwa pendekatan hibrida berpotensi mendukung sistem peringatan dini dan pengambilan keputusan dalam mitigasi bencana gempa bumi.
Sistem Keamanan Pintu Berbasis Computer Vision dengan Biometric Face Recognition dan Physical Tampering Detection Felix John Pardamean Hutabarat; Dedy Kiswanto; Paskah Abadi Simanullang; Fadilla Amanah

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10270

Abstract

Abstrak - Keamanan akses pintu pada lingkungan hunian dan kos membutuhkan sistem yang tidak hanya mampu memverifikasi identitas pengguna, tetapi juga responsif terhadap ancaman fisik terhadap perangkat. Penelitian ini mengusulkan dan merealisasikan S.I.G.H.T. (Secure Intelligent Gate Hardware Tamper-detection), sebuah sistem keamanan pintu berbasis computer vision yang menggabungkan biometric face recognition menggunakan algoritma Local Binary Patterns Histograms (LBPH) dengan physical tampering detection berbasis sensor getaran. Arsitektur sistem terdiri atas backend FastAPI, dashboard web berbasis React sebagai pusat pemantauan dan kontrol, agen kamera untuk pemrosesan citra pada perangkat edge, serta modul IoT gerbang yang mengendalikan kunci dan alarm secara real-time melalui antrian perintah terpusat. Metode pengembangan yang digunakan adalah pendekatan Research and Development (RD) dengan model Waterfall yang mencakup analisis kebutuhan, perancangan, implementasi, dan pengujian terstruktur. Validasi fungsional dilakukan menggunakan black box testing pada skenario utama, seperti otentikasi wajah, pengelolaan data penghuni, respons sensor getaran, dan kontrol aktuator pintu serta alarm. Hasil pengujian menunjukkan seluruh skenario berjalan sesuai harapan dengan status “Lulus”, sehingga S.I.G.H.T. dinilai layak sebagai prototipe solusi keamanan pintu berlapis yang adaptif dan berpotensi dikembangkan lebih lanjut pada skala implementasi yang lebih luas.Kata kunci : Computer vision; Deteksi tampering fisik; Internet of Things; LBPH; Sistem keamanan pintu; Abstract - Door access security in residential and boarding environments requires a system that not only verifies user identity, but also responds to physical threats directed at the device. This study proposes and implements S.I.G.H.T. (Secure Intelligent Gate Hardware Tamper-detection), a computer-vision-based door security system that combines biometric face recognition using the Local Binary Patterns Histograms (LBPH) algorithm with physical tampering detection using a vibration sensor. The system architecture consists of a FastAPI backend, a React-based web dashboard as the central monitoring and control interface, a camera agent for image processing on edge devices, and an IoT gate module that controls the lock and alarm in real time through a centralized command queue. The development process follows a Research and Development (RD) approach with the Waterfall model, covering requirements analysis, system design, implementation, and structured testing stages. Functional validation is carried out using black box testing on key scenarios such as face authentication, resident data management, vibration sensor response, and actuator control for the door and alarm. The results show that all scenarios meet the expected outcomes with a “Pass” status, indicating that S.I.G.H.T. is feasible as a layered and adaptive door security prototype that can be further extended to broader deployment contexts.Keywords: Computer vision; Door security system; Internet of Things; LBPH; Physical tampering detection;
Co-Authors Ayman Human Sukma Azhara Amelia H Dedy Kiswanto Fadilla Amanah Muhammad Dzaki Arjun Paskah Abadi Simanullang Rinto Manik Ririn Amelia Br Siregar Sehati Saurmatania Tampubolon Suvriadi Panggabean Tegas Ramadhan