Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Applied Smart Electrical Network and System (JASENS) DBESTI: Journal of Digital Business and Technology Innovation
Bambang Harie Wiyono
Sekolah Tinggi Teknologi Terpadu Nurul Fikri
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Library & Information Science

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

Found 2 Documents
Search

 1 
Studi Perbandingan Pembelajaran Online dan Offline: Implementasi Decision Tree di STT Terpadu Nurul Fikri Ira Kusuma Wardani; Reza Maulana; Bambang Harie Wiyono
DBESTI: Journal of Digital Business and Technology Innovation Vol 3 No 1 (2026): Mei, 2026
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/dbesti.v3i1.2154

Abstract

Pandemi COVID-19 selama 4 tahun (2020-2024) mempengaruhi semua bidang di Indonesia, salah satunya adalah bidang pendidikan. Data BPS 2024, mengatakan bahwa mayoritas mahasiswa menggunakan internet untuk hiburan (90,76%), namun pembelajaran online hanya 27,53%. Ini menunjukkan bahwa pemanfaatan internet untuk pembelajaran belum optimal dan perlu perbaikan. STT Terpadu Nurul Fikri merupakan salah satu perguruan tinggi yang menerapkan pembelajaran secara online selama masa pandemi. Penelitian ini bertujuan untuk melihat pembelajaran seperti apa yang lebih efektif apakah online atau offline sehingga dapat diterapkan di sistem pembelajaran dan mahasiswa dapat meningkatkan kemampuan agar dapat diterapkan di dunia kerja. Penelitian ini diharapkan dapat membantu pembaca dalam memahami pengelolaan data dan memberikan pemahaman mengenai penggunaan perangkat lunak KNIME. Metode yang digunakan adalah kuantitatif dengan algoritma Decision Tree menggunakan perangkat lunak KNIME berisi noda-noda yang dibutuhkan. Hasil analisis 76.3% mahasiswa setuju bahwa pembelajaran dilakukan secara offline terutama untuk mata kuliah Pemrograman Web dan Matematika Komputer. Hasil pengujian menunjukkan bahwa akurasi untuk mata kuliah Pemrograman Web 90.16% dan Matematika Komputer 88.52%. Hal tersebut menunjukkan bahwa mahasiswa yang belajar offline cenderung lebih nyaman agar dapat mengerti materi lebih dalam. dan bisa dijadikan evaluasi terhadap model pembelajaran perguruan tinggi.
Analisis Kerentanan Keamanan Chatbot Berbasis Large Language Model Terhadap Serangan SQL Injection Bambang Harie Wiyono; Filia Nur Anjaini; Lukman Rosyidi
Journal of Applied Smart Electrical Network and Systems Vol. 7 No. 1 (2026): JASENS Vol. 7 No. 1 (2026) : Vol. 07 No. 01, Juni 2026
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/qy05dk06

Abstract

Perkembangan teknologi Large Language Model (LLM) telah mendorong pemanfaatan chatbot pada berbagai layanan digital. Integrasi chatbot dengan basis data dan layanan backend berpotensi menimbulkan risiko keamanan, terutama terhadap serangan SQL Injection. Penelitian ini bertujuan untuk menganalisis dan menguji kerentanan SQL Injection pada aplikasi chatbot berbasis LLM. Pengujian dilakukan menggunakan payload SQL Injection, Burp Suite, dan OWASP ZAP pada empat chatbot berbasis LLM, yaitu AlexAI, Gemini, Claude, dan Dola. Hasil penelitian menunjukkan bahwa seluruh target tidak memperlihatkan indikasi keberhasilan eksploitasi, tidak terjadi kebocoran informasi, serta tidak ditemukan akses tidak sah ke basis data. Meskipun demikian, ditemukan beberapa isu keamanan pada tingkat aplikasi yang berkaitan dengan konfigurasi keamanan web. Temuan ini menunjukkan bahwa keamanan chatbot berbasis LLM tidak hanya bergantung pada ketahanan model, tetapi juga pada keamanan aplikasi dan infrastruktur pendukung yang digunakan.
Co-Authors Filia Nur Anjaini Ira Kusuma Wardani Lukman Rosyidi Reza Maulana