Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Rosidin
STMIK IKMI Cirebon
Humanities Computer Science & IT Education Languange, Linguistic, Communication & Media Mathematics Other

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

Found 2 Documents
Search

 1 
Dampak Implementasi Learning Management System (LMS) terhadap Self-Regulated Learning Mahasiswa: Penelitian Everhard Markiano Solissa; Rosidin; Imam Tazali; Markus Asta Patma Nugraha; Siti Marliah; Diki Masria
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6311

Abstract

Perkembangan teknologi informasi telah mendorong transformasi sistem pembelajaran di pendidikan tinggi melalui implementasi Learning Management System (LMS). LMS tidak hanya berfungsi sebagai media penyampaian materi pembelajaran, tetapi juga sebagai sarana yang dapat mendukung pengembangan self-regulated learning mahasiswa. Penelitian ini bertujuan untuk menganalisis dampak implementasi LMS terhadap self-regulated learning mahasiswa melalui metode studi literatur. Penelitian dilakukan dengan mengkaji berbagai artikel ilmiah yang relevan dari jurnal nasional dan internasional yang terindeks dan membahas hubungan antara penggunaan LMS dan kemampuan regulasi diri mahasiswa dalam konteks pendidikan tinggi. Tahapan penelitian meliputi identifikasi topik, penelusuran literatur, seleksi artikel berdasarkan relevansi, analisis isi, sintesis temuan, serta penarikan kesimpulan. Hasil kajian menunjukkan bahwa implementasi LMS memberikan dampak positif terhadap peningkatan self-regulated learning mahasiswa, terutama dalam aspek pengelolaan waktu belajar, monitoring perkembangan akademik, peningkatan motivasi belajar, serta kemampuan refleksi diri. Fitur-fitur LMS seperti pengingat tugas, forum diskusi, evaluasi daring, pelacakan progres belajar, dan umpan balik pembelajaran terbukti mampu membantu mahasiswa mengembangkan kemandirian belajar secara lebih efektif. Selain itu, integrasi learning analytics dalam LMS memberikan peluang untuk memantau perilaku belajar mahasiswa secara lebih terukur. Namun demikian, efektivitas LMS dalam mendukung self-regulated learning dipengaruhi oleh kesiapan teknologi, desain pembelajaran, dan kemampuan regulasi diri mahasiswa. Penelitian ini memberikan kontribusi berupa sintesis komprehensif mengenai peran LMS dalam membangun budaya belajar mandiri di pendidikan tinggi serta menjadi referensi bagi pengembangan strategi pembelajaran digital yang lebih adaptif dan berpusat pada mahasiswa.
Deteksi Serangan SQL Injection Berulang pada Log Apache menggunakan Semantic Embedding dan Machine Learning Rosidin; Dian Ade Kurnia; Dadang Sudrajat
TEMATIK Vol. 13 No. 1 (2026): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2026
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v13i1.2909

Abstract

SQL Injection (SQLi) attacks are a major threat to web application security, with attackers frequently attempting to modify query patterns repeatedly to evade detection. This research aims to develop a method for detecting repeated SQL Injection attacks in Apache logs using a semantic embedding approach. The method employed includes preprocessing log data using Natural Language Processing (NLP) techniques, generating vector representations through semantic embedding, and classifying using machine learning algorithms. The novelty of this research lies in the application of semantic embedding on Apache log queries to identify recurring and polymorphic SQL Injection attacks based on contextual similarity rather than exact syntactic matching. Experimental results show that the Support Vector Machine (SVM) model achieved the best performance with an accuracy of 94.5%, precision of 92.0%, recall of 91.0%, and F1-score of 91.5%, outperforming conventional rule-based detection methods.. The results show that the proposed approach is capable of recognizing semantic similarities between queries despite syntactic differences, thereby improving detection accuracy and reducing false positive rates compared to rule-based methods. Therefore, this method is effective for large-scale log analysis and is capable of detecting repeated and polymorphic SQL Injection attack pattern in web application environments.
Co-Authors Dadang Sudrajat Dian Ade Kurnia Diki Masria Imam Tazali Markus Asta Patma Nugraha Siti Marliah Solissa, Everhard Markiano