Article Per Year (5 Year)
p-Index From 2021 - 2026
1.084
P-Index
This Author published in this journals
All Journal Dinamik
Purwadi Purwadi
Universitas budi Luhur
Computer Science & IT

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Analisis Keamanan Sistem Informasi menggunakan Metode Penetration Testing berbasis Metasploit Framework Purwadi Purwadi; Herriyawan Herriyawan; Arief Wibowo
Dinamik Vol 31 No 2 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i2.10491

Abstract

Abstract Information system security has become a crucial aspect as organizations' reliance on digital technology increases. Increasingly complex cyber threats demand systematic and ongoing security evaluations. This study aims to analyze the security level of information systems by applying a penetration testing method based on the Metasploit Framework. The research methodology refers to the Penetration Testing Execution Standard (PTES), which includes pre-engagement, intelligence gathering, vulnerability analysis, exploitation, post-exploitation, and reporting stages. The test results showed that of the 10 vulnerabilities identified, four were categorized as high risk, three as medium risk, and three as low risk. The exploitation phase demonstrated a 70% success rate, allowing researchers to gain initial access to the target system. In the post-exploitation phase, the access gained allowed attackers to access system files, read configurations, and escalate limited privileges. These findings confirm that implementing regular penetration testing can help organizations improve their information system security posture and minimize the risk of data leaks and service disruptions.
Analisis Perilaku Pelanggan dan Segmentasi Pasar pada Driving Range menggunakan Teknik Data Mining Purwadi Purwadi; Herriyawan Herriyawan; Arief Wibowo
Dinamik Vol 31 No 2 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i2.10513

Abstract

Penelitian ini bertujuan untuk menganalisis penerapan teknik data mining dalam mengidentifikasi pola perilaku pelanggan dan melakukan segmentasi pasar pada fasilitas driving range. Seiring meningkatnya persaingan di industri olahraga rekreasi, khususnya golf, pemahaman berbasis data terhadap perilaku pelanggan menjadi krusial untuk mendukung strategi pemasaran dan peningkatan layanan. Metode yang digunakan dalam penelitian ini meliputi eksplorasi data menggunakan Kernel Density Estimation (KDE) untuk menganalisis distribusi usia pelanggan, serta K-Means Clustering untuk melakukan segmentasi pelanggan berdasarkan usia, lama bermain golf, dan frekuensi kunjungan per minggu. Penentuan jumlah klaster optimal dilakukan menggunakan Elbow Method, yang menunjukkan nilai K optimal sebesar tiga klaster. Data penelitian diperoleh dari transaksi harian pelanggan, data keanggotaan, dan survei kepuasan pelanggan. Hasil analisis menunjukkan bahwa mayoritas pelanggan berada pada rentang usia 20–40 tahun dengan puncak distribusi pada usia sekitar 30–32 tahun. Hasil clustering mengidentifikasi tiga segmen utama, yaitu pelanggan berpengalaman dengan usia rata-rata 43 tahun dan lama bermain sekitar 116 jam, pelanggan senior atau profesional dengan usia rata-rata 53 tahun dan pengalaman bermain tertinggi sekitar 310 jam, serta pelanggan pemula dengan usia rata-rata 32 tahun dan pengalaman bermain sekitar 17 jam namun memiliki frekuensi kunjungan relatif tinggi, yaitu sekitar 1,9 kali per minggu. Temuan ini menunjukkan bahwa penerapan data mining efektif dalam mendukung segmentasi pelanggan dan pengambilan keputusan strategis dalam pengelolaan driving range.
Analisis Email-Borne Malware: Teknik Infeksi melalui Lampiran Email dan Dampaknya terhadap Keamanan Siber Purwadi Purwadi; Herriyawan Herriyawan; Arief Wibowo
Dinamik Vol 31 No 2 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i2.10516

Abstract

Email masih menjadi salah satu vektor serangan siber paling dominan dalam penyebaran malware, baik terhadap organisasi maupun end-user. Berbagai laporan keamanan siber menunjukkan bahwa lebih dari 90% serangan malware diawali melalui email, dengan sekitar 30–40% email yang diterima organisasi dikategorikan sebagai spam atau berpotensi berbahaya, serta sebagian besar memanfaatkan lampiran berbahaya yang disamarkan sebagai dokumen sah. Hampir 95% organisasi dilaporkan pernah mengalami serangan phishing berbasis email setidaknya satu kali dalam satu tahun, dan lebih dari 50% insiden ransomware pada lingkungan korporasi bermula dari email yang mengandung lampiran malware. Pada tingkat end-user, ratusan juta email phishing dan malware dikirimkan setiap hari secara global, dengan sebagian berhasil mencapai kotak masuk pengguna dan menyebabkan pencurian data serta kerugian finansial. Penelitian ini bertujuan untuk menganalisis teknik infeksi email-borne malware melalui lampiran email serta dampaknya terhadap keamanan siber pada lingkungan korporasi dan end-user. Metode penelitian yang digunakan adalah analisis literatur dan studi kasus terhadap laporan insiden keamanan siber serta publikasi ilmiah terkini. Hasil analisis menunjukkan bahwa jenis malware yang paling sering disebarkan melalui lampiran email meliputi trojan, ransomware, dan spyware, dengan rekayasa sosial sebagai faktor utama keberhasilan serangan. Dampak yang ditimbulkan mencakup pencurian data sensitif, gangguan operasional sistem, kerugian finansial, serta penurunan tingkat kepercayaan pengguna dan reputasi organisasi. Penelitian ini menegaskan bahwa tingginya intensitas serangan email-borne malware menuntut penerapan strategi mitigasi yang komprehensif, seperti peningkatan kesadaran keamanan siber, pemanfaatan sistem penyaring email, dan penggunaan perangkat lunak keamanan yang andal untuk meminimalkan risiko infeksi malware melalui email.
A Context-Aware Ensemble Learning Framework for Regression on Heterogeneous Tabular Data Purwadi Purwadi; Muhammad Bagus Bintang Timur; Arief Wibowo
Dinamik Vol 31 No 2 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i2.10544

Abstract

Regression on heterogeneous tabular data remains a challenging problem in machine learning due to mixed numerical and categorical features, non-linear relationships, and context-dependent feature relevance. In many real-world datasets, feature contributions vary across spatial, temporal, and categorical contexts, reducing the effectiveness of conventional regression and ensemble methods that treat all features uniformly. This paper proposes a context-aware ensemble learning framework for regression on heterogeneous tabular data, where contextual information is explicitly modeled through structured feature grouping. Contextual attributes are organized into predefined context groups and integrated into the learning pipeline to capture context-dependent feature interactions. The framework evaluates multiple ensemble models, including Random Forest, XGBoost, and LightGBM, under consistent preprocessing and evaluation settings. Model performance is assessed using Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) with k-fold cross-validation, while interpretability is enhanced through Explainable Artificial Intelligence (XAI) techniques using feature importance analysis and SHAP values. Experimental results demonstrate that explicit context modeling consistently improves regression performance across all evaluated ensemble methods compared to baseline approaches. The proposed framework contributes a systematic and generalizable approach to context-aware regression and ensemble interpretability, supported by experimental results showing consistent reductions in MAE and RMSE.
Penerjemahan Diagnosis Medis Inggris – Indonesia menggunakan Transfer-Based Rule-Based Machine Translation Purwadi Purwadi; Muhammad Bagus Bintang Timur; Indra Indra
Dinamik Vol 31 No 2 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i2.10546

Abstract

Akurasi terjemahan diagnosis medis sangat penting untuk keselamatan pasien karena kesalahan interpretasi terminologi klinis dapat berdampak langsung pada pengambilan keputusan medis. Penelitian ini bertujuan mengembangkan sistem penerjemahan diagnosis medis dari bahasa Inggris ke bahasa Indonesia menggunakan metode Transfer-Based Rule-Based Machine Translation (RBMT) yang dirancang untuk domain medis terbatas. Pendekatan yang digunakan berbasis rekayasa bahasa alami dengan penerapan aturan linguistik pada proses analisis, transfer struktur, dan pemetaan leksikal istilah medis. Pengujian dilakukan menggunakan 500 data diagnosis medis berstandar ICD-10 dengan evaluasi kuantitatif dan validasi pakar medis. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan terjemahan yang konsisten secara struktural dan mempertahankan makna klinis, sehingga pendekatan RBMT dinilai layak dan aman untuk penerjemahan diagnosis medis pada domain sempit. Pendekatan ini juga menunjukkan potensi untuk dikembangkan sebagai dasar sistem pendukung penerjemahan medis berbasis aturan pada domain klinis lainnya.
Pemodelan Penyebaran Misinformasi pada Komunitas Teknologi Daring berbasis NLP dan Analisis Jaringan Purwadi Purwadi; Muhammad Bagus Bintang Timur; Indra Indra
Dinamik Vol 31 No 2 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i2.10547

Abstract

Komunitas teknologi daring seperti Reddit dan Stack Overflow berperan penting dalam pertukaran pengetahuan teknis, namun juga rentan terhadap penyebaran misinformasi. Penelitian ini bertujuan untuk memodelkan dan menganalisis penyebaran misinformasi dalam komunitas teknologi daring menggunakan pendekatan netnografi komputasional yang mengombinasikan Natural Language Processing (NLP) dan analisis jaringan. Data penelitian dikumpulkan dari 6.875 diskusi pengguna pada berbagai forum teknologi dan dianalisis untuk mendeteksi konten misinformasi, mengidentifikasi aktor yang berpengaruh, serta memetakan pola penyebaran informasi dalam jaringan komunitas. Hasil penelitian menunjukkan bahwa sekitar 38% diskusi mengandung informasi teknis yang usang atau menyesatkan, yang umumnya bersumber dari interpretasi keliru atau ketidaksesuaian konteks teknis, bukan dari niat penyebaran informasi palsu secara sengaja. Model NLP yang digunakan mencapai nilai F1-score sebesar 0,84 dalam klasifikasi misinformasi. Analisis jaringan menunjukkan bahwa pengguna dengan tingkat reputasi dan keterhubungan tinggi memiliki peran penting dalam mempercepat penyebaran informasi sekaligus dalam proses koreksi misinformasi. Selain itu, diskusi dengan muatan emosional yang tinggi cenderung mempercepat difusi misinformasi, sementara koreksi lebih sering terjadi dalam kelompok pengguna ahli dengan struktur jaringan yang relatif tertutup. Penelitian ini berkontribusi pada pengembangan kajian netnografi digital berbasis komputasi serta menawarkan implikasi praktis bagi perancangan sistem deteksi misinformasi dan strategi moderasi komunitas pada platform teknologi daring.
Pendekatan Otomatis dalam Pembentukan Signature Metadata Malware untuk Deteksi Ancaman Siber Purwadi Purwadi; Muhammad Bagus Bintang Timur; Indra Indra
Dinamik Vol 31 No 2 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i2.10548

Abstract

Dalam era digital yang semakin terhubung, ancaman siber terus berkembang seiring meningkatnya jumlah dan kompleksitas varian malware, termasuk malware dengan karakteristik polymorphic dan metamorphic yang mampu menghindari sistem deteksi konvensional. Pendekatan deteksi malware berbasis tanda tangan masih banyak digunakan karena efisiensinya, namun sangat bergantung pada pembaruan tanda tangan yang umumnya dilakukan secara manual dan memerlukan waktu serta keahlian tinggi. Penelitian ini mengusulkan pendekatan otomatis dalam pembentukan signature metadata malware berbasis analisis statis dan pembelajaran mesin. Dataset yang digunakan terdiri dari 5.000 file Portable Executable (PE) yang seimbang antara malware dan benign. Ekstraksi metadata dilakukan terhadap struktur PE, entropi, dan informasi API, yang selanjutnya diklasifikasikan menggunakan algoritma Random Forest dan Gradient Boosting. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai akurasi sebesar 96,2% dengan F1-score 0,96, sedangkan Gradient Boosting mencapai akurasi 95,4%. Selain itu, sistem mampu menghasilkan signature metadata secara otomatis dengan waktu pemrosesan kurang dari 2 detik per sampel, serta menunjukkan konsistensi tinggi dalam mendeteksi malware dari keluarga yang sama menggunakan aturan YARA. Hasil ini menunjukkan bahwa pendekatan yang diusulkan mampu meningkatkan efisiensi dan adaptivitas sistem deteksi malware, serta berpotensi mendukung respons cepat terhadap evolusi ancaman siber modern.
Co-Authors Arief Wibowo Herriyawan Herriyawan Indra Indra Muhammad Bagus Bintang Timur