Claim Missing Document
Check
Articles

Found 22 Documents
Search

Forensik File Prefetch pada Windows 11 untuk Deteksi Aktivitas Ransomware sebagai Upaya Penguatan Keamanan Siber Kusuma, Permadi; Djusmin, Vicky Bin; Pakkaja, Ryan Alghazali; Rachman, Mikhail Ashshidiqie
Jurnal Informasi dan Teknologi Vol 2 No 3 (2025): JITU: Jurnal Informasi dan Teknologi Universitas Cokroaminoto Palopo
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/jitu.v2i3.346

Abstract

Serangan ransomware merupakan salah satu ancaman serius dalam keamanan siber karena mampu mengenkripsi data korban dan mengganggu ketersediaan sistem. Pada tahun 2023–2024, jumlah serangan ransomware mengalami peningkatan signifikan, dengan puluhan ribu serangan yang berhasil diblokir di Indonesia dan ratusan juta upaya tercatat secara global. Dengan banyaknya serangan Ransomware maka diperlukan upaya pencegahan. Upaya mitigasi tidak hanya berfokus pada tahap pencegahan, tetapi juga membutuhkan mekanisme deteksi berbasis artefak forensik yang dapat memberikan indikasi dini terhadap aktivitas berbahaya. Penelitian ini bertujuan untuk menganalisis file Prefetch pada sistem operasi Windows 11 sebagai sumber artefak forensik untuk mendeteksi pola eksekusi ransomware. Proses penelitian dilakukan dengan membangun lingkungan uji berbasis virtual machine yang dipakai untuk mengeksekusi sampel ransomware. Selanjutnya, analisis Prefetch dilakukan menggunakan WinPrefetchView untuk mengidentifikasi metadata eksekusi, seperti nama file executable, waktu akses terakhir, jumlah eksekusi, serta daftar file yang diakses. Hasil penelitian menunjukkan bahwa ransomware menghasilkan pola Prefetch yang berbeda dibandingkan aplikasi normal, ditandai dengan jumlah akses file yang lebih tinggi, eksekusi berulang dalam waktu singkat, serta jalur eksekusi yang tidak lazim. Temuan ini memberikan kontribusi pada bidang forensik digital dengan menawarkan pendekatan berbasis Prefetch untuk mendukung deteksi dini ransomware, sekaligus memperkuat strategi Cyber Security Incident Response pada sistem berbasis Windows 11.
ANALISIS KINERJA MODEL YOLOv12 NANO TERHADAP KETIDAKSEIMBANGAN DATA PADA DETEKSI TANDAN KELAPA SAWIT DI LINGKUNGAN PERKEBUNAN Djusmin, Vicky Bin; Sukma, Erwin; Susilawati, Fitrah Eka
D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer Vol 15 No 2 (2025): Edisi Juli 2025
Publisher : Universitas Cokroaminoto Palopo Fakultas Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketidakseimbangan distribusi data merupakan tantangan utama dalam penerapan deteksi objek berbasis deep learning pada lingkungan perkebunan kelapa sawit yang kompleks dan dinamis. Penelitian ini bertujuan untuk menganalisis kinerja model YOLOv12-nano dalam mendeteksi tandan buah kelapa sawit (TBS) dengan kondisi data tidak seimbang pada citra UAV di lingkungan perkebunan nyata. Akuisisi data dilakukan di perkebunan kelapa sawit di Sulawesi Selatan menggunakan drone DJI Neo dengan variasi pencahayaan alami, jarak pandang, dan tingkat oklusi vegetasi. Dataset terdiri dari dua kelas, yaitu tandan matang dan tandan mentah, dengan dominasi kelas tandan mentah. Proses praproses meliputi ekstraksi frame, pembersihan data, anotasi bounding box, resize, pembagian dataset, serta augmentasi data latih. Evaluasi performa dilakukan menggunakan metrik precision, recall, F1-score, serta mean Average Precision (mAP) pada berbagai ambang IoU. Hasil pengujian menunjukkan bahwa model YOLOv12-nano terbaik (best model) mencapai precision sebesar 0,97, recall 0,80, F1-score 0,88, serta mAP@0.5 sebesar 0,88 dan mAP@0.5–0.95 sebesar 0,68. Temuan ini menunjukkan bahwa YOLOv12-nano memiliki kemampuan deteksi yang selektif dan stabil meskipun dihadapkan pada ketidakseimbangan data, serta berpotensi diimplementasikan pada sistem monitoring TBS berbasis UAV dan edge computing secara real-time.