Article Per Year (5 Year)
p-Index From 2020 - 2025
3.575
P-Index
This Author published in this journals
All Journal Scientific Journal of Informatics Jurnal Teknologi Dan Sistem Informasi Bisnis Jurnal Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE Jurnal Ekonomika Dan Bisnis Jurnal Sains dan Teknologi Jurnal Pemberdayaan: Publikasi Hasil Pengabdian kepada Masyarakat (JPM ITTC ) Jurnal Sains dan Informatika : Research of Science and Informatic Jurnal Pengabdian Masyarakat Dharma Andalas Jurnal Sistem Informasi dan Informatika
Mulya, Dio Prima
Universitas Dharma Andalas
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Deteksi Serangan Siber Menggunakan Machine Learning: Studi Pada Sistem Informasi Akademik Chandra, Cantika; Mulya, Dio Prima; Faradika, Faradika
Jurnal Sistem Informasi Dan Informatika Vol 3 No 2 (2025): Juli 2025
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jiska.v3i2.2139

Abstract

Keamanan siber menjadi isu krusial dalam sistem informasi akademik yang menyimpan data sensitif seperti nilai, identitas mahasiswa, dan dokumen administrasi. Serangan seperti SQL injection, brute force login, hingga akses ilegal dapat menyebabkan kerugian besar dan gangguan operasional. Penelitian ini bertujuan mengembangkan sistem deteksi serangan siber menggunakan algoritma machine learning yang mampu mengenali aktivitas tidak normal (anomali) dalam sistem. Algoritma yang digunakan adalah Decision Tree dan Random Forest karena kemampuannya dalam klasifikasi dan interpretasi hasil. Penelitian dilakukan dengan mengumpulkan data log aktivitas pengguna, membersihkannya, melabeli data, kemudian melatih model ML. Hasil evaluasi menunjukkan bahwa Random Forest lebih unggul dengan akurasi 92% dalam mendeteksi serangan dibandingkan Decision Tree yang mencapai 87%. Penerapan sistem ini mampu membantu pihak IT kampus melakukan pencegahan dan respons lebih cepat terhadap ancaman siber.
Co-Authors ., Faradika ., Renita Astri ahmad kamal ahmad kamal, ahmad ANGGRAINI, PUTRI Anggraini, Putri Anggraini, Putri Astri, Renitra Chandra, Cantika Enjelica, Celsia Faradika Faradika Faradika Faradika Faradika, Faradika Febrian, Wahyu Hasbi adha Maharani, Aliffa Muhammad Razi Muhammad Razi A mulya, Dwiki Pradithya, Diva Cisco Putri, Gustiana Renita Astri Renita Astri Salsabila, Tiara Sari, Intan Utna Sularno Sularno Sularno Sularno Sularno Sularno Sularno, Sularno sularno, sularno Putri Utnasari, Intan Zulfahmi Zulfahmi . Zulfahmi Zulfahmi