Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi
Robby Rohman Sukarya
Universitas Teknologi Digital

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengembangan Sistem Presensi Android Berbasis Geofencing dengan Deteksi Fake GPS pada PT Infiniti Putera Omega Risna De Sinta; Robby Rohman Sukarya; Mohammad Nur Fitriyadi
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/rq47nn32

Abstract

Abstrak - Sistem presensi berbasis sidik jari di PT Infiniti Putera Omega memiliki kendala antrean, kegagalan sensor, dan tidak dapat mencatat kehadiran karyawan yang berdinas di luar kantor. Penelitian ini bertujuan mengembangkan sistem presensi mobile berbasis Android menggunakan geofencing dan mekanisme deteksi manipulasi lokasi (fake GPS) untuk mengatasi kerentanan keamanan pada presensi jarak jauh. Sistem dikembangkan menggunakan metode Agile dengan backend FastAPI dan basis data PostgreSQL. Evaluasi sistem dilakukan pada 1 perangkat Android menggunakan skenario lokasi valid, lokasi di luar radius 120 meter, dan penggunaan aplikasi mock location. Hasil pengujian menunjukkan sistem mampu mendeteksi dan memblokir 100% percobaan presensi menggunakan fake GPS pada perangkat non-root. Kebaruan penelitian ini terletak pada integrasi geofencing dengan deteksi fake GPS berbasis mock location provider untuk menjamin integritas data lokasi. Kata kunci : Android; Geofencing; Deteksi Fake GPS; FastAPI; Presensi; Abstract - The fingerprint-based attendance system at PT Infiniti Putera Omega faces issues such as queues, sensor failures, and the inability to record the attendance of employees working off-site. This study aims to develop an Android-based mobile attendance system utilizing geofencing and a location manipulation detection mechanism (fake GPS) to address security vulnerabilities in remote attendance. The system was developed using the Agile methodology with a FastAPI backend and a PostgreSQL database. System evaluation was conducted on 1 Android device using scenarios involving valid locations, locations outside the 120-meter radius, and the use of mock location applications. The test results indicate that the system is capable of detecting and blocking 100% of attendance attempts using fake GPS on non-rooted devices. The novelty of this research lies in the integration of geofencing with mock location provider-based fake GPS detection to ensure the integrity of location data. Keywords: Android; Geofencing; Fake GPS Detection; FastAPI; Attendance;
Evaluasi Kinerja Algoritma Random Forest dan Naive Bayes untuk Deteksi Ddos Menggunakan Framework Eksperimental Iqbal Ikhsanudin; Robby Rohman Sukarya; Novita Anggraini
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/dp368q73

Abstract

Abstrak - Keamanan pada ekosistem Internet of Things (IoT) menghadapi tantangan besar akibat ancaman serangan Distributed Denial of Service (DDoS). Penelitian ini bertujuan melakukan analisis komparatif performa algoritma Random Forest dan Naive Bayes dalam mengklasifikasikan serangan DDoS pada jaringan IoT. Pemutakhiran data dilakukan menggunakan dataset standar terbaru yaitu CIC-IoT 2023 yang merepresentasikan trafik perangkat IoT dalam tiga tahun terakhir. Metodologi penelitian meliputi tahap pra-pemrosesan melalui cleaning, label encoding, dan Random Downsampling untuk efisiensi volume data, dilanjutkan dengan pembagian data menggunakan rasio 80:20. Pengujian terkontrol dilakukan pada data uji sebanyak 420.526 baris untuk membandingkan efektivitas deteksi dan efisiensi waktu eksekusi. Hasil evaluasi menunjukkan bahwa algoritma Random Forest memiliki performa superior dengan tingkat akurasi mencapai 99,22% dan mampu menekan kasus False Positive secara signifikan hingga hanya 169 kasus. Sebaliknya, Naive Bayes unggul dalam efisiensi waktu pelatihan yang hanya membutuhkan waktu 1,44 detik, namun akurasinya lebih rendah yaitu sebesar 75,25% dengan tingkat False Positive yang tinggi mencapai 101.142 kasus. Kebaruan penelitian ini terletak pada pengujian performa model ensemble learning dan probabilistik menggunakan dataset trafik IoT paling mutakhir berskala besar pada skenario simulasi laboratorium Near Real-Time. Penelitian ini diharapkan memberikan landasan teknis yang optimal bagi pengelolaan strategi pertahanan jaringan IoT yang responsif. Kata kunci : DDoS; Jaringan IoT; CIC-IoT2023; Random Forest; Naive Bayes; Abstract - Security in the Internet of Things (IoT) ecosystem faces significant challenges due to the threat of Distributed Denial of Service (DDoS) attacks. This study aims to conduct a comparative analysis to evaluate the performance of Random Forest and Naive Bayes algorithms in classifying DDoS attacks on IoT networks. Data updating is performed by utilizing the state-of-the-art dataset, CIC-IoT 2023, representing IoT device traffic from the last three years. The research methodology involves data pre-processing stages, including cleaning, label encoding, and Random Downsampling to ensure efficient handling of massive data volumes, followed by data splitting with an 80:20 ratio. Controlled testing was conducted on a test dataset of 420,526 rows to compare detection effectiveness and execution time efficiency. The evaluation results demonstrate that the Random Forest algorithm achieves superior performance with an accuracy rate of 99.22% and significantly reduces False Positive cases to only 169 cases. Conversely, Naive Bayes excels in training time efficiency, requiring only 1.44 seconds, but yields a lower accuracy of 75.25% with a high number of False Positive cases reaching 101,142. The novelty of this research lies in evaluating ensemble learning and probabilistic models using the most recent large-scale IoT traffic dataset in a Near Real-Time laboratory simulation scenario. This research is expected to provide an optimal technical foundation for managing responsive IoT network defense strategies Keywords : DDoS; IoT Network; CIC-IoT2023; Random Forest; Naive Bayes;
Perancangan Aplikasi Penilaian Untuk Otomasi Rekapitulasi Nilai Berbasis Desktop SMP Bina Harapan Bangsa Saskia Aulia Rachman; Robby Rohman Sukarya; Kodrat Mahatma
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 4 (2026): Agustus, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/ps0xq149

Abstract

Abstrak - Proses penilaian hasil belajar siswa di SMP Bina Harapan Bangsa saat ini masih dilakukan secara semi manual menggunakan lembar kerja spreadsheet, sehingga menimbulkan risiko kesalahan input nilai, inkonsistensi format rekapitulasi, duplikasi data, serta keterlambatan penyusunan laporan akademik akibat proses pengecekan berulang. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi penilaian siswa berbasis desktop guna mengotomasi proses pengolahan dan rekapitulasi nilai agar lebih efektif dan efisien. Metode pengembangan sistem yang digunakan adalah Rapid Application Development (RAD) yang meliputi tahapan perencanaan kebutuhan, perancangan bersama pengguna, konstruksi, dan implementasi. Aplikasi ini dibangun menggunakan bahasa pemrograman Python dengan pustaka Tkinter sebagai antarmuka pengguna serta basis data lokal berbasis format CSV untuk kemudahan pengelolaan data secara offline. Hasil penelitian melalui pengujian Black Box Testing menunjukkan bahwa seluruh fungsi utama seperti kalkulasi nilai otomatis dan fitur ekspor berjalan sesuai spesifikasi. Hasil evaluasi User Acceptance Testing (UAT) juga menyimpulkan bahwa aplikasi layak digunakan karena mampu mempercepat proses rekapitulasi nilai, meminimalkan kesalahan manusia, serta membantu guru dalam penyusunan laporan akademik secara sistematis. Kata kunci : Aplikasi Penilaian; Aplikasi Desktop; Python Tkinter; RAD; Abstract - The student learning assessment process at SMP Bina Harapan Bangsa is currently still conducted in a semi-manual manner using spreadsheet worksheets, which raises risks of data entry errors, inconsistent recapitulation formats, data duplication, and delays in preparing academic reports due to repeated data verification. This study aims to design and implement a desktop-based student assessment application to automate the processing and recapitulation of student scores in order to improve effectiveness and efficiency. The system development method used is Rapid Application Development (RAD), which includes requirement planning, user design, construction, and implementation stages. The application is built using the Python programming language with the Tkinter library as the user interface and a local database based on the CSV format for ease of offline data management. The research results through Black Box Testing indicate that all primary functions, such as automatic score calculation and export features, run according to specifications. The User Acceptance Testing (UAT) evaluation concludes that the application is feasible for implementation as it accelerates the score recapitulation process, minimizes human error, and assists teachers in preparing academic reports systematically. Keywords : Assessment Application; Desktop Application; Python Tkinter; RAD;
Co-Authors Iqbal Ikhsanudin Kodrat Mahatma Mohammad Nur Fitriyadi Novita Anggraini Risna De Sinta Saskia Aulia Rachman