Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Manurung, Gosyen Azarya
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Prototipe Host-Based Intrusion Detection System Berbasis Machine Learning untuk Mendeteksi Serangan Web pada Open Journal Systems Manurung, Gosyen Azarya; Pramukantoro, Eko Sakti; Basuki, Achmad
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Open Journal Systems (OJS) digunakan untuk mengelola proses editorial dan penerbitan jurnal ilmiah yang melibatkan data pengguna, naskah, serta aktivitas administratif. Hal ini memerlukan pemantauan keamanan agar serangan terdeteksi lebih awal, tanpa bergantung pada pemeriksaan log secara manual. Oleh karena itu, penelitian ini mengimplementasikan prototipe Host‐Based Intrusion Detection System (HIDS) berbasis access log Nginx pada OJS. Prototipe bekerja dengan membaca log web server, mengekstraksi fitur klasifikasi, melakukan klasifikasi berdasarkan model yang sudah dilatih, serta menampilkan hasil klasifikasi serangan atau normal. Model klasifikasi dibangun dari tahap pembuatan Dataset yang dibangun dari simulasi aktivitas normal dan serangan terkontrol, meliputi Cross‐Site Request Forgery (CSRF), PHP Object Injection (POI), Remote Code Execution (RCE), dan Cross‐Site Scripting (XSS). Pemilihan model dilakukan dengan membandingkan tujuh algoritma, yaitu Logistic Regression, LinearSVC, Random Forest, Stochastic Gradient Descent (SGD), Decision Tree, Multinomial Naive Bayes, dan K-Nearest Neighbors. Logistic Regression dipilih karena waktu klasifikasinya lebih stabil. Evaluasi model pada data pengujian menghasilkan akurasi 0,9843 dan Macro F1 0,9555. Pada pengujian fungsional, IDS mendeteksi 100% serangan dengan rata‐rata waktu klasifikasi 37,227–44,617 ms. Pada pengujian skalabilitas menggunakan ApacheBench dan sebuah serangan POI, IDS berhasil mendeteksi 100% serangan dengan rentang waktu deteksi 285,604–383,756 ms.
Co-Authors Achmad Basuki Eko Sakti Pramukantoro, Eko Sakti