Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Applied Informatics Science

Analisis Ancaman Perang Siber terhadap Keamanan Nasional Indonesia: Tinjauan Eskalasi dan Mitigasi Tahun 2025 Dewantara, Rizki; Nufus, Gina Khayatun; Pranata, Eko Jhony; Djati, Fariz Noor
Journal of Applied Informatics Science Volume 2 Issue 1 (2026)
Publisher : GWS Tech Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65897/jais.v2.i1.80

Abstract

Kemajuan teknologi internet telah menciptakan interkoneksi global yang memicu ancaman perang siber terhadap keamanan nasional. Masalah utama yang dihadapi Indonesia adalah tingginya kerentanan terhadap serangan digital, dengan catatan tiga koma enam puluh empat miliar anomali trafik pada awal dua ribu dua puluh lima. Penelitian ini bertujuan untuk menganalisis berbagai jenis, tingkat bahaya, dan dampak serangan siber dalam mengganggu stabilitas kedaulatan negara. Metode penelitian yang digunakan adalah kualitatif non interaktif melalui pengkajian dokumen sekunder dari jurnal ilmiah dan laporan resmi otoritas siber. Hasil penelitian menunjukkan adanya fluktuasi anomali trafik yang signifikan dengan puncak tertinggi mencapai enam ratus lima belas koma empat juta kejadian pada Juni dua ribu dua puluh lima. Tren serangan mulai bergeser dari eksploitasi teknis menuju rekayasa sosial yang menyasar celah psikologis pengguna. Kesimpulannya, Indonesia masih berada dalam kategori negara rentan sehingga diperlukan penguatan regulasi serta peningkatan kapasitas sumber daya manusia untuk menghadapi evolusi ancaman siber.
XSentiment-HS: Hierarchical CNN-BiGRU-SVM with Explainable for Indonesian Multi-Level Hate Speech Detection Khayatun Nufus, Gina; Nufus, Gina Khayatun; Dewantara, Rizki; Susanto, Ardi; Sokid; Farhatuaini, Lia; Septiadi, Jaka; Akbar, Mohammad Raihan
Journal of Applied Informatics Science Volume 2 Issue 1 (2026)
Publisher : GWS Tech Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65897/jais.v2.i1.81

Abstract

Deteksi ujaran kebencian pada media sosial menuntut interpretasi teks yang kompleks karena sifatnya yang spontan dan ambigu, terutama dalam bahasa Indonesia yang kaya akan slang. Tantangan utama saat ini adalah keterbatasan penelitian sebelumnya yang mayoritas hanya melakukan klasifikasi biner tanpa mendeteksi tingkat keparahan konten. Penelitian ini mengusulkan XSentiment-HS, sebuah model deep learning hierarkis dua tahap untuk deteksi multi-tingkat hate speech. Arsitektur model menggabungkan Convolutional Neural Networks (CNN) untuk ekstraksi fitur lokal dan Bidirectional Gated Recurrent Unit (BiGRU) untuk menangkap ketergantungan kontekstual jangka panjang. Model ini juga diperkuat dengan mekanisme Multi-Head Attention dan Support Vector Machine (SVM) sebagai classifier final. Melalui integrasi ini, XSentiment-HS diharapkan mampu mengatasi tantangan ekstraksi fitur dan polisemi secara lebih efektif dibandingkan metode konvensional.