Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : TIFDA : Journal Technology Information and Data Analytic

Chatbot Berbasis Retrieval Augmented Generation (RAG) untuk Peningkatan Layanan Informasi Sekolah Elysia, Shafa; Herianto
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.52

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem chatbot berbasis model Transformers dengan metode Retrieval Augmented Generation (RAG) untuk layanan informasi di SMP Santo Leo III. Chatbot ini dirancang untuk meningkatkan aksesibilitas dan efisiensi penyampaian informasi, meliputi peraturan sekolah, kegiatan ekstrakurikuler, kalender akademik, dan informasi relevan lainnya. Model yang digunakan adalah LLaMA-3-8B-Instruct, Mistral-7B-Instruct-v0.3, dan Zephyr-7B-β. Pengujian terhadap dataset yang berisi 30 pertanyaan terkait informasi sekolah menunjukkan bahwa model LLaMA-3-8B-Instruct dan Mistral-7B-Instruct-v0.3 mencapai akurasi 100%, sementara Zephyr-7B-β mencapai akurasi 70%. Integrasi model berbasis Transformers dengan metode RAG terbukti efektif dalam menghasilkan jawaban yang relevan terhadap konteks percakapan, meningkatkan kualitas respons chatbot. Hasil penelitian ini menunjukkan potensi besar teknologi Transformers dan RAG dalam menciptakan interaksi mesin yang lebih intuitif dan responsif. Solusi ini dirancang dengan fleksibilitas tinggi, memungkinkan penerapannya di sekolah lain dengan penyesuaian minimal terhadap dataset lokal, sehingga menjadi solusi skalabel untuk meningkatkan layanan informasi di sektor pendidikan. Teknologi ini juga mengatasi keterbatasan pada sistem chatbot berbasis menu, aturan, dan machine learning konvensional. Dengan demikian, penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem chatbot untuk meningkatkan efisiensi penyampaian informasi di lingkungan pendidikan.
Deteksi Serangan Brute Force SSH Menggunakan Klasifikasi Naïve Bayes pada Log Cowrie Honeypot di Lingkungan Virtual Prasetyo, Arya Adhari; Herianto; Yahya; Syamsiyah, Nur
Journal TIFDA (Technology Information and Data Analytic) Vol 2 No 1 (2025): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v2i1.88

Abstract

The increasing number of brute force cyberattacks targeting SSH services highlights the urgent need for effective early detection and mitigation systems. This study aims to analyze brute force attack patterns using the Naïve Bayes classification algorithm based on log data generated by the Cowrie Honeypot. A simulated virtual environment was developed to emulate attack scenarios and generate authentic SSH log data while preserving real server confidentiality. The system architecture follows the CRISP-DM framework, including data preprocessing, model development, evaluation, and deployment. Evaluation using confusion matrix metrics showed that the Naïve Bayes algorithm successfully distinguished brute force attempts from normal traffic with high accuracy, precision, recall, and F1-score. The findings confirm the potential of combining Cowrie honeypot data with machine learning classifiers as an early warning tool for intrusion detection in enterprise network infrastructures.