Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE Nusantara Community Empowerment Review
Sari, Melisa Puspita
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE

 1 
Investigasi Forensik Serangan Siber Pada Autonomous Vehicle Menggunakan Metode Deep Learning Sari, Melisa Puspita; Editya, Arda Surya
Jurnal Penelitian Dan Pengkajian Ilmiah Eksakta Vol 4 No 1 (2025): Jurnal Hasi Penelitian Dan Pengkajian Ilmiah Eksakta - JPPIE
Publisher : LPPM Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jppie.v4i1.2002

Abstract

Kendaraan otonom berkembang pesat sebagai solusi transportasi masa depan yang lebih aman dan efisien, namun rentan terhadap serangan siber yang membahayakan pengendara dan infrastruktur. Penelitian ini mengembangkan metode investigasi forensik serangan siber pada kendaraan otonom menggunakan deep learning. Metode yang digunakan mencakup pengumpulan data serangan, pre-processing, serta pelatihan model deep learning berbasis Transformer, RNN, dan LSTM. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa LSTM memiliki performa terbaik dengan akurasi, presisi, recall, dan F1-score sebesar 1,0000, dibandingkan Transformer yang mencapai akurasi 0,316667 dan RNN dengan performa terendah. Temuan ini membuktikan bahwa LSTM lebih efektif dalam mendeteksi pola serangan siber pada kendaraan otonom. Penelitian ini berkontribusi pada keamanan siber dengan menyediakan pendekatan deep learning yang meningkatkan deteksi dan mitigasi serangan. Untuk penelitian selanjutnya, disarankan eksplorasi teknik hybrid deep learning serta pengujian dalam skenario serangan yang lebih kompleks guna meningkatkan keandalan sistem keamanan kendaraan otonom.
Co-Authors Arda Surya Editya Hamid, Mas Ghoniyyul Insiah, Sofiatul Praciana, Yuvi Arinta Pratama, Fredi Aldi Zahrotul Azizah