Article Per Year (5 Year)
p-Index From 2020 - 2025
2.63
P-Index
This Author published in this journals
All Journal Indonesian Journal on Software Engineering (IJSE) INTI Nusa Mandiri INSANtek – Jurnal Inovasi dan Sains Teknik Elektro IMTechno: Journal of Industrial Management and Technology Jurnal Abdimas Komunikasi dan Bahasa JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Watmah, Sri
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : INSANtek – Jurnal Inovasi dan Sains Teknik Elektro

 1 
Komparasi Metode K-NN, Support Vector Machine Dan Random Forest Pada E-Commerce Shopee watmah, sri; Suryanto, Suryanto; Martias, Martias
INSANtek Vol 2 No 1 (2021): Mei 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (629.66 KB) | DOI: 10.31294/instk.v2i1.419

Abstract

Marketplace berbasis aplikasi android sangat digemari di Indonesia, salah satu toko online yang tengah digemari oleh orang indonesia yaitu shopee. Selain menawarkan kemudahan dalam berbelanja tentu saja ada kendala dalam penggunaanya, baik dalam bentuk pelayanan maupun produk yang dipasarkan. Text Mining menjadi metode yang tepat untuk mengetahui kepuasan pengguna. Sentimen analisis sangat diperlukan untuk mengetahui keakurasian dan prediksi. Review pada playstore umumnya diberikan ketika seseorang telah menginstal aplikasi pada smartphone Android. Disini penulis menguji seberapa kepuasan pengguna akun shopee berdasarkan review pada google playstore menggunakan metode K-NN, Support Vector Machine, dan Random Forest. Berdasarkan penghitungan menunjukan bahwa metode K-NN mempunyai nilai akurasi 89,0%, presisi 89,7% dan recall 87,5%. Pada metode klasifikasi Random Forest menunjukan nilai akurasi 83,0%, presisi 85,7% dan recall 81,4%. Untuk metode SVM menunjukan  nilai akurasi 89,4%, presisi 89,5% dan recall 89,7%. Dengan demikian metode klasifikasi terbaik pada studi ini adalah metode SVM dengan nilai 89,4% presisi 89,5% dan recall 89,7%.    
Penetration Testing Pada Sistem Keamanan Jaringan Dengan Metode Filtering Addresslist dan IPService Raharjo, Mugi; Firmansyah, Firmansyah; Watmah, Sri; Alfian Armawan Sandi, Tommi; Lasmana Putra, Jordy
INSANtek Vol 5 No 2 (2024): November 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/insantek.v5i2.5947

Abstract

Serangan brute force merupakan ancaman yang serius terhadap keamanan jaringan, terutama pada sistem autentikasi yang rentan seperti password. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan mengusulkan metode filtering addresslist menggunakan perangkat Mikrotik untuk mencegah serangan brute force. Kami melakukan penetrasi terhadap sistem jaringan yang telah ada untuk diuji kekuatan pertahananya dan kemudian mencari solusinya. Pendekatan ini melibatkan identifikasi alamat IP yang mencurigakan berdasarkan pola serangan brute force, kemudian memblokirnya menggunakan fitur filtering addresslist pada router Mikrotik. Penelitian ini dilakukan dengan mengumpulkan data serangan brute force dari jaringan uji, menganalisis pola serangan, dan mengimplementasikan metode filtering addresslist. Hasil eksperimen menunjukkan bahwa metode ini efektif mengurangi tingkat serangan brute force dalam jaringan, meningkatkan keamanan secara signifikan. Penelitian ini telah mengahasilkan uji penetrasi terhadap sistem keamanan dan kami telah menemukan celah-celah keamanan mana saja yang rentan terkena serangan, untuk itu telah diterapkan pengamanan lewat metode addreslist dan ip service untuk memblokir seranagn tersebut. Sehingga memberikan keamanan untuk sistem keamanan jaringan.
Komparasi Metode K-NN, Support Vector Machine Dan Random Forest Pada E-Commerce Shopee Watmah, Sri; Suryanto, Suryanto; Martias, Martias
INSANtek Vol. 2 No. 1 (2021): Mei 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/instk.v2i1.419

Abstract

Marketplace berbasis aplikasi android sangat digemari di Indonesia, salah satu toko online yang tengah digemari oleh orang indonesia yaitu shopee. Selain menawarkan kemudahan dalam berbelanja tentu saja ada kendala dalam penggunaanya, baik dalam bentuk pelayanan maupun produk yang dipasarkan. Text Mining menjadi metode yang tepat untuk mengetahui kepuasan pengguna. Sentimen analisis sangat diperlukan untuk mengetahui keakurasian dan prediksi. Review pada playstore umumnya diberikan ketika seseorang telah menginstal aplikasi pada smartphone Android. Disini penulis menguji seberapa kepuasan pengguna akun shopee berdasarkan review pada google playstore menggunakan metode K-NN, Support Vector Machine, dan Random Forest. Berdasarkan penghitungan menunjukan bahwa metode K-NN mempunyai nilai akurasi 89,0%, presisi 89,7% dan recall 87,5%. Pada metode klasifikasi Random Forest menunjukan nilai akurasi 83,0%, presisi 85,7% dan recall 81,4%. Untuk metode SVM menunjukan  nilai akurasi 89,4%, presisi 89,5% dan recall 89,7%. Dengan demikian metode klasifikasi terbaik pada studi ini adalah metode SVM dengan nilai 89,4% presisi 89,5% dan recall 89,7%.    
Penetration Testing Pada Sistem Keamanan Jaringan Dengan Metode Filtering Addresslist dan IPService Raharjo, Mugi; Firmansyah, Firmansyah; Watmah, Sri; Alfian Armawan Sandi, Tommi; Lasmana Putra, Jordy
INSANtek Vol. 5 No. 2 (2024): November 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/insantek.v5i2.5947

Abstract

Serangan brute force merupakan ancaman yang serius terhadap keamanan jaringan, terutama pada sistem autentikasi yang rentan seperti password. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan mengusulkan metode filtering addresslist menggunakan perangkat Mikrotik untuk mencegah serangan brute force. Kami melakukan penetrasi terhadap sistem jaringan yang telah ada untuk diuji kekuatan pertahananya dan kemudian mencari solusinya. Pendekatan ini melibatkan identifikasi alamat IP yang mencurigakan berdasarkan pola serangan brute force, kemudian memblokirnya menggunakan fitur filtering addresslist pada router Mikrotik. Penelitian ini dilakukan dengan mengumpulkan data serangan brute force dari jaringan uji, menganalisis pola serangan, dan mengimplementasikan metode filtering addresslist. Hasil eksperimen menunjukkan bahwa metode ini efektif mengurangi tingkat serangan brute force dalam jaringan, meningkatkan keamanan secara signifikan. Penelitian ini telah mengahasilkan uji penetrasi terhadap sistem keamanan dan kami telah menemukan celah-celah keamanan mana saja yang rentan terkena serangan, untuk itu telah diterapkan pengamanan lewat metode addreslist dan ip service untuk memblokir seranagn tersebut. Sehingga memberikan keamanan untuk sistem keamanan jaringan.
Analisa Performa VLAN Dengan Link Aggregation Control Protocol (LACP) Layer 3 Pada Kasus Penentuan Topologi Sandi, Tommi Alfian Armawan; Firmansyah, Firmansyah; Raharjo, Mugi; Watmah, Sri; Putra, Jordy Lasmana
INSANtek Vol. 6 No. 1 (2025): Mei 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/insantek.v6i1.8751

Abstract

Dalam era digital saat ini, kebutuhan akan jaringan komputer yang cepat, handal, dan efisien menjadi sangat penting bagi organisasi dan perusahaan. Jaringan komputer yang baik harus mampu menangani beban lalu lintas data yang tinggi, mendukung berbagai aplikasi kritis, dan memastikan ketersediaan serta keandalan yang tinggi. Untuk mengimbangi kebutuhan bandwidth yang besar diperlukan jalur serta topologi jaringan yang mumpuni supaya layanan data bisa optimal. Oleh karena itu dalam metode untuk meningkatkan performa dan keandalan jaringan adalah dengan menerapkan Virtual Local Area Network (VLAN) dan Link Aggregation Control Protocol (LACP), pengujian yang dilakukan dengan menguji performa topologi A dan B serta konfigurasi LACP yang terinstall. sebagai perbandingan VLAN dengan menggunakan Bonding, pengiriman file dengan besar 1 GB dapat menghemat 1 Menit 13 Detik, file 8 GB dapat menghemat 2 Menit 37 Detik, serta file 16 GB dapat menghemat 3 Menit 9 Detik. Bedanya pada topologi B Router dapat menghemat port yang digunakan serta beban yang terdapat di router tidak terlalu besar. Pada prinsip sederhana bonding bisa bekerja dengan menggunakan VLAN untuk meningkatkan performa jaringan.
Co-Authors Alfian Armawan Sandi, Tommi Astuti, Rachmawati Darma Dwiza Riana Firmansyah Firmansyah Fitri, Evita Hamdun Sulaiman Jordy Lasmana Putra Martias Martias Nuraeni Herlinawati Oky Irnawati Pangastuti, Nova Raharjo, Mugi Siti Fauziah Suryanto Suryanto Suryanto Tommi Alfian Armawan Sandi Waruwu, Agustian Yesni Malau Yoseph Tajul Arifin Yuliani, Yuri