Claim Missing Document
Check
Articles

Found 39 Documents
Search

ANALISIS PENGUJIAN KEAMANAN FIREWALL PADA SISTEM X DI UNIVERSITAS Z Lesmana, Benedictus Rafael; Junaidi, Achmad; Sihananto, Andreas Nugroho
Journal of Information System, Applied, Management, Accounting and Research Vol 8 No 3 (2024): JISAMAR (June-August 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v8i3.1563

Abstract

Penggunaan sistem X di ruang lingkup kampus Z semakin sering digunakan baik oleh mahasiswa maupun tenaga pendidik di sekitar kampus. Dengan terkoneksinya sistem ke jaringan komputer dan internet, maka peluang berubah atau rusaknya data akan semakin terbuka lebar, karena user dari sistem X yang berpotensi berbahaya (malicious user) akan mudah masuk ke sistem melalui jaringan komputer atau internet. Firewall adalah alat keamanan jaringan yang mengawasi lalu lintas (traffic) yang masuk dan keluar dari jaringan dan menentukan apakah paket data boleh diterima atau diblokir menggunakan aturan khusus. Pengujian keamanan firewall perlu dilakukan untuk melihat seberapa rentan firewall yang dimiliki oleh sistem X. Dengan menggunakan Kali Linux untuk melakukan penetration testing dan nessus sebagai alat untuk memindai kerentanan, maka didapatkan seberapa kompleks proses penetration testing suatu firewall pada sistem X serta hasil kerentanan yang rinci dari pemindaian nessus. Hasil yang didapatkan setelah melakukan pemindaian kerentanan adalah didapatkan beberapa kerentanan yang dimiliki dari sistem X serta beberapa informasi yang perlu diperhatikan untuk menjaga keamanan jaringan. Sistem X memiliki tiga kerentanan tingkat sedang satu kerentanan tingkat rendah serta tiga puluh lima informasi keamanan yang perlu diperhatikan serta solusi yang ditawarkan untuk mengatasi kerentanan yang dimiliki sistem X. Dari pengujian yang dilakukan, dapat disimpulkan sistem X memiliki keamanan yang cukup baik dengan beberapa kerentanan yang perlu diperhatikan.
KLASIFIKASI CITRA PENYAKIT KANKER MULUT MENGGUNAKAN ARSITEKTUR RESNET50 OPTIMASI ADAM DAN SGD Fauzan Novriandy, Muhammad; Rahmat, Basuki; Junaidi, Achmad
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4732

Abstract

Kanker mulut merupakan salah satu kanker terbanyak yang terjadi di dunia dan tercatat menempati urutan keenam pada kategori kanker yang sering terjadi serta kanker yang paling banyak menyebabkan kematian. Klasifikasi penyakit kanker mulut menggunakan 5.000 data gambar untuk 2 kelas yaitu Normal dan Oral Squamous Cell Carcinoma (OSCC). Peneliti menggunakan arsitektur Resnet50 dengan optimizer Adam dan SGD untuk melakukan klasifikasi pada dataset yang terbatas. Hasil Penelitian menggunakan model Resnet50 memiliki hasil akurasi lebih baik apabila menggunakan Optimasi SGD, Akuisisi Data 80 % dan 20 %, menggunakan Batch Size 32 dengan akurasi sebesar 0.95 daripada Optimasi Adam dengan akurasi tertinggi pada penerapan model Resnet50 menggunakan Optimasi Adam pada akuisisi data 70 % dan 30 % menggunakan Batch Size 32 dengan memperoleh akurasi sebesar 0.84. Pada pelatihan dan pengujian dengan data uji/validasi, model Resnet50 menggunakan Optimasi SGD, pada Akuisisi Data 70 % dan 30 %, dan menggunakan Batch Size 32. mencapai hasil klasifikasi gambar terbaik. Kelas normal berhasil diklasifikasikan dengan benar sebanyak 470 gambar, sedangkan terdapat 26 gambar yang salah diklasifikasikan. Untuk kelas OSCC, terdapat 473 gambar yang diklasifikasikan dengan benar dan hanya 37 gambar yang salah diklasifikasikan.
PENERAPAN HYBRID CRYPTOGRAPHY MENGGUNAKAN CAMELLIA DAN DUAL MODULUS RSA PADA PERTUKARAN FILE Ar Romandhon, Mitzaqon Gholizhan; Junaidi, Achmad; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5218

Abstract

Kebutuhan akan keamanan atas data merupakan hal yang sangat penting dalam era digital saat ini, terutama pada proses pertukaran data yang bersifat sensitif terhadap serangan siber. Selain keamanan data, ukuran data yang semakin besar juga menjadi permasalahan dalam proses pertukaran file karena waktu yang dibutuhkan dalam pemrosesan juga semakin lama. Penelitian ini melakukan implementasi skema hybrid cryptography menggunakan algoritma Camellia dan Dual Modulus RSA yang bertujuan untuk mengatasi permasalahan-permasalah tersebut. Pemilihan skema hybrid cryptography adalah untuk mendapatkan kekuatan dari masing-masing algoritma, sehingga keamanan dan kecepatan dari tiap algoritma dapat didapatkan. Tahapan yang dilakukan dalam penelitian ini adalah studi literatur, perancangan, implementasi dan pengujian. Hasil dari pengujian yang telah dilakukan, diperoleh bahwa untuk proses pembangkitan kunci skema hybrid memiliki waktu tempuh yang mirip dengan algoritma DM-RSA dengan perbedaan 9.3% lebih cepat dan pada proses enkripsi dan dekripsi memiliki waktu tempuh yang mirip dengan algoritma Camellia dengan perbedaan 2.3% lebih cepat. Untuk keseluruhan proses algoritma hybrid memiliki waktu tempuh yang mirip dengan algoritma Camellia untuk skenario ukuran data 600MB dan 1200MB dengan perbedaan 25.2% lebih lambat.
KLASIFIKASI INDEKS STANDAR PENCEMARAN UDARAN (ISPU) MENGGUNAKAN ALGORITMA XGBOOST DENGAN TEKNIK IMBALANCED DATA (SMOTE) Sajiwo, Achmad Fauzihan Bagus; Rahmat, Basuki; Junaidi, Achmad
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4699

Abstract

Polusi udara adalah masuknya zat-zat berbahaya ke atmosfer, yang dapat disebabkan oleh tindakan manusia, serta oleh peristiwa alam. Menurut Air Quality Live Index (AQLI) pada bulan April 2021, DKI Jakarta sebagai ibu kota negara, menempati posisi keenam di dunia dengan kota tingkat kualitas udara yang paling buruk. Untuk menghadapi masalah polusi udara yang terus memburuk, perlu diambil tindakan yang tepat, satu diantaranya adalah melakukan penelitian klasifikasi indeks standar pencemaran udara (ISPU). Penerapan klasifikasi ISPU membutuhkan metode yang dapat mengolah dan menganalisis pola data dari sensor-sensor yang mengukur tingkat polutan udara. Metode yang digunakan pada penelitian ini adalah eXtreme Gradient Boosting (XGBoost). Untuk membantu menyeimbangkan data, pada penelitian ini menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Data yang digunakan adalah ISPU DKI Jakarta tahun 2022-2023. Hasil klasifikasi indeks standar pencemaran udara menggunakan algoritma XGBoost dengan teknik SMOTE, didapatkan akurasi sebesar 99.63%.
GWO-SVM: AN APPROACH TO IMPROVING SVM PERFORMANCE USING GREY WOLF OPTIMIZER IN INTELLECTUAL DISABILITY CLASSIFICATION Afifudin, Muhammad; Junaidi, Achmad; Sihananto, Andreas Nugroho; Fithriyah, Izzatul
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5359

Abstract

 Intellectual disability (ID) is a neurodevelopmental disorder that requires early and accurate diagnosis. This study aims to improve the efficiency of ID diagnosis using a machine learning approach. A Support Vector Machine (SVM) model optimized with Grey Wolf Optimizer (GWO) was developed and trained using data from questionnaires completed by 101 families/guardians of ID patients at RSUD Dr. Soetomo Surabaya. The features used include family history, cognitive abilities, and adaptive behaviors. The results showed that the GWO-SVM model achieved an accuracy of 95% in classifying ID patients, an improvement of 5% compared to the conventional SVM. The GWO algorithm successfully optimized the parameters in SVM, resulting in a model with the best performance. These findings indicate the potential of GWO-SVM as an effective and efficient tool for assisting in the diagnosis of ID.
KLASIFIKASI CITRA PLANKTON DENGAN ALGORITMA HIBRIDA CONVOLUTIONAL NEURAL NETWORK DAN EXTREME LEARNING MACHINE Shahab, Muhammad Syaugi; Junaidi, Achmad; Sihananto, Andreas Nugroho
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5219

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi dalam klasifikasi plankton secara otomatis dengan pendekatan hibrida CNN-ELM. Menggunakan Convolutional Neural Network (CNN) untuk ekstraksi fitur dan Extreme Learning Machine (ELM) sebagai pengklasifikasi, model ini dirancang untuk mengatasi tantangan citra plankton yang buram, dataset kecil, dan ketidakseimbangan kelas. SMOTE digunakan untuk menangani ketidakseimbangan data. Dari implementasi SMOTE dengan metode interpolasi, permasalahan ketidakseimbangan kelas berhasil diatasi dengan menjadikan jumlah data latih sama rata untuk setiap kelas. Dari hasil pengujian, konfigurasi dengan 32 filter dan 2000 hidden node serta 64 filter dan 2000 hidden node memberikan performa terbaik dengan akurasi 97,78%. Sebaliknya, model dengan 64 filter dan 4000 hidden node menunjukkan performa terendah dengan akurasi 82,78% yang diakibatkan overfitting. Analisis confusion matrix mengungkapkan kinerja tinggi pada beberapa kelas plankton, namun masih kesalahan klasifikasi sering terjadi pada kelas seperti Alexandrium, Noctiluca, dan Nitzschia. Temuan ini menunjukkan bahwa konfigurasi dengan filter dan node yang lebih kompleks tidak selalu menghasilkan kinerja lebih baik. Penelitian ini diharapkan dapat mendukung pengambilan keputusan di bidang kelautan.
Implementasi Algoritma K-Means dan Knearest Neighbors (KNN) Untuk Identifikasi Penyakit Tuberkulosis Pada Paru-Paru Rachmadhany Iman; Basuki Rahmat; Achmad Junaidi
Repeater : Publikasi Teknik Informatika dan Jaringan Vol. 2 No. 3 (2024): Juli : Repeater : Publikasi Teknik Informatika dan Jaringan
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/repeater.v2i3.77

Abstract

In Indonesia, tuberculosis is ranked third in terms of prevalence among countries with the highest tuberculosis burden. Radiological examination, such as X-rays or X-rays, is a method generally used to detect tuberculosis. Chest X-ray examination is one method used to detect tuberculosis. To achieve these goals, the research will combine two powerful data processing techniques. First, the K-Means algorithm will be used to group x-ray image data based on similar characteristics, making it easier to identify typical patterns from images infected with tuberculosis. The research results show the highest accuracy of 93% using data division with a ratio of 80 : 20 with parameter K = 1. These results show that the combined model of the two algorithms can be applied to identify tuberculosis in the lungs.
PROGRAM PENERJEMAH BAHASA ISYARAT INDONESIA (BISINDO) SECARA REAL TIME MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN MEDIAPIPE William Lijaya Therry, Renaldy; Junaidi, Achmad; Nugroho Sihananto, Andreas
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11582

Abstract

Komunikasi adalah salah satu aspek penting dalam kehidupan sehari-hari, namun bagi komunitas tuna rungu dan tuna wicara, komunikasi dapat menjadi tantangan besar. Bahasa isyarat Indonesia (BISINDO) merupakan salah satu alat komunikasi yang digunakan oleh komunitas ini, namun masih banyak masyarakat umum yang tidak memahami bahasa isyarat tersebut. Hal ini dapat menyebabkan kesulitan dalam berkomunikasi dan membatasi akses komunitas tuna rungu dan tuna wicara dalam berpartisipasi dalam kegiatan sosial dan ekonomi. Oleh karena itu, pengembangan sistem deteksi bahasa isyarat yang akurat sangat penting untuk memfasilitasi komunikasi antara komunitas tuna rungu, tuna wicara dan masyarakat umum. Pada penelitian ini, penulis mengembangkan program penerjemah bahasa isyarat Indonesia menggunakan Convolutional Neural Network (CNN) dan MediaPipe, program ini memiliki keterbatasan, yaitu arah pembacaan proses deteksi berada pada tangan kanan dan program ini hanya dapat mendeteksi abjad BISINDO. Hasil pelatihan model menunjukkan akurasi sebesar 98.59%, loss sebesar 13.03%,, akurasi validasi sebesar 93.78%, validation loss sebesar 32.15%. Hasil evaluasi model, model dapat mendeteksi abjad bahasa isyarat Indonesia dengan akurasi sebesar 94%.,. Hasil pengujian akurasi deteksi pada empat skenario Hasil deteksi terbaik diperoleh pada skenario pertama, yaitu pencahayaan baik dan latar belakang gelap dengan nilai akurasi sebesar 72%, presisi sebesar 69.5%, recall sebesar 68% dan F1-score sebesar 68.7%.
IMPLEMENTATION OF BALANCING DATA METHOD USING SMOTETOMEK IN DIABETES CLASSIFICATION USING XGBOOST Ratantja Kusumajati, Fatwa; Rahmat, Basuki; Junaidi, Achmad
Jurnal Ilmiah Kursor Vol. 12 No. 4 (2024)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v12i4.410

Abstract

In this research, XGBoost algorithm and the SMOTETomek approach are employed with the objective of enhancing the accuracy of diabetes classification. The study utilises 2,000 patient data points, comprising demographic and medical information, sourced from Kaggle. The dataset employed in this study comprises a number of variables, including pregnancies, glucose levels, blood pressure, skin thickness, insulin levels, Body Mass Index (BMI), diabetes pedigree function, age, and an outcome variable. The latter is a binary classification label, taking on the values 0 and 1. A value of 0 indicates that the patient is not affected by diabetes, whereas a value of 1 indicates that the patient has diabetes. Diabetes represents a significant public health concern in Indonesia. A significant challenge in this study was the imbalanced nature of the dataset, which included a disproportionate number of non-diabetic samples relative to diabetic samples. To address this class imbalance, the researchers employed the SMOTETomek method. SMOTETomek integrates the SMOTE (Synthetic Minority Over-sampling Technique) and Tomek links algorithms to oversample the minority class and remove borderline samples, thereby balancing the class distributions. The SMOTETomek method achieved higher accuracy (95.01%) than SMOTE and the original data (both 92.13%), highlighting the benefits of combining SMOTE with Tomek Links for XGBoost. During testing, SMOTETomek slightly reduced the minority class accuracy (0.97 vs. 0.99 for SMOTE and original data) but maintained strong F1-score and precision, indicating effective handling of data imbalance despite minor trade-offs.
OTOMATISASI MANAJEMEN BANDWIDTH INTERNET DENGAN INTEGRASI METODE HTB DAN PCQ DI DESA BARON KABUPATEN GRESIK Zaim, Mohammad Syarifuz; Wahanani, Henni Endah; Junaidi, Achmad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.5802

Abstract

PT Persada Data Multimedia is an Internet Service Provider (ISP) company that focuses on dedicated network management. Operating in Laren District, Lamongan Regency, PT Persada Data Multimedia expands its services and supports the development of information technology in East Java, including Baron Village, Gresik Regency. In Baron Village, PT Persada Data Multimedia serves about 90 customers. Along with the increase in the number of customers, the complexity of network traffic increases, so effective and efficient network management is required. The use of proper bandwidth management is very necessary, one of which is often used, namely the HTB (Hierarchical Token Bucket) and PCQ (Per Connection Queue) methods. Quality of Service (QoS) is used as a benchmark to define the characteristics of a network service related to the quality of the service by calculating the value of QoS parameters, namely: throughput, packet loss, delay, and jitter. The purpose of this research is to determine the QoS value generated by integrating both HTB and PCQ methods adaptively based on the bandwidth distributed in Baron Village, Gresik Regency. Based on the tests that have been carried out, the QoS analysis results indicate that integrating the HTB and PCQ methods produces satisfactory results, with an index value of 3.375 increasing from the previous value of 3.5 with a value difference of 0.125. This result is based on the average results of test results on 4 QoS parameters: throughput, packet loss, delay, and jitter.