Article Per Year (5 Year)
p-Index From 2021 - 2026
1.325
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Applied Information System and Management Info Kripto Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Ajhari, Abdul Azzam
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mathematics Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Security Awareness Framework untuk Usaha Mikro, Kecil dan Menengah di Indonesia Ajhari, Abdul Azzam; Manaon, Mawidyanto Agustian; dimas
Info Kripto Vol 17 No 3 (2023)
Publisher : Politeknik Siber dan Sandi Negara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56706/ik.v17i3.80

Abstract

Perkembangan teknologi yang semakin masif memiliki dampak positif dan negatif terhadap kegiatan bisnis. Dampak ini terjadi akibat berbagai tindakan kejahatan dunia maya yang mengikuti perkembangan teknologi yang digunakan. Serangan siber terhadap pelaku atau pemilik usaha mikro, kecil, dan menengah (UMKM) dapat mengakibatkan risiko kerugian reputasi dan keuangan. Langkah-langkah perlindungan diperlukan untuk mencegah kerugian tersebut, dimulai dengan meningkatkan pemahaman mengenai pentingnya keamanan informasi. Penelitian ini bertujuan untuk mengkaji metodologi dan hasil pedoman penilaian keamanan informasi (PAMAN KAMI) yang dikeluarkan oleh Badan Siber dan Sandi Negara (BSSN). National Institute of Standards and Technology Interagency Report 7621 Revision 1 (NISTIR 7621 Rev 1) adalah kerangka kerja keamanan siber untuk mengukur usaha kecil, namun perlu disesuaikan agar mudah dipahami dan digunakan. PAMAN KAMI mengubahnya menjadi pertanyaan yang dapat dijawab sendiri. Kesadaran dan kematangan keamanan siber diukur pada tahun 2020 - 2022 dengan total 964 UMKM berpartisipasi. Namun, hanya 844 UMKM yang mengisi PAMAN KAMI dengan hasil penilaian didominasi oleh kategori BURUK dan KURANG. Penelitian ini juga memvalidasi tingkat literasi keamanan informasi, terutama di UMKM, sehingga dapat digunakan sebagai dasar untuk langkah-langkah mitigasi siber
Automated Matching Skills to Improve the Accuracy of Job Applicant Selection Using Indonesian National Work Competency Standards Ajhari, Abdul Azzam; Priambodo, Dimas Febriyan; Yulianti, Henny
JOIV : International Journal on Informatics Visualization Vol 8, No 2 (2024)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.8.2.2017

Abstract

The high number of cyberattack anomalies and data leaks in Indonesia increases the need for cybersecurity in various companies. Cybersecurity capabilities and skills in Indonesia are divided into three categories based on the Indonesian National Work Competency Standards (SKKNI), namely Security Operation Center (SOC), Cybersecurity test/Penetration testing (Pentest), and Information Security Audit. Although various approaches have been applied in different companies to select job applicants, a new method with automated matching is explored in this study. This method matches the skills possessed by prospective job applicants with the profile of their job task requirements based on the SKKNI Decree of the Minister of Manpower of the Republic of Indonesia using Machine Learning (ML) models. The empirical comparison of results comes from automated matchmaking processed by Multinomial Naive Bayes (MNB) and Decision Tree algorithm models. Before modeling, the data is trained and evaluated for testing. Then to assess the most optimal algorithm between MNB and Decision Tree, a confusion matrix is proposed and used to find the best model. From the evaluation results, both models performed well and were highly accurate during training and test evaluation. The Decision Tree model performs slightly better than the MNB model, but both still provide satisfactory results in classifying data based on the Indonesian National Work Competency Standards (SKKNI) categories. This study offers a solution to minimize the number of potential applicants who are not competent in the three SKKNI cybersecurity job categories due to the mismatch of their abilities and skills.
Analisis Keamanan Sistem Pembayaran Digital Quick Response Code Indonesian Standard (QRIS) Ajhari, Abdul Azzam
Info Kripto Vol 18 No 3 (2024)
Publisher : Politeknik Siber dan Sandi Negara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56706/ik.v18i3.112

Abstract

Penggunaan sistem pembayaran digital melalui Quick Response Code (QR Code) telah membawa kemajuan signifikan dalam efisiensi transaksi, khususnya di era digital saat ini. Teknologi ini menawarkan kecepatan dan kemudahan dalam proses pembayaran, mengurangi ketergantungan pada uang tunai dan memfasilitasi transaksi yang aman dan nyaman. Pemanfaatan QR Code diterapkan pada Quick Response Code Indonesian Standard (QRIS) yang telah menopang perekonomian di sektor perdagangan. Namun, semakin berkembangnya teknologi akan selalu memunculkan kerentanan seperti masalah keamanan pada QRIS, yaitu risiko keamanan QR Code dan Phishing (Quishing). Dalam serangan ini, pelaku kejahatan membuat QRIS yang tampaknya sah seolah-olah QRIS milik pedagang, tetapi ketika dipindai QRIS tersebut mengarahkan korban melakukan transaksi ke rekening QRIS pelaku kejahatan. Studi ini memberikan solusi untuk mengatasi Quishing pada QRIS dengan analisis keamanan sistem pembayaran digital QRIS dengan merekomendasikan implementasi keamanan tambahan pada sistem QRIS yang sudah ada. Selain itu, kampanye edukasi yang berkelanjutan tentang keamanan digital serta peningkatan infrastruktur pendukung sangat diperlukan untuk meningkatkan adopsi dan keefektifan sistem pembayaran digital berbasis QRIS di masyarakat. Studi ini menunjukkan bahwa penerapan autentikasi ganda, verifikasi lokasi, dan edukasi keamanan digital adalah langkah yang efektif untuk melindungi dan mencegah pengguna dari serangan Quishing.
NOAA IMAGE CLASSIFICATION USING GOOGLE’S TEACHABLE MACHINE Ajhari, Abdul Azzam; Sitorus, Krisna Jonathan; Lyrawati, Dayang Putri Nur; Sridana, Edward Felix Satria; Lestari, Ria; Farida, Wahyuni Vivi
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 7, No 1 (2023): SEMNAS RISTEK 2023
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v7i1.6244

Abstract

Para peneliti telah mencoba membantu kehidupan manusia dengan memanfaatkan citra satelit. Salah satu satelit yang dapat menyediakan data citra satelit adalah satelit National Oceanic and Atmospheric Administration (NOAA). Satelit ini secara khusus menangkap kondisi fisik laut dan atmosfer bumi dengan sisi negatif bahwa tidak semua data yang diperoleh berkualitas baik karena adanya intervensi frekuensi radio. Dalam tulisan ini, penggunaan kecerdasan buatan/Artificial Intelligence (AI) diterapkan untuk mengatasi masalah tersebut dengan membuat model pembelajaran mesin/Machine Learning (ML) menggunakan mesin yang bisa diajar dari google/Google’s Teachable Machine untuk mengklasifikasikan gambar dari perangkat frekuensi radio Weather Satellite Communication (WeSaCom) yang menangkap gambar menjadi mampu menyaring gambar. Data mining digunakan sebagai metodologi untuk mengumpulkan data citra dari satelit NOAA. Dataset citra dari satelit dianalisis dan dikelompokkan menjadi dua kelas, baik dan buruk. Kelas-kelas ini digunakan untuk membangun model dengan tujuan mengklasifikasikan data gambar yang diperoleh dari satelit NOAA melalui perangkat frekuensi radio WeSaCom. Hasilnya, ditemukan bahwa model Google Teachable Engine yang diterapkan pada perangkat WeSaCom mampu mengklasifikasikan data gambar dari NOAA dengan akurasi 96,72%.
Rancangan Aplikasi Ads-B Pada Uav Dan Drone Komersil Dengan Raspberry Pi 3b Ajhari, Abdul Azzam; Pramudito, Juliadi Satyo; Tasyam, Jonatan Reky
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 5, No 1 (2021): SEMNAS RISTEK 2021
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v5i1.4787

Abstract

Meningkatnya antusiasme masyarakat dalam menggunakan Unmanned Aerial Vehicles (UAV) atau drone untuk melakukan kegiatan dengan mudah dan cepat dapat membahayakan keselamatan dan keamanan penerbangan, terutama infrastruktur kritis yang ada di Indonesia. Kerentanan yang dapat membahayakankeselamatan dan keamanan adalah ketika UAV atau drone diterbangkan pada area Kawasan Keselamatan Operasi Penerbangan (KKOP) tanpa izin. Selain itu, UAV atau drone dapat melakukan pengintaian untuk mengumpulkan informasi dalam melakukan aksi berbahaya di kemudian hari ketika melewati batasan wilayah yang telah diatur pada Peraturan Pemerintah (PP) Nomor 4 Tahun 2018 tentang PengamananWilayah Udara Republik Indonesia. Diperlukan pengaplikasian Automatic Dependent Surveillance Broadcast (ADS-B) pada UAV dan drone komersil untuk menunjukkan lokasi dengan menggunakan navigasi Global Positioning System (GPS). Selain GPS, UAV dan drone melakukan pengiriman data mengenai keakuratan lokasi dan data penerbangan seperti ketinggian dan kecepatan, kepada peralatan pendukung yang melakukan pemantauan melalui frekuensi ADS-B. Perangkat ADS-B prototype yang dibuatmenggunakan komputer ringkas Raspberry PI 3B yang berbasis Linux dengan bahasa pemrograman Python dalam pengaplikasiannya. Dengan jaringan berbasis Internet Protocol (IP), ADS-B dapat melakukan pengiriman data informasi melalui frekuensi radio yang dapat diaplikasikan pada UAV dan drone dan mengelolanya pada server internal guna meningkatkan zero accident pada infratruktur kritis yang ada di Indonesia.
The Comparison of Sentiment Analysis of Moon Knight Movie Reviews between Multinomial Naive Bayes and Support Vector Machine Ajhari, Abdul Azzam
Applied Information System and Management (AISM) Vol. 6 No. 1 (2023): Applied Information System and Management (AISM)
Publisher : Depart. of Information Systems, FST, UIN Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/aism.v6i1.26045

Abstract

Online movie streaming platforms have changed the current pattern of watching movies. Besides providing convenience in watching anywhere and anytime, this service is provided at a lower cost to moviegoers. The increase in moviegoers on online streaming platforms has resulted in easy-to-find reviews. This review can determine whether they decide to watch the film or not. The moviegoers' reviews can be easily and quickly found for analysis using sentiment analysis to find a film's worthiness. This study used sentiment analysis in classifying Twitter data predictions using the Multinomial Naive Bayes (MNB) and Support Vector Machine (SVM). In the sentiment analysis of labeling with positive and negative categories, a distilled version of BERT (DistilBERT) was used in this study. With a little human assistance in preprocessing, the model worked objectively with an overall accuracy performance on the confusion matrix of 64.50% for the Multinomial Naive Bayes model and 64.12% for the Support Vector Machine model. Performance evaluation was also carried out by calculating the cross-validation accuracy, which resulted in an accuracy of 72.38% for the MNB. Meanwhile, the SVM model obtained an accuracy of 70.19%.
Aircraft Flight Movement Anomaly Detection using Automatic Dependent Surveillance-Broadcast Ajhari, Abdul Azzam; Negara, I Gede Putra Kusuma
JOIV : International Journal on Informatics Visualization Vol 6, No 4 (2022)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.4.948

Abstract

Automatic Dependent Surveillance-Broadcast (ADS-B) is an aircraft backup radar device that transmits aircraft sensor information via radio frequency. This data can be used to detect aircraft changes that occur significantly or abnormally (anomaly). Anomaly detection in this study aims to reduce and prevent flight accidents by analyzing abnormal data on aircraft flights using the Deep Learning (DL) model. Bidirectional LSTM (Bi-LSTM) and Bidirectional GRU (Bi-GRU) models are proposed as DL models which are implemented on ADS-B data using data mining methods. The data is generated from the ADS-B device that records the plane crash incident and is stored on the Flightradar24 community server. Data containing sensor changes from anomalous aircraft movements are studied for predictability on other flight data. The class breakdown is divided into two, anomaly and normal, based on information on the time span of anomaly occurrences in the accident investigation report of each aircraft using the sliding window technique in the data mining methodology. In evaluation, the confusion matrix measurement method is used to predict predictive analysis of the tested data. The results of the model evaluation performance show that the Bi-LSTM proposed in this study has the best accuracy of 99.44% and the f1-score of 99.51% is slightly superior to the Bi-GRU model. The model in this study can be applied in the ADS-B device to detect aircraft movement anomalies and as material for reviewing technicians in periodic maintenance and measuring the accuracy of the ADS-B device used as a backup radar.
Co-Authors Dimas Dimas Febriyan Priambodo Farida, Wahyuni Vivi Henny Yulianti Lyrawati, Dayang Putri Nur Manaon, Mawidyanto Agustian Negara, I Gede Putra Kusuma Pramudito, Juliadi Satyo Ria Lestari, Ria Sitorus, Krisna Jonathan Sridana, Edward Felix Satria Tasyam, Jonatan Reky