Article Per Year (5 Year)
p-Index From 2020 - 2025
2.332
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika Jiko (Jurnal Informatika dan komputer) Jurnal ULTIMA InfoSys The IJICS (International Journal of Informatics and Computer Science) Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar Cyber Security dan Forensik Digital (CSFD) JATI (Jurnal Mahasiswa Teknik Informatika) JTIULM (Jurnal Teknologi Informasi Universitas Lambung Mangkurat) Jurnal WIDYA LAKSMI (Jurnal Pengabdian Kepada Masyarakat) Info Kripto JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Raden Budiarto Hadiprakoso
Politeknik Siber Dan Sandi Negara
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Mathematics Other

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

Found 14 Documents
Search

 1   2 
DETEKSI MASKER WAJAH MENGGUNAKAN DEEP TRANSFER LEARNING DAN AUGMENTASI GAMBAR Raden Budiarto Hadiprakoso; Nurul Qomariasih
JIKO (Jurnal Informatika dan Komputer) Vol 5, No 1 (2022)
Publisher : Journal Of Informatics and Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v5i1.3591

Abstract

Pandemi COVID-19 saat ini merupakan masalah kesehatan global. Menurut WHO, memakai masker wajah di depan umum adalah metode perlindungan yang efektif. Mengenakan masker merupakan salah satu gerakan 3M untuk pencegahan virus corona (selain mencuci tangan dan menjaga jarak). Bagaimana pun pengawasan pemakaian masker di ruang publik yang ramai bukanlah tugas yang mudah. Makalah ini mengusulkan penggunaan deep learning untuk mendeteksi orang yang memakai masker wajah dengan benar, memakai masker namun tidak benar dan yang tidak memakai masker. Kami menerapkan transfer learning dan augmentasi gambar, untuk meningkatkan kinerja model deep learning diusulkan secara keseluruhan. Penelitian ini menggunakan dataset CelebA untuk wajah tidak memakai masker dan dataset maskedface net untuk wajah yang bermasker dengan benar dan yang memakainya tapi tidak benar (seperti hanya menutupi mulutnya). Dengan menggunakan augmentasi gambar dan pembelajaran transfer, model yang dibangun mencapai akurasi 98,3% dan skor F1 98,7% pada dataset validasi. Hasil pengujian menunjukkan bahwa teknik augmentasi gambar dan transfer learning mampu meningkatkan akurasi model secara keseluruhan.
Rancang Bangun Aplikasi Rekapitulasi Obat dengan Menerapkan Tanda Tangan Digital Aulia Tri Rahmawati; Raden Budiarto Hadiprakoso
ULTIMA InfoSys Vol 11 No 2 (2020): Ultima InfoSys : Jurnal Ilmu Sistem Informasi
Publisher : Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31937/si.v11i2.1746

Abstract

The current condition experienced by the XYZ Polyclinic is that there is no application built to simplify the service process contained in the polyclinic so that all service processes are still manual. An example is the calculation of the number of drugs that are in and out of use. This calculation takes a long time, is prone to errors in accounting, and consumes many papers. To solve this problem, we develop an application to recap drugs. The drug recapitulation application is based on a website with the WebML method using the CodeIgniter framework and MySQL database. The application produces the result in the form of a PDF file of the drug recapitulation report per month and day. As a security feature, the monthly drug recapitulation report results include a digital signature as proof of authentication, integrity, and anti-denial. The application built has been tested using web testing methods and user acceptance testing to be applied.
Rancang Bangun Aplikasi Naskah Dinas Elektronik Berbasis Web Menggunakan WDLC Nur Annisa Kadarwati Febriyani; Raden Budiarto Hadiprakoso
ULTIMA InfoSys Vol 12 No 1 (2021): Ultima InfoSys : Jurnal Ilmu Sistem Informasi
Publisher : Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31937/si.v12i1.1747

Abstract

In the modern era of technological development, the application of electronic official script management is a solution to the administrative and communication challenges of agencies during the pandemic, such as today, where administrative work needs to be done from home (work from home). With the condition of a high level of need, the management of official manuscripts in the XYZ organization still uses conventional methods. So, this raises obstructed letter distribution and loss documents problem, and waste of paper use. We propose the Electronic Service Manuscript Management Application to replace the official script management process that previously applied conventional methods to using electronic methods to solve this problem. Besides, we also implement security aspects in the SHA-512 algorithm to fulfill authentication, AES-128 to meet confidentiality, and RSA2048 to meet integrity and non-repudiation. Apart from the security aspect, functionally, the system is built based on the Guidelines for Electronic Service Manuscripts, which are tailored to the organization's needs. The system development uses the Web Development Life Cycle (WDLC) methodology using the Yii2 framework. From the research results, it is concluded that the Electronic Service Manuscript Management Application has been built according to the needs of the organization and can be a security alternative in the official script management process. Index Terms—digital signature; encryption; official script management; WDLC
Rancang Bangun Aplikasi PDF Signer Berbasis Android Pada PDAM Kabupaten Tuban Ikhsan Gustya Firmansyah; Raden Budiarto Hadiprakoso
JURNAL ILMU KOMPUTER Vol 7 No 2 (2021): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v7i2.202

Abstract

Perusahaan Air Minum Daerah (PDAM) Kabupaten Tuban selama ini menggunakan prosedur tanda tangan secara manual dengan kertas dan pena sehingga terkadang hal ini dapat menghambat proses persuratan. Hal ini biasa terjadi ketika surat tersebut harus ditandatangani dan dikirim ke pihak atau bagian lain di hari yang sama sementara yang berwenang untuk menandatangani tidak ada di tempat. Terlebih pada situasi pandemi covid-19 seperti yang terjadi saat ini, di mana para pegawai dianjurkan untuk bekerja dari rumah. Berangkat dari masalah tersebut kami mengusulkan rancang bangun aplikasi PDF signer dengan metode pengenalan wajah sebagai proses otentikasi. Metode pengembangan aplikasi yang diusulkan menggunakan metodologi prototyping. Aplikasi dibuat berdasarkan arsitektur perangkat Android menggunakan bahasa pemrograman Java. Aplikasi yang dihasilkan memiliki fitur yaitu registrasi pengguna, login pengguna, view dokumen, dan tanda tangan dokumen. Aplikasi dibuat menggunakan basis data SQLcipher untuk menyimpan passphrase pengguna pada direktori root aplikasi yang memudahkan pengguna karena tidak perlu mengisi passphrase setiap akan melakukan tanda tangan.
Performance Comparison of Feature Extraction and Machine Learning Classification Algorithms for Face Recognition Raden Budiarto Hadiprakoso; I Komang Setia Buana
The IJICS (International Journal of Informatics and Computer Science) Vol 5, No 3 (2021): November 2021
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/ijics.v5i3.3333

Abstract

Face recognition is a highly active research topic in pattern recognition and computer vision, with numerous practical applications. Face recognition can provide the most natural interaction experience similar to the way humans can recognize others. This paper presents a performance comparison of various machine learning approaches and feature extraction algorithms. The feature extraction algorithm used is Principal Component Analysis (PCA), Latent Dirichlet Allocation (LDA), and a combination of PCA-LDA. The method used is to take a dataset sample and then evaluate and compare machine learning algorithms to analyze accuracy in recognizing faces. We also use feature extraction techniques on facial image capture to speed up data processing. The classification algorithms measured are k-nearest neighbor, naive Bayes, support vector machine, random forest, and gradient boosting. The results showed that the random forest classification algorithm was the most accurate face recognition method. On the other hand, the PCA-LDA combined feature extraction algorithm has lower false-negative and false-positive rates than PCA and LDA. In addition, the PCA feature extraction algorithm has the fastest performance in the process of recognizing faces
IDENTIFIKASI MALWARE ANDROID MENGGUNAKAN PENDEKATAN ANALISIS HIBRID DENGAN DEEP LEARNING Raden Budiarto Hadiprakoso; Nurul Qomariasih; Ray Novita Yasa
Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM) Vol. 6 No. 2 (2021)
Publisher : Fakultas Teknik Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/jtiulm.v6i2.82

Abstract

Android merupakan sistem operasi mobile yang paling populer digunakan saat ini. Bagaimana pun dibalik kepopuleran ini muncul ancaman penyebaran malware pada platform Android. Pada pertengan tahun 2021 peneliti keamanan dari Quick Heal Security Labs mendeteksi setidaknya ada delapan aplikasi di Google Play Store yang disusupi oleh malware Joker. Malware ini dapat secara sembunyi-sembunyi membuat ponsel korbannya berlangganan dan membayar konten premium tanpa sepengetahuan korban. Untuk itu, deteksi malware Android ini sangat penting untuk menjaga keamanan dan privasi pengguna. Bagaimana pun karena proses identifikasi malware yang semakin rumit, maka perlu digunakan pendekatan deep learning untuk klasifikasi malware. Makalah ini menggabungkan fitur analisis statis dan dinamis dari aplikasi malware dan aplikasi bukan malware. Fitur dinamis diambil dari panggilan API pada aplikasi sedangkan fitur statis didapatkan melalui permission, system call dan intent. Model deep learning dengan arsitektur LSTM (Long Short-Term Memory) dikembangkan untuk mengidentifikasi malware. Hasil pengujian pada data uji menunjukkan model yang dikembangkan memiliki akurasi 98,7%, recall 97,9% dan presisi 99,6% serta skor F1 98,7%.
RANCANG BANGUN APLIKASI GAMIFIKASI UNTUK MENINGKATKAN KESADARAN KEAMANAN SIBER Raden Budiarto Hadiprakoso; Wina Agus Satria
JURNAL ILMU KOMPUTER Vol 8 No 2 (2022): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v8i2.232

Abstract

Pada awal tahun 2021 Badan Siber dan Sandi Negara melaporkan data serangan siber yang terjadi di Indonesia. Jumlah serangan yang diterima pada kuartal pertama tahun 2021 lebih dari 88 juta serangan. Serangan pengumpulan informasi menyumbang sebanyak 43% dari serangan ini. Serangan pengumpulan informasi menyumbang sebanyak 43% dari serangan ini. Sangat penting untuk menemukan cara untuk meningkatkan kesadaran keamanan siber untuk mencegah serangan pengumpulan informasi semacam itu. Akibatnya, sebuah penelitian dilakukan untuk menggunakan gamifikasi instruksional kesadaran keamanan siber untuk meningkatkan kesadaran keamanan siber komunitas. Menggunakan Software Development Lifecycle (SDLC) Personal Xtreme Programming, aplikasi gamifikasi SadarSiber ini dibuat dalam bentuk permainan kuis. Berdasarkan hasil kuesioner yang dibagikan kepada responden, aplikasi gamifikasi SadarSiber dapat meningkatkan kesadaran keamanan siber dan mencegah pengguna mengekspos data pribadinya kepada pihak yang tidak dikenal.
ANALISIS STATIS DETEKSI MALWARE ANDROID MENGGUNAKAN ALGORITMA SUPERVISED MACHINE LEARNING Raden Budiarto Hadiprakoso; Wahyu Rendra Aditya; Febriora Nevia Pramitha
Cyber Security dan Forensik Digital Vol. 5 No. 1 (2022): Edisi Mei 2022
Publisher : Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/csecurity.2022.5.1.3116

Abstract

Saat ini, pertumbuhan sistem operasi Android di perangkat smartphone sedang populer. Bagaimana pun, dibalik popularitas tersebut platform Android juga menjadi target peluang kejahatan dunia maya terhadap ancaman keamanan siber seperti malware. Mengidentifikasi malware ini sangat penting untuk menjaga keamanan dan privasi pengguna. Karena proses identifikasi malware yang semakin rumit, maka perlu digunakan machine learning untuk klasifikasi malware. Penelitian ini mengumpulkan fitur analisis statis dari aplikasi aman dan berbahaya. (malware). Dataset yang digunakan pada penelitian adalah dataset malware DREBIN yang merupakan dataset malware yang tersedia secara publik. Dataset tersebut terdiri dari fitur API CALL, system command, manifest permission, dan Intent. Data tersebut kemudian diproses menggunakan berbagai algoritma supervised machine learning di antaranya Support Vector Machine (SVM), Naive Bayes, Decision Tree dan K-Nearest Neighbors. Kami juga berkonsentrasi pada memaksimalkan pencapaian dengan mengevaluasi berbagai algoritma dan menyesuaikan beberapa konfigurasi untuk mendapatkan kombinasi terbaik dari hyper-parameter. Hasil eksperimen menunjukkan bahwa klasifikasi model SVM mendapatkan hasil terbaik dengan mencapai akurasi 96,94% dan nilai AUC (Area Under Curve) 95%. Kata kunci: android, malware, machine learning, deteksi malware, analisis statis ------ Currently, the growth of the Android operating system on smartphone devices is popular. However, behind this popularity, the Android platform is also a potential target for cybercrimes against cybersecurity threats such as malware. Identifying this malware is critical to maintaining user security and privacy. Because the malware identification process is getting more complicated, it is necessary to use machine learning for malware classification. This study collects the static analysis features of safe and malicious applications. (malware). The dataset used in this study is a DREBIN malware dataset which is a publicly available malware dataset. The dataset consists of the CALL API features, system commands, manifest permissions, and Intents. The data is then processed using various supervised machine learning algorithms including Support Vector Machine (SVM), Naive Bayes, Decision Tree and K-Nearest Neighbors. We also concentrate on maximizing performance by evaluating various algorithms and adjusting some configurations to get the best combination of hyper-parameters. The experimental results show that the SVM model classification gets the best results by achieving an accuracy of 96.94% and an AUC (Area Under Curve) value of 95%. Keywords: android, malware, machine learning, malware detection, static analysis
Analisis Log Web Server dengan Pendekatan Algoritme K-Means Clustering dan Feature Importance Asyrafi Adnil Ma'ali; Girinoto; Muhammad Novrizal Ghiffari; Raden Budiarto Hadiprakoso
Info Kripto Vol 16 No 3 (2022)
Publisher : Politeknik Siber dan Sandi Negara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56706/ik.v16i3.60

Abstract

Analisis log sering kali dibutuhkan pada kegiatan forensik setelah terjadi insiden serangan pada jaringan. Pada penelitian ini dilakukan analisis log untuk mencari anomali pada web server melalui pendekatan unsupervised machine learning dengan menggunakan algoritme k-means clustering yang diintegrasikan dengan Elbow Method. Sebelum dilakukan proses pembentukan klaster data log di transformasi dalam serangkaian proses feature extration. Untuk pemahaman lebih lanjut, pemanfaatan metode analisis feature importance digunakan untuk mengetahui feature mana yang paling dominan berperan penting dalam proses pembentukan cluster. Hasil clustering memberikan visualisasi terdapatnya cluster yang bersifat anomali dari cluster lainnya dan feature yang berperan penting dalam proses pembentukan cluster tersebut adalah character_bigram.
Pembelajaran Anti Phising Melalui Media Edukasi Berupa Game Framework Di SMK Negeri 1 Negara I Komang Setia Buana Buana; Ray Novita Yasa; Girinoto Girinoto; Hermawan Setiawan; Raden Budiarto Hadiprakoso; Herman Kabetta; Nurul Qomariasih
Jurnal Widya Laksmi: Jurnal Pengabdian Kepada Masyarakat Vol. 3 No. 1 (2023): Jurnal WIDYA LAKSMI (Jurnal Pengabdian Kepada Masyarakat)
Publisher : Yayasan Lavandaia Dharma Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59458/jwl.v3i1.43

Abstract

Berselancar di Internet dengan bekal literasi digital yang minim memiliki banyak risiko, seperti yang paling umum terjadi yakni Penipuan. Namun seiring berkembang kecanggihan teknologi pada saat ini, juga secara tidak langsung membuat oknum-oknum yang melakukan Cybercrime semakin “Kreatif” untuk melancarkan aksi jahatnya, salah satunya adalah phising. Phising adalah sebuah kejahatan digital yang bertujuan untuk mencuri informasi dan data pribadi melalui email, telepon, pesan teks atau tautan yang mengaku sebagai instansi atau pihak-pihak tertentu. Untuk menghadapi hal ini, perlu dibekali pengetahuan literasi digital yang memadai. Maka dari itu, diperlukan sosialisasi sambil bermain game dengan tema: “Media Edukasi Anti Phising Melalui Game Framework”
Co-Authors Asyrafi Adnil Ma'ali Aulia Tri Rahmawati Febriora Nevia Pramitha Girinoto Herman Kabetta Hermawan Setiawan I Komang Setia Buana Buana I Komang Setia Buana, I Komang Ikhsan Gustya Firmansyah Muhammad Novrizal Ghiffari Nofrisal Dwi Syahputra Nur Annisa Kadarwati Febriyani Nurul Qomariasih Ray Novita Yasa Ray Novita Yasa Sihombing, Rudolf Paris Parlindungan Wahyu Rendra Aditya Wina Agus Satria