Claim Missing Document
Check
Articles

Found 2 Documents
Search

ANALISIS FORENSIC BERBASIS WEB PHISING MENGGUNAKAN METODE NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY Hermanto, Muhammad Nadhif; ., Martanto; ., Iin
Jurnal informasi dan komputer Vol 11 No 01 (2023): Jurnal Informasi dan Komputer yang terbit pada tahun 2023 pada bulan 04 (April)
Publisher : LPPM Institut Teknologi Bisnis Dan Bahasa Dian Cipta Cendikia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v11i01.311

Abstract

Menurut Pengelola Nama Domain Internet Indonesia (PANDI) selama lima tahun ke belakangan ada 16.468 laporan phising yang terjadi di domain .id. Untuk penyebaran phising, selain melalui email, pelaku kejahatan menyebarkan alamat link phising menggunakan aplikasi message seperti WhatsApp, Viber, Telegram dan Hangouts. Menurut Kaspersky, dari desember 2020 hingga mei 2021 tercatat sebanyak 91242 kali alamat link phising dibagikan. Di Indonesia terdeteksi ada 738 alamat link phising di WhatApp dan 39 yang dibagikan melalui TelegramUntuk menangkap pelaku phising masih terbentur dengan barang bukti yang wajib di hadirkan dalam persidangan. Bukti tersebut antara lain dapat berupa DNS yang digunakan oleh para phiser (pelaku phising), IP address, hingga identitas penyerang. Tujuan penelitian ini adalah untuk dapat membuktikankejahatan internet berupa barang bukti yang dapat diperoleh dengan menggunakan metode National Institute of Standards and Technology (NIST). MetodeNational Institute of Standards and Technology (NIST) dapat menganalisa proses peninjauan atau jejak digital kasus Kejahatan/penipuan internet dan menampilkan barang bukti digital. Tahapan penelitian ini meliputi collection menggunakan aplikasi Wireshark, examination menggunakan Hashcalc, analisis, dan reporting. Hasil penelitian ini bahwasanya hasil Uji Anova mendapatkan nilai Signifikan sebesar 0.548 > 0.05 yang berarti Teknik dari Metode National Institute Of Standards And Technology Dapat Menganalisis Forensic Berbasis Web Phising.
Pengembangan Model Pengelompokan Jenis Bencana Alam di Jawa Barat menggunakan Algoritma K-Means Pura, Panji Adi; ., Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
Bianglala Informatika Vol 13, No 1 (2025): Bianglala Informatika 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/bi.v13i1.24700

Abstract

Salah satu masalah terbesar yang dihadapi masyarakat Jawa Barat adalah bencana alam. Analisis berbasis data diperlukan untuk memahami pola kejadian bencana dan mendukung kebijakan mitigasi yang efektif karena berbagai jenis bencana. Untuk menganalisis data kejadian bencana di Jawa Barat selama periode 2020–2023, penelitian ini menggunakan pendekatan Knowledge Discovery in Databases (KDD).Tahapan KDD meliputi pembuatan dataset, preprocessing untuk normalisasi dan penanganan data hilang, serta transformasi guna menentukan atribut utama. Algoritma K-Means digunakan dalam proses data mining untuk mengelompokkan wilayah berdasarkan jenis bencana dan intensitasnya. Tahap terakhir adalah interpretasi hasil, yang bertujuan untuk memahami pola distribusi bencana. Hasil klasterisasi menghasilkan lima kluster utama. Cluster 0 menunjukkan dominasi kejadian banjir dan kebakaran lahan, sering ditemukan di dataran rendah dengan karakteristik lingkungan yang rawan pembakaran liar. Cluster 1 didominasi oleh kejadian tanah longsor di wilayah perbukitan yang curah hujannya tinggi. Cluster 2 mencerminkan kombinasi kejadian hujan angin dan kekeringan di daerah pedesaan dengan sumber daya air terbatas. Cluster 3 menunjukkan kejadian bencana dengan frekuensi rendah dan distribusi yang merata, seringkali terkait dengan daerah urban. Sementara itu, Cluster 4 memiliki tingkat heterogenitas tertinggi, mencakup berbagai jenis bencana dengan intensitas bervariasi di wilayah pegunungan dan lembah. Kualitas klasterisasi diukur menggunakan Davies-Bouldin Index (DBI) sebesar 0.085, mengindikasikan pemisahan kluster yang baik. Selain itu, analisis Performance Vector menunjukkan jarak total antar-kluster sebesar 2.311, dengan jarak terbesar pada Cluster 4 (4.672). Selain memberikan wawasan mendalam tentang pola bencana di Jawa Barat, penelitian ini diharapkan dapat membantu dalam perencanaan dan alokasi sumber daya yang lebih tepat sasaran untuk mitigasi bencana.