Article Per Year (5 Year)
p-Index From 2021 - 2026
2.49
P-Index
This Author published in this journals
All Journal Jurnal EECCIS Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Mahendra Data
Program Pascasarjana Teknik Informatika Institut Teknologi Sepuluh November Surabaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Pengembangan Aplikasi Deteksi Dini Faktor Resiko Kardiovaskular Melalui Kit Rapid Test Menggunakan Metode Waterfall Diana, Rahmah Nur; Brata, Adam Hendra; Data, Mahendra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kematian mendadak akibat penyakit kardiovaskular merupakan masalah kesehatan utama di Indonesia yang disebabkan oleh keterbatasan fasilitas medis dan pemeriksaan klinis yang mahal, serta distribusi tenaga kesehatan yang tidak merata. Puskesmas Kromengan mengalami kendala dalam pendataan dan pemeriksaan dini faktor risiko kardiovaskular secara manual. Penelitian ini bertujuan mengembangkan aplikasi Android bernama “D-Apps” untuk deteksi dini faktor risiko kardiovaskular menggunakan Kit Rapid Test kadar D-Dimer dengan metode waterfall dan teknologi TensorFlow Lite untuk klasifikasi warna strip test. Metode penelitian menggunakan pendekatan kuantitatif dengan pengumpulan data melalui wawancara kepada pasien dan tenaga kesehatan, pengujian fungsional black-box dan white-box, pengujian kompatibilitas pada berbagai versi Android, serta pengujian usability menggunakan System Usability Scale (SUS). Hasil pengujian menunjukkan aplikasi “D-Apps” mencapai akurasi 100% pada pengujian black-box, sedangkan pengujian white-box dengan metode cyclomatic complexity menghasilkan nilai 6, menandakan struktur kode yang terkelola dengan baik. Pengujian kompatibilitas pada lima perangkat Android versi 6.0 hingga 14 menunjukkan aplikasi berjalan lancar dan responsif terhadap perubahan orientasi layar. Skor SUS sebesar 71,5 mengindikasikan tingkat usability yang dapat diterima. Aplikasi ini diharapkan dapat membantu deteksi dini risiko kardiovaskular secara cepat, mudah, dan terjangkau di masyarakat. . Kata kunci: Deteksi Dini, Kardiovaskular, Aplikasi Android, Tensorflow Lite, System Usability Scale, Waterfall.
Implementasi Sistem Deteksi Serangan Pada Website Berbasis WordPress Secara Realtime Menggunakan Apache Kafka Rafi Faisal, Muhammad; Pramukantoro, Eko Sakti; Data, Mahendra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 11 (2025): November 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi digital mendorong meningkatnya kebutuhan masyarakat akan akses informasi yang cepat dan efisien. WordPress hadir sebagai solusi favorit dari hal tersebut. Namun, website berbasis WordPress juga menjadi salah satu target utama serangan siber karena banyaknya plugin dan tema yang rentan terhadap eksploitasi. Penelitian sebelumnya oleh Purwidyantoro (2025) telah berhasil mengembangkan sistem klasifikasi serangan menggunakan machine learning berbasis log ModSecurity. Namun, sistem tersebut masih menggunakan pendekatan batch processing, di mana proses inferensi dilakukan secara berkala dan tidak secara langsung ketika log baru tercatat. Keterbatasan ini memberikan celah waktu bagi penyerang untuk melancarkan aksinya sebelum deteksi dilakukan. Sebagai pengembangan dari pendekatan tersebut, penelitian ini bertujuan mengembangkan sistem deteksi serangan secara real-time berbasis log web server dengan memanfaatkan arsitektur pemrosesan data streaming menggunakan Apache Kafka. Sistem ini mengintegrasikan model klasifikasi Decision Tree yang telah dilatih untuk mengenali berbagai jenis serangan terhadap WordPress, seperti SQL Injection, Cross-Site Scripting (XSS), Remote Code Execution (RCE), dan File Inclusion. Log serangan dikirim secara streaming menggunakan Kafka Producer dan diterima oleh Kafka Consumer, yang kemudian memproses log, mengklasifikasikan, serta mengirimkan peringatan melalui Telegram secara otomatis apabila serangan terdeteksi. Evaluasi dilakukan terhadap 11 skenario serangan yang mencakup 6 jenis ancaman umum. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi 10 dari 11 skenario dengan akurasi 100% pada masing-masing 20 payload serangan. Namun, serangan Local File Inclusion (LFI) gagal terdeteksi, yang menunjukkan perlunya perbaikan pada tahapan pelabelan data atau preprocessing. Dari sisi performa, Kafka Producer mampu mencapai throughput 94,37 KB/s, sementara Kafka Consumer hanya 6,36 KB/s, dengan rata-rata latency 13,5 detik. Bottleneck terjadi di sisi consumer akibat beban proses klasifikasi dan pengiriman notifikasi. Penggunaan sumber daya juga menunjukkan perbedaan signifikan: Kafka Producer hanya memerlukan 0,2% CPU dan 27 MB memori, sedangkan Kafka Consumer memerlukan 4,1% CPU dan 131 MB memori. Temuan ini menunjukkan bahwa sistem deteksi yang dikembangkan mampu memberikan deteksi serangan secara lebih cepat dan efisien dibandingkan metode batch sebelumnya, sehingga lebih adaptif terhadap ancaman siber yang bersifat real-time.
Co-Authors Achmad Basuki Adam Hendra Brata Akbar, Aldi Fandiya Alfatih, Ramadhan Arief, Muhammad Bakhtiar, Fariz Andri Bintoro, Rendya Fadil Adji Budi Darma Setiawan Danialdo, Muhammad Gibran Abraham Desfianti, Ruri Dian Eka Ratnawati Diana, Rahmah Nur Eko Sakti Pramukantoro, Eko Sakti Gilang Ramadhan Heru Nurwarsito Ibnu Aqli, Ibnu Jobel, Roenrico Kasyful Amron M. Ali Fauzi Maulana, Azizi Novan Mulia Pratama, Afwan Rafi Faisal, Muhammad Rodhiya, Hanif Robby Santoso, Azarya Simarmata, Gilbert Jonathan Siregar, Reza Andri Tama, Satria Adi Trisnawan, Primantara Hari Waskitho Wibisono Widhi Yahya Wildannantha, Jawadi Ahmad Yuhand Pramudita, Rezzy Zafran, Muhammad Abyan