Mahendra Data
Program Pascasarjana Teknik Informatika Institut Teknologi Sepuluh November Surabaya

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Sistem Pendukung Investigasi Aktivitas Pada Log Server Web Berbasis Algoritma Bisecting K-Means Aqil Aldiyan, Rizky; Data, Mahendra; Fatyanosa, Tirana Noor
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Log server web menyimpan rekaman aktivitas akses yang dapat dimanfaatkan dalam investigasi awal insiden keamanan. Namun, volume log yang besar membuat analisis manual tidak efisien. Penelitian ini mengembangkan sistem pendukung investigasi yang mengintegrasikan konsep klasterisasi dan eksplorasi hasil klaster dalam satu alur kerja. Sistem dibangun sebagai prototipe Terminal User Interface menggunakan Rust sebagai orchestrator dan Python untuk modul komputasi. Atribut yang digunakan dalam klasterisasi berjumlah lima atribut dan diproses dengan pendekatan berbeda-beda. Data dikelompokkan menggunakan Bisecting K-Means dan dievaluasi menggunakan Silhouette Score, Davies–Bouldin Index, serta Calinski–Harabasz Index. Pada sampel 100 ribu hingga 1 juta entri, Silhouette Score berada pada 0,0923–0,1315 dan Davies–Bouldin Index pada 2,5883–2,9166, yang menunjukkan separasi klaster belum kuat. Meskipun demikian, seluruh eksperimen menghasilkan sejumlah klaster tanpa klaster kosong. Sistem juga berhasil menyajikan tampilan yang memberikan informasi ringkasan karakteristik klaster, serta mengaplikasikan fitur filtering, sorting, dan peninjauan detail log untuk membantu mempersempit ruang analisis investigasi awal.
Klasterisasi Aktivitas Pengguna Berdasarkan Log Server Web Menggunakan Model Autoencoder Halimsurya, Ervan; Data, Mahendra; Hari Trisnawan, Primantara
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pertumbuhan sumber daya layanan web yang sangat cepat menuntut metode yang efektif untuk memperoleh pengetahuan dari data log server yang tersedia. Untuk mempelajari pola aktivitas yang terjadi pada sebuah web, dapat dilakukan klasterisasi pada log web server yang mampu membantu mengidentifikasi kelompok pengguna yang memiliki perilaku akses yang sama. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem Klasterisasi Aktivitas Pengguna Berdasarkan Log Server Web Menggunakan Model Autoencoder sehingga mampu meningkatkan efektivitas pengelompokan pola aktivitas web. Penelitian dilakukan dengan mengujikan model Autoencoder langsung dalam pemecahan masalah untuk pengelompokan traffic dari log web server. Pengujian akan dilakukan dengan menggunakan dataset "Online Shopping Store - Web Server Logs" yang sudah dilakukan bot filtering dengan jumlah data akhir 9,337,737 akan dievaluasi kemampuan model dalam pengelompokan aktivitas pengguna dalam traffic. Klasterisasi dilakukan dengan menggunakan K-Means dan hasil yang diperoleh akan dievaluasi dan divisualisasikan. Hasil silhouette score yang diperoleh setelah klasterisasi adalah 0,5897, yang menunjukan bahwa data point dalam cluster yang terbentuk cukup akurat namun masih mengalami overlap dengan cluster lain. Hasil tersebut menunjukan bahwa model autoencoder cukup mampu untuk digunakan dalam klasterisasi log web server.
Implementasi Ruleset Suricata Untuk Deteksi Aktifitas Data Exfiltration Melalui DNS Tunneling Berbasis Iodine Faza, Bintang Fajar Putera; Data, Mahendra; Trisnawan, Primantara Hari
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

DNS tunneling merupakan salah satu teknik data exfiltration yang memanfaatkan protokol DNS untuk menyembunyikan komunikasi sehingga sulit dibedakan dari lalu lintas DNS normal. Penelitian ini mengembangkan ruleset Suricata untuk mendeteksi aktivitas DNS tunneling berbasis Iodine melalui analisis karakteristik komunikasi secara menyeluruh. Karakteristik yang dianalisis meliputi Resource Record (RR), code encoding, EDNS0, TTL, fragment size, struktur hostname, dan pola Resource Data (RDATA) sebagai dasar penyusunan ruleset. Lingkungan penelitian dibangun menggunakan Docker dan dievaluasi pada mode Intrusion Detection System (IDS) serta Intrusion Prevention System (IPS) menggunakan parameter Detection Rate, False Positive Rate, dan Precision. Hasil penelitian menunjukkan bahwa ruleset upstream memperoleh Detection Rate sebesar 99,99%, False Positive Rate sebesar 0,0005%, dan Precision sebesar 99,99%, sedangkan ruleset downstream memperoleh Detection Rate sebesar 99,97%, False Positive Rate sebesar 0,0004%, dan Precision sebesar 99,99%. Implementasi pada mode IPS juga berhasil memblokir komunikasi DNS tunneling sejak tahap Version Negotiation, sehingga ruleset yang dikembangkan efektif untuk mendeteksi dan mencegah DNS tunneling berbasis Iodine.
Implementasi Hybrid Intrusion Prevention System Berbasis Suricata dan Model Extreme Gradient Boosting (XGBoost) Untuk Mitigasi Serangan SQL Injection Hilmy, Ahmad Nabih Baril; Data, Mahendra; Amron, Kasyful
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 9 (2026): September 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Abstrak SQL Injection memanfaatkan kelemahan validasi masukan untuk menyisipkan perintah SQL ke dalam permintaan aplikasi web. Intrusion Prevention System berbasis signature, seperti Suricata, efektif terhadap pola yang telah didefinisikan, tetapi dapat melewatkan variasi sintaks, encoding, dan obfuscation. Penelitian ini mengimplementasikan sistem hybrid yang menempatkan Suricata pada NFQUEUE 2 sebagai pemeriksaan pertama dan model Extreme Gradient Boosting (XGBoost) pada NFQUEUE 3 sebagai pemeriksaan kedua. Payload HTTP direpresentasikan menggunakan TF-IDF berbasis kata, TF-IDF berbasis karakter, dan fitur kata kunci SQL. Evaluasi dilakukan dengan membandingkan Suricata tunggal, XGBoost tunggal, dan sistem hybrid menggunakan 422 payload SQL Injection serta 699 permintaan normal. Sistem hybrid memblokir 370 serangan dan meneruskan 692 permintaan normal, dengan akurasi 0,9474, precision 0,9814, recall 0,8768, F1-score 0,9262, dan false positive rate 0,0100. Dibandingkan Suricata tunggal, pendekatan hybrid menambah 13 true positive dan mengurangi false negative dari 65 menjadi 52 tanpa menaikkan false positive rate. Hasil ini menunjukkan bahwa XGBoost dapat memperluas cakupan deteksi ketika diterapkan sebagai lapisan pemeriksaan setelah Suricata. Kata kunci: SQL Injection, Intrusion Prevention System, Suricata, XGBoost, TF-IDF, NFQUEUE