Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Telematika Jurnal Edukasi dan Penelitian Informatika (JEPIN) JNANALOKA
Omar Muhammad Altoumi Alsyaibani
Universitas AMIKOM Yogyakarta
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Transportation Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Survey on Deep Learning Based Intrusion Detection System Omar Muhammad Altoumi Alsyaibani; Ema Utami; Anggit Dwi Hartanto
Telematika Vol 14, No 2: August (2021)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v14i2.1317

Abstract

Development of computer network has changed human lives in many ways. Currently, everyone is connected to each other from everywhere. Information can be accessed easily. This massive development has to be followed by good security system. Intrusion Detection System is important device in network security which capable of monitoring hardware and software in computer network. Many researchers have developed Intrusion Detection System continuously and have faced many challenges, for instance: low detection of accuracy, emergence of new types malicious traffic and error detection rate. Researchers have tried to overcome these problems in many ways, one of them is using Deep Learning which is a branch of Machine Learning for developing Intrusion Detection System and it will be discussed in this paper. Machine Learning itself is a branch of Artificial Intelligence which is growing rapidly in the moment. Several researches have showed that Machine Learning and Deep Learning provide very promising results for developing Intrusion Detection System. This paper will present an overview about Intrusion Detection System in general, Deep Learning model which is often used by researchers, available datasets and challenges which will be faced ahead by researchers
Studi Literatur: Perbandingan Basis Data NewSQL Omar Muhammad Altoumi Alsyaibani; Kusnawi; Ahmad Yusuf; Muhammad Reza Riansyah
JNANALOKA Vol. 02 No. 01 Maret Tahun 2021
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2021.v2-no1-1-12

Abstract

Selama bertahun-tahun sistem basis data relasional menjadi solusi untuk penyimpanan data sampai datang era Big Data. Kemudian sistem basis data non-relasional (yang dikenal sebagai sistem basis data NoSQL) mulai dikembangkan sebagai solusi basis data yang mempunyai kecepatan tinggi dan scalable untuk menangani volume data yang terus meningkat. Di sisi lain, NoSQL mempunyai beberapa kekurangan, diantaranya : tidak mendukung ACID (Atomicity, Consistency, Isolation, Durability) dan beberapa sistem database NoSQL tidak mendukung bahasa kueri terstruktur (SQL). NewSQL merupakan pengembangan dari NoSQL yang memiliki dukungan terhadap terhadap ACID dan bahasa SQL. Sistem basis data NewSQL yang dikembangkan saat ini memiliki arsitektur, fitur dan implementasi yang bervariasi. Penelitian ini melakukan ulasan ringkas (quick review) pada perkembangan sistem basis data mulai dari relasional yang tradisional, NoSQL hingga NewSQL dengan dekripsi lebih pada sistem basis data NewSQL. Pada bagian akhir dilakukan perbandingan beberapa database NewSQL pada lima aspek, diantaranya : Ease of Use, Features & Functionality, Advanced Features, Integration dan Performance. Dari hasil perbandingan, pada aspek Ease of Use c-treeACE mendapat nilai tertinggi sedangkan Apache Trafodion menjadi yang terendah. Pada aspek Features & Functionality TIBCO ActiveSpaces menjadi yang tertinggi sedangkan VoltDB mendapat skor terendah. Selanjutnya, Altibase men- dapat skor tertinggi pada aspek Advanced Features dan Apache Trafodion kembali menjadi yang terendah. Pada aspek Integration, skor tertinggi ada pada CockroachDB dan terendah ada pada Pivotal GemFire XD. Terakhir, pada aspek Performance, ActorDB menjadi yang tertinggi dan Apache Trafodion menjadi yang terendah lagi.
Metode Schema Matching berbasis Linguistic dan Constraint untuk Integrasi Database di Sekolah Suwanto Raharjo; Ema Utami; Omar Muhammad Altoumi Alsyaibani
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.55852

Abstract

Integrasi data kini telah menjadi kebutuhan bagi setiap organisasi. Organisasi yang tidak mengintegrasikan data antara satu divisi dengan divisi lainnya akan menimbulkan kemungkinan terjadinya redundansi dan data yang tidak konsisten. Proses integrasi data umumnya terkendala oleh penggunaan istilah dan penulisan nama tabel serta atribut yang berbeda. Dalam penelitian ini, metode Linguistik dikombinasikan dengan metode Constraint digunakan untuk menemukan kesamaan antara atribut database yang berbeda. Metode Bigram digunakan sebagai metode linguistik. Atribut yang diusulkan untuk dihapus oleh Bigram ditinjau kembali dari aspek Constraint. Dengan menggunakan metode ini, 8 tabel dan 60 atribut dapat direduksi dari tujuh database. Hasil penelitian menunjukkan bahwa metode ini mempunyai akurasi di atas 99% pada semua skenario. Di sisi lain, Precision terendah terdapat saat membandingkan atribut antara database Administrasi_siswa dan Kesiswaan, yaitu hanya mencapat 70%. Meskipun masih ada beberapa kesalahan yang dilakukan oleh Bigram sebagai metode Linguistik, kesalahan tersebut dapat ditutupi dengan menggabungkan metode tersebut dengan metode berbasis Constraint. Pengujian validitas hasil integrasi dilakukan dengan query menggunakan sintaks SQL langsung ke database dan menghasilkan hasil query yang benar.
Co-Authors Ahmad Yusuf Anggit Dwi Hartanto Ema Utami Kusnawi Kusnawi Muhammad Reza Riansyah Suwanto Raharjo