Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal Journal of Embedded Systems, Security and Intelligent Systems SmartComp
Alvian Bastian
Politeknik Negeri Ujung Pandang
Computer Science & IT Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Pengolahan Citra Untuk Menghitung Jumlah Kandungan Aflatoksin Pada Jagung Sebagai Bahan Utama Pakan Ternak Florencia Gulo; Mardawia Mabe Parenreng; Alvian Bastian
Journal of Embedded Systems, Security and Intelligent Systems Vol. 4 No. 1 (2023): Vol 4, No 1 (2023): May 2023
Publisher : Program Studi Teknik Komputer

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

Abstract

Aflatoksin adalah sejenis kapang yang dihasilkan oleh Aspergillus Flavus yang dapat menyebabkan gangguan kesehatan bagi hewan dan manusia yang mengonsumsinya. Biasanya, aflatoksin terkontaminasi dalam beberapa komoditas pertanian. Oleh karena itu, diperlukan pemantauan terhadap standar kontaminasi aflatoksin. Salah satu produk pertanian yang menggunakan jagung sebagai bahan utamanya adalah pakan ternak. Namun, jagung juga rentan terkontaminasi aflatoksin. Sebelum jagung tersebut diolah menjadi pakan ternak, perlu dilakukan pengujian terhadap kandungan aflatoksin. Badan Penelitian dan Pengembangan Taman Serealia telah menetapkan Standar Nasional Indonesia untuk jagung sebagai pakan ternak, di mana kandungan aflatoksin yang diperbolehkan adalah sebesar 150-200 ppb. Jika melebihi standar ini, dapat membahayakan hewan ternak. Salah satu cara pengendalian aflatoksin adalah melalui perhitungan berdasarkan parameter ukuran dan warna. Berdasarkan latar belakang tersebut, penulis ingin melakukan penelitian tentang perhitungan aflatoksin yang diimplementasikan dalam pengolahan citra. Aplikasi yang dirancang dapat mendeteksi dan menghitung kandungan aflatoksin dalam sebuah citra. Melalui proses segmentasi dan ekstraksi fitur citra, aplikasi ini memiliki tingkat akurasi sebesar 76%.
Improving Antivirus Signature For Detection Ransomware Attacks With Machine Learning Alvian Bastian
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 10, No 1 (2021): Smart Comp : Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v10i1.2190

Abstract

Cybercrime activities are difficult separate from the development of malware. In Internet Security Threat Report, crime by exploiting malware becomes the ultimate crime. One of the highest spreading malwares is ransomware. Ransomware infections has increased year by year since 2013 and there are 1,271 detections for one day in 2017. Meanwhile, in 2018 there was a shift in attacks where 81 percent of attacks targeted enterprise so that ransomware infections increased by 12 percent. For solve this problem, this research proposed antivirus signature based on DLL Files and API Calls of ransomware files. Detection files based on antivirus signature has high theoretical value and practical significance. The experiment showed detection ransomware files based on DLL Files and functional API Calls with machine learning have a good result than detection files based on MD5 and hexdump. For testing and detection ransomware files, this research is using machine learning algorithms such as KNN, SVM, Decision Trees, and Random Forest. Experiment result showed the successful detection ransomware files, improved detection object and method research for antivirus signature.Kata Kunci : Ransomware, Antivirus, Machine Learning, Malware.
Co-Authors Florencia Gulo Mardawia Mabe Parenreng