Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal KURVA S JURNAL MAHASISWA Media Journal of General Computer Science (MJGCS)
SAYID ACHMAD MAULANA
UNTAG Samarinda
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
PERHITUNGAN STRUKTUR BOX CULVERT PADA RUAS JALAN PULAU KALIMANTAN KECAMATAN SEBULU MAULANA, SAYID ACHMAD
KURVA S JURNAL MAHASISWA Vol 4, No 1 (2014)
Publisher : KURVA S JURNAL MAHASISWA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (304.128 KB)

Abstract

Drainase  adalah  prasarana   yang  berfungsi  mengalirkan   air  permukaan kebadan  air  atau  bangunan  resapan  buatan.  Sedangkan  drainase  perkotaan adalah drainase diwilayah perkotaan yang berfungsi mengendalikan kelebihan air permukaan sehingga tidak mengganggu aktivitas masyarakat dan lingkungan dan dapat memberikan manfaat bagi masyarakat. Pada peneltian ini dilakukan perhitungan terhadap system drainase pada ruas jalan pulau Kalimantan kec. Sebulu dengan menggunakan jenis box culvert dari konstruksi beton bertulang dan dari hasil perhitungan didapat kebutuhan dimensi box culvert 300 x 300 cm dengan panjang 1200 cm. Dimensi tersebut mampu menyalurkan debit air rancangan sebesar 2,288 m3/detik untuk umur rencana 5 tahun. Nilai debit rancangan  didapat  dari hasil analisis frekuensi  data curah hujan  berdasarkan  metode  gumbell  dari  data  curah  hujan  rata  rata  dengan jumlah tahun pengamatan sebanyak 10 tahun. Dari hasil perhitungan penulangan didapat untuk penulangan pelat lantai atas dan  bawah  menggunakan  diameter  19  mm  dan  untuk  diameter  penulangan samping dan sayap menggunakan diameter16mm. Selain itu box culvert direncanakan terhadap beban kendaraan dengan muatan sumbu terberat sebesar8 ton, sehingga tidak disarankan untuk beban lalu lintas yang lebih besar dari 8 ton untuk melintas di atasnya. 
Android Security: Malware Detection with Convolutional Neural Network and Feature Analysis Sharipuddin; Putra, Rafi Septiandi; Aulia, M. Farhan; Maulana, Sayid Achmad; Jusia, Pareza Alam
Media Journal of General Computer Science Vol. 1 No. 1 (2024): MJGCS
Publisher : MASE - Media Applied and Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62205/mjgcs.v1i1.7

Abstract

Android is a mobile operating system based on a modified version of the Linux kernel and other open-source tools. Due to its system efficiency and the multitude of features it offers to users, the Android operating system has taken a leading position in the technology market and often attracts the attention of cybercriminals. As malware continues to evolve, traditional methods for detecting Android malware, such as signature-based approaches, may not be sufficient to detect the latest malware threats. Therefore, this research proposes a deep learning algorithm, specifically Convolutional Neural Network (CNN) and Component Analysis (PCA), for feature extraction to enhance the accuracy of Android malware detection. The dataset used in this study is the CICAndMal2017 dataset. Testing results are evaluated using three parameters: accuracy, precision, and recall. Experimental results indicate that our deep learning approach outperforms many other methods with an accuracy of 91%.
Co-Authors Aulia, M. Farhan Pareza Alam Jusia, Pareza Alam Putra, Rafi Septiandi Sharipuddin