Article Per Year (5 Year)
p-Index From 2020 - 2025
2.93
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JSM (Jurnal SIFO Mikroskil) Journal of Engineering and Technological Sciences Seminar Nasional Informatika (SEMNASIF) JETT (Jurnal Elektro dan Telekomunikasi Terapan) Madani : Indonesian Journal of Civil Society Devotion: Journal of Research and Community Service eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Journal of Computer Engineering: Progress, Application and Technology
Yudha Purwanto
Telkom University
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4 
Perancangan Dan Analisis Deteksi Anomaly Berbasis Clustering Menggunakan Algoritma Modified K-means Dengan Timestamp Initialization Pada Sliding Window I Wayan Oka Krismawan Putra; Yudha Purwanto; Fiky Yosef Suratman
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Anomaly Traffic yang terjadi di Internet biasanya membuat pengguna resmi tidak dapat mengakses dengan baik. Hal ini dapat disebabkan oleh peningkatan jumlah pengguna pada satu waktu atau karena serangan botnet ke jaringan. Tujuan penelitian ini metode untuk mendeteksi apakah ada anomaly traffic atau tidak. Penelitian ini menggunakan algoritma k-means sebagai algoritma deteksi yang dimodifikasi pada penentuan centroid dan inisialisasi cluster, di mana inisialisasi cluster digunakan Timestamp Inisialisasi yang diterapkan dalam penentuan centroid dan cluster berdasarkan titik data point yang diperoses. Modifikasi k-means menggunakan Timestamp Inisialisasi dapat menghilangkan penentuan k-value cluster yang mempengaruhi detection rate dan false positive rate saat menggunakan berbeda k-value cluster. Penelitian ini juga menggunakan teknik windowing untuk mendapatkan proses yang lebih baik efisien untuk mendeteksi anomaly traffic dengan hasil detection rate yang tertinggi 96.06% dan false positive rate terkecil 0.75% dari pengujian beberapa dataset. Kata kunci: Anomaly Traffic, Clustering, Modified K-Means, Timestamp Initialization, Windowing
Analisis Metode Covariance Matrix Menggunakan Teknik Landmark Window Untuk Sistem Deteksi Anomali Trafik Jatmiko Reno Ramadhani; Yudha Purwanto; Tito Waluyo Purboyo
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam beberapa tahun terakhir, fenomena anomali trafik pada lalu lintas jaringan komputer menarik banyak perhatian para peneliti. Menurut [1] serangan Distributed Denial of Service (DDoS) adalah jenis serangan yang dapat merugikan trafik jaringan yang sedang digunakan, baik terhadap target serangan maupun seluruh pengguna. Sedangkan peristiwa flashcrowd adalah sebuah lonjakan besar pada lalu lintas jaringan internet karena jumlah user yang mengakses server naik secara signifikan dan menempatkan tekanan berat pada link jaringan yang mengarah ke server. Pada tugas akhir ini digunakan teknik statistik covariance matric yang tidak mengabaikan fitur satu dengan fitur lainnya, dapat dibuat sistem deteksi anomali dengan mengubah data asli ke ruang fitur covariance. Serangan yang ada ini dapat diklasifikasi dengan menggunakan SVM. Accuracy, detection rate dan false positive rate adalah parameter pengujian yang digunakan dalam penelitian. Hasil dari penelitian ini, algoritma SVM memiliki performansi nilai rata-rata detection rate dalam mengklasifikasikan data homogen sebesar 99% pada dataset KDDCUP 99 dan akurasi sebesar 90,5%. Untuk data heterogen performansi menurun dengan meningkatnya nilai FPR pada data yg di uji dengan rata-rata 22,6% karena data diberi noise serangan pada proses preprocessing. Kata kunci : DdoS, SVM, flashcrowd, covariance matrix, Landmark Window, detection rate, false positive rate.
Perancangan Dan Analisis Clustering Data Menggunakan Metode Single Linkage Untuk Berita Berbahasa Inggris Design And Analysis Of Data Clustering Using Single Linkage Method For English News Fachri Nugraha Adhiatma; Surya Michrandi Nasution; Yudha Purwanto
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pada era sekarang dunia komputer dan informasi sudah berkembang sangat pesat. Terutama di bidang pengolahan data. Seiring dengan perkembangan zaman, data yang terbentuk di zaman sekarang sudah se makin banyak. Oleh karena itu dibutuhkan suatu solusi supaya data tersebut bisa diolah menjadi informasi yang berguna. Data mining merupakan suatu solusi untuk menangani banyaknya data. Data mining adalah sebuah alat yang memiliki peranan penting untuk mengatur dan mengolah banyaknya data. Pada penelitian ini penulis membahas tentang clustering data untuk data teks, yaitu menggunakan data berita yang diambil dari situs online dan dipindah ke notepad dengan format .txt. Pada penelitian ini, penulis menggunakan metode single lingkage clustering. Metode single linkage clustering merupakan bagian dari agglomerative hierarchical clustering. Metode single linkage mengelompokkan data berdasarkan pada data atau objek terdekat. Metode yang digunakan untuk mengetahui kualitas cluster adalah dengan validitas berorientasi kemiripan. Hasil yang sudah tercapai dari sistem summarize dan single linkage clustering cukup baik. Summarize dengan persentase 50% adalah yang terbaik, yaitu memiliki tingkat akurasi 74.10%. Sedangkan, Single linkage clustering dengan 12 cluster memiliki tingkat akurasi yang terbaik dibandingkan dengan single linkage clustering 6 cluster dan akurasi yang dihasilkan oleh jumlah cluster sebanyak 12 cluster adalah 79.8%. Kata kunci : Data mining, text mining, clustering, agglomerative hierarchical clustering, single linkage, summarize
Perbandingan Metode Sampling Dan Dimensionality Reduction Untuk Mereduksi Kompleksitas Algoritma Deteksi Pada Ddos Fahmy Rezqi Pramudhito; Yudha Purwanto; Astri Novianty
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pada kenyataannya data yang berukuran besar tidak akurat, tidak komplit dan tidak konsisten. Sebuah data yang tidak berkualitas akan menghasilkan hasil proses yang tidak berkualitas. Yang menyebabkan data tidak akurat ,tidak komplit dan tidak konsisten diantaranya adalah kesalahan dari manusia dan computer error pada saat memasukan data. Selain itu yang menyebabkan data tidak komplit diantaranya tidak konsisten dalam kaidah penamaan dan tidak konsisten dalam format untuk pengisian. Dengan adanya data yang tidak konsisten akan membuat data yang relevan kemungkinan tidak terekam dan menjadi sulit untuk dimengerti. Apabila data tidak konsisten terekam maka data tersebut akan dihapus secara otomatis.Pada Tugas Akhir ini,melakukan pengolahan data mentah ke tahap preprocessing dengan menggunakan teknik data reduction yaitu sampling dan dimensionality reduction. Tujuannya untuk mereduksi kompleksitas data yang diteliti dan hasil dari data preprocessing yang diperoleh dapat diklasifikasikan berdasarkan kebutuhan algoritma yang diteliti.Pada proses sampling data yang besar akan diolah menjadi data baru secara acak dari data sample yang ada. Sementara pada proses selanjutnya dimensionality reduction, data yang mempunyai high dimensionality akan direduksi menjadi lower dimensionality sehingga akan mendapatkan ouput berupa new feature.Data yang akan diteliti berupa raw data hasil streaming yang dilakukan oleh NS-3. Data streaming yang dilakukan oleh NS-3 terdiri dari serangan normal dan anomali.Data tersebut akan diolah ke tahap preprocessing, sehingga akan memperoleh relevansi fitur trafik baru. Hasil dari penilitian ini memperoleh kompleksitas dari masing-masing algoritma. Dengan hasil kompleksitas tersebut maka kompleksitas skenario 1 lebih baik dengan skenario 2. Dengan adanya penggabungan antara Sampling + PCA maka diperoleh nilai big-O dengan notasi O(n,p) . Dengan n sebagai jumlah data analisis sampling dan p sebagai jumlah kolom dari analisis PCA. Kata kunci: DDoS,Sampling,Dimensionality Reduction,Time Complexity,NS-3
Sistem Enkripsi Menggunakan Algoritma Aes-128 Pada Prototype Community Messenger Berbasis Android Andi Wijaya; Yudha Purwanto; Surya Michrandi Nasution
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Instant messaging (IM) saat ini sangat diminati oleh seluruh kalangan penduduk dunia, termasuk di Indonesia. Sebagian besar masyarakat yang menggunakan smartphone menggunakan aplikasi ini untuk mempermudah komunikasi. Dengan maraknya penggunaan IM, maka aspek keamanan data atau informasi pada IM juga perlu dipertimbangkan. Oleh sebab itu, penggunaan sistem enkripsi pada IM sangat dibutuhkan untuk menjaga keamanan data atau informasi saat berkomunikasi. Algoritma enkripsi dan dekripsi yang akan digunakan adalah Algoritma AES-128. Algoritma ini merupakan algoritma stream cipher dan menggunakan kunci simetris 128-bit. Dengan menggunakan algoritma ini, data atau informasi yang akan dikirim ke penerima akan lebih aman. Sistem enkripsi dan dekripsi menggunakan algoritma AES-128 ini akan diimplementasikan pada aplikasi Prototype Community Messenger berbasis sistem operasi Android yang memiliki performansi baik, terlihat dari nilai Avalanche Effect dengan rata-rata bernilai 0,539069. Perbandingan waktu enkripsi dan dekripsi pesan, dimana semakin banyak masukkan pesan oleh pengguna maka waktu enkripsi dan dekripsi semakin lama. Kata Kunci : instant messaging (IM), enkripsi, algoritma AES-128, android
Analisis Self-similar Untuk Sistem Deteksi Anomali Dengan Estimasi Hurst Eksponen Menggunakan Metode R/s Hanif Nurohman; Yudha Purwanto; Hafidudin Hafidudin
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Serangan Denial of Service (DoS) merupakan sebuah fenomena yang sedang menjadi topik hangat belakangan ini. Intensitas serangan DoS semakin meningkat setiap harinya dengan ditemukannya jenis serangan baru dengan tipe yang sama yaitu Distributed Denial of Service (DDoS). Kedua serangan tersebut menyerang korban dengan cara membanjiri kanal trafik korban dengan banyak kiriman paket pada satu waktu. Hal ini membuat aliran paket yang menuju komputer korban menjadi tersendat sehingga memungkinkan koran tidak mendapatkan paket yang diinginkan karena padatnya trafik pada jaringannya. Metode LRD dan Self-Similarity merupakan metode yang cocok dengan sifat trafik jaringan yaitu variability dan burstiness. Pada metode LRD dinyatakan bahwa trafik jaringan menunjukan sebagai memori jangka panjang dimana tingkah laku tersebut berkorelasi melalui waktu yang terpisah jauh. Hal ini menunjukan bahwa setiap paket yang dikirim dan diterima memiliki korelasi dan hubungan tertentu meskipun waktu antar kedatangan paket terpisah cukup jauh. Dalam DDoS kemungkinan korelasi dan hubungan tersebut tidak terjadi dalam waktu yang dekat sekalipun. Ini membuat pendeteksian menggunakan DDoS menggunakan LRD menjadi salah satu metode terbaik. Self-Similarity adalah sebuah skala dari invarian yang selalu memiliki kesamaan, jadi ketika self- similarity digunakan kedalam pemodelan trafik, maka terlihat plot dari trafik tersebut memiliki kesamaan, walaupun secara waktu memiliki perbedaan. Kata Kunci : DDoS, LRD, Self-Similarity, burstiness
Pengelompokan Trafik Berdasarkan Waktu Dengan Algoritma Clustream Untuk Deteksi Anomali Pada Aliran Trafik Amalia Rizqi Utami; Yudha Purwanto; Nurfitri Anbarsanti
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pada perkembangan teknologi jaringan internet sekarang ini banyak membahas tentang fenomena-fenomena serangan atapun ancaman terhadap sebuah komputer atau server. Banyak sekali macam-macam tipe ancaman pada komputer dalam sebuah jaringan internet seperti DoS (Denial of Service), DDoS (Distributed Denial of Service), flash-crowd, dan sebagainya. Oleh karena itu, untuk memudahkan dalam pengambilan informasi agar sesuai dengan keinginan, perlu adanya pengelompokan dalam anomali trafik tersebut untuk mengenali tipe-tipe serangan yang baru. Dari permasalahan tersebut perlu suatu sistem deteksi anomali trafik yang mempunyai kemampuan untuk mendeteksi anomali dan mengenali setiap serangan yang datang dengan dilakukan pengelompokkan berdasarkan waktu dan grup. Waktu dan grup adalah parameter untuk meningkatkan akurasi deteksi algoritma. Dan pada penelitian ini dibangun sebuah metode IDS yang menggunakan algoritma clustream. Hasil dari penelitian ini, sistem yang dibangun secara  real-time dapat  bekerja dengan baik dalam deteksi dan membedakan antara trafik normal dan anomali trafik. Pengelompokkan trafik dilakukan perdua detik, setelah itu akan dianalisis dengan algoritma clustream. Algoritma ini terbagi menjadi online (micro-clustering) dan offline (macro- clustering). Di mana macro-clustering akan menggunakan data hasil dari micro-clustering. Kata Kunci : anomali trafik, clustering, algoritma clustream, stream traffic
Analisis Pengaruh Penggunaan Manhattan Distance Pada Algoritma Clustering Isodata(self-organizing Data Analysis Technique) Untuk Sistem Deteksi Anomali Trafik A. A. Ngurah Wisnu Gautama; Yudha Purwanto; Tito Waluyo Purboyo
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Ketertarikan masyarakat terhadap berbagai informasi yang mudah didapat menyebabkan meningkatnya penggunaan internet. Seiring banyaknya masyarakat yang mengakses internet menyebabkan adanya fenomena anomali trafik. Fenomena anomali trafik ini dapat berupa serangan DDoS dan flash crowd. Dilihat dari dampak negatif yang terdapat anomali trafik tersebut, maka pada penelitian ini dibuat sebuah metode Intrusion Detection System (IDS) dengan teknik unsupervised learning yang menggunakan algoritma ISODATA clustering dengan penambahan metode berbasis pengukuran jarak Manhattan Distance dan metode Dunn Index untuk menghitung kualitas cluster yang dihasilkan. Hasil dari penelitian ini, sistem yang sudah dibangun menunjukan hasil performansi yang baik dan minimnya dalam kesalahan deteksi dilihat dari sistem yang sudah mampu membedakan trafik anomali dengan trafik normal. Dengan menggunakan metode Manhattan Distance, waktu proses yang dibutuhkan lebih singkat dibandingkan dengan metode Euclidean Distance. Kata Kunci : Anomali trafik, DDoS, Flash Crowd, Isodata, Clustering, Manhattan Distance, Dunn Index
Deteksi Jenis Serangan Pada Distributed Denial Of Service Berbasis Clustering Dan Classification Menggunakan Algoritma Minkowski Weighted K-means Dan Decision Tree Riski Pristi Ananto; Yudha Purwanto; Astri Novianty
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Seiring dengan meningkatnya perkembangan dan peran internet saat ini, juga berdampak pada meningkatnya jenis gangguan atau serangan terhadap pengguna internet, salah satunya Distributed Denial of Service (DDoS). DDoS merupakan salah satu jenis serangan Denial of Service dimana serangan ini menggunakan banyak host penyerang secara bersamaan dengan mengirimkan data secara berulang-ulang dengan tujuan agar target tidak bisa menggunakan hak akses sebuah jaringan dengan baik. Banyak penelitian terkait metode deteksi pada serangan DDoS, namun kebanyakan penelitian hanya terbatas pada penggunaan algoritma yang sering kali tidak memberikan hasil deteksi yang optimal apabila dilakukan pengujian menggunakan berbagai macam bentuk dataset yang berbeda. Maka dibutuhkan suatu sistem deteksi yang terdiri dari beberapa algoritma yang mampu beradaptasi dengan berbagai macam bentuk dataset agar dapat memberikan hasil deteksi yang lebih optimal. Pada tugas akhir ini sistem melakukan pengelompokkan serangan dan sekaligus melabelkan tipe serangan tersebut. Pengelompokkan data dilakukan menggunakan algoritma Minkoski Weighted K-means yang mengelompokkan data berdasarkan kemiripannya. Data yang sudah dikelompokkan selanjutnya diklasifikasi dan diberikan label menggunakan metode Decision Tree. Berdasarkan kemampuan adaptasi algoritma Minkowski Weighted K-means dalam melakukan pengelompokkan data menjadi beberapa kluster yang optimal dan ditambah efektifitas dari metode Decision Tree pada proses pelabelan masing – masing data yang diolah, didapatkan hasil berupa nilai akurasi sebesar 94.78% dengan false positive rate 0.26% dan detection rate 99.98%. Dengan perbandingan beberapa skenario didapatkan bahwa nilai p untuk minkowski distance yang memberikan hasil paling optimal adalah 2.5. Kata kunci: Minkowsi Weighted K-means, Decision Tree, DDoS
Analisis Sistem Deteksi Anomali Trafik Menggunakan Algoritma Clustering Cure (clustering Using Representatives) Dengan Outlier Removal Clustering Dalam Menangani Outlier Muhammad Agung Tri Laksono; Yudha Purwanto; Astri Novianty
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Perkembangan pesat teknologi dan informasi khusunya internet sekarang ini memicu munculnya fenomena-fenomena anomali trafik (serangan) atapun ancaman terhadap sebuah komputer atau server. Flash crowd merupakan fenomena peningkatan akses / trafik secara tinggi ke suatu server karena suatu kejadian tertentu. Serangan Denial of Service (DoS) dan Distributed Denial of Service (DDoS) merupakan serangan yang terjadi dengan membanjiri lalu lintas jaringan dengan banyak data (traffic flooding) atau membanjiri jaringan dengan banyak request terhadap sebuah host atau service (request flooding) sehingga tidak dapat diakses oleh user yang terdaftar / berhak (legitimate user). Oleh karena itu, perlu adanya suatu sistem deteksi dengan melakukan pengelompokan pada anomali trafik. Pada penelitian Tugas Akhir ini digunakan salah satu teknik dalam deteksi anomali trafik yaitu clustering based. Algoritma CURE merupakan salah satu algoritma clustering berbasis hierarchical yang memiliki prestasi dapat mengatasi outlier Kemudian, fokus penelitian Tugas Akhir ini adalah dalam hal menangani titik outlier dari dataset yang digunakan. Outlier dieliminasi dengan menghapus titik yang dianggap sebagai outlier dengan teknik outlier removal clustering (ORC). Hasil dari penelitian ini, algoritma CURE memiliki perfomansi yang baik dalam mendeteksi anomali trafik. Hal itu dapat ditunjukkan dengan pengujian yang dilakukan dengan dataset DARPA 1998, dimana nilai rata-rata detection rate sebesar 98.4588 %, false positive rate 0.2325 %, dan accuracy 94.7323 %. Hasil pengujian eliminasi outlier dengan threshold 0.1 – 1, teknik ORC berhasil menemukan dan menghapus titik yang dianggap sebagai outlier. Kata kunci: anomali trafik, ddos, flash crowd, preprocessing, clustering, algoritma cure
Co-Authors A. A. Ngurah Wisnu Gautama Abi Hakim Amanullah Aditya Kurniawan Afandi, Mas Aly Agus Setiawan Popalia Amalia Rizqi Utami Andi Andrea Lesmana Andi Wijaya Andri Juli Setiawan Angga Slamet Wahyudi Angger Kartyasa Pribadi Putra Anggun Fitrian Isnawati Aqmarina Qisthy Adhani Arfianto Fahmi Arya Raditya Prawira Putra, Dendi Ashri Dinimaharawati Bahy, Raihan Febian Budhi Irawan Budi Rahardjo Casi Setianingsih Dadan Nur Ramadan Delvia Santi Dendi Arya Raditya Prawira Putra Doan Perdana Ezi Rohmat Fachri Nugraha Adhiatma Fahmy Rezqi Pramudhito Fahrani, Fina Fairuz Azmi Faris , Muhammad Faris Ruriawan, Muhammad Febian Bahy, Raihan Fiky Y. Suratman Fina Fahrani Gusniarti, Refsi Hafidudin . Hanif Nurohman Harival Zayuka Harry Rakhmat Hendrawan Hendrawan Henri Topan I Wayan Oka Krismawan Putra I. N Apraz Ramatryana Ida Wahidah Hamzah Indrarini Dyah Indrarini Dyah Irawati Ivosierra Andrea Larasaty Jatmiko Reno Ramadhani KUSPRIYANTO Laksono, Paundra Dwi Leonita Angelina M. Aldo Shauma Made Indra Wira Pramana Marisa Paryasto Metris S. Widura Moh. Irfan Ali Yafi Muhammad Agung Tri Laksono Muhammad Faris Ruriawan Mujp Muhammad Irsyad Novianty, Astri Nurfitri Anbarsanti Paryasto, Marisa Permana, Nana Popalia, Agus Setiawan Pratama Saputra, Rakha Rizqllah Putri Rahmasari Yunelfi Rahmat Ramadhan Reni Dyah Wahyuningrum Riski Pristi Ananto Rumani Mangkudjaja Ryan Danny Kresnawan Setiawan, Asep S Siti Rachmi Wulandari Sony Sumaryo Sugondo Hadiyoso Surya Michrandi Nasution Tia Dianti Hajizah Timothy Harlian Tito Waluyo Purboyo Yunelfi, Putri Rahmasari