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 46 Documents
Search

 1   2   3   4   5 
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
Analisis Sistem Deteksi Anomaly Traffic Menggunakan Pembandingan Perubahan Fitur Pada Triangle-area-map Untuk Mengenali Tipe Anomali Mujp Muhammad Irsyad; 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 Seiring berkembangnya teknologi internet sekarang ini, semakin banyak muncul jenis serangan ataupun ancaman terhadap sebuah komputer atau server dalam sebuah jaringan, salah satu contohnya berupa anomaly traffic. Beberapa macam tipe anomaly traffic pada komputer dalam sebuah jaringan internet seperti Denial of Service (DoS), Distributed Denial of Service (DDoS) atau flashcrowd. Oleh karena itu, dibutuhkan adanya suatu sistem deteksi untuk mendeteksi dan mengenali setiap anomaly trafik tersebut. Pada penelitian Tugas Akhir ini mengembangkan sistem deteksi berbasis statistik menggunakan Multivariate Correlative Analysis (MCA). MCA menggunakan teknik representasi Triangel-Area-Map (TAM) untuk mendeskripsikan hubungan antar setiap fitur trafik dengan menghitung jarak satu buah nilai fitur terhadap nilai fitur yang lain untuk setiap fitur hasil ekstraksi. Data hasil pengolahan MCA dianalisis menggunakan Mahalanobis Distance untuk digunakan sebagai data referensi atau observasi. Proses pendeteksian terhadap data yang diobservasi berbasis threshold dari data referensi dan proses klasifikasi anomali menggunakan Mahalanobis Distance dan Cosine Distance untuk menghitung besar jarak antara nilai fitur TAM trafik yang diobservasi dengan TAM trafik acuan. Pengujian sistem dilakukan dengan melakukan pengukuran tingkat keakuratan algoritma, berdasarkan hasil keluaran sistem dengan parameter Detection Rate (DR), False Positive Rate (FPR) dan Accuracy (ACC). Kata Kunci : anomali trafik, DDoS, flash-crowd, multivariate correlative analysis, triangle-area-map, mahalanobis distance
Analisis Long Range Dependence Untuk Sistem Deteksi Anomali Trafik Dengan Hurst Estimator Menggunakan Metode Periodogram Henri Topan; 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 Anomali trafik merupakan sebuah fenomena pada internet yang menjadi topik hangat penelitian saat ini. Beberapa contoh anomali trafik tersebut adalah Serangan DDoS dan flashcrowd. Saat ini intensitas serangan DDoS semakin meningkat. Oleh karena itu, penelitian dalam sistem deteksi trafik anomali banyak dilakukan saat ini. Banyak metode yang digunakan untuk mendeteksi trafik anomali tersebut, salah satunya adalah dengan metode statistik jaringan yaitu dengan Long Range Dependence.Pada penelitian-penelitian yang telah dilakukan sebelumnya, sebagian besar peneliti hanya menggunakan satu metode analisis saja. Sehingga hanya dapat mendeteksi serangan DDoS tanpa ada analisis penunjang untuk memperkuat akurasi pendeteksian serangan. Pada penelitian ini, dilakukan penggabungan metode analisis yaitu analisis autocorrelation, hyperbollivcaly decay, dan autocovarians. Sehingga metoda ini diharapkan memiliki tingkat akurasi yang lebih baik. Hasil akhir dari penelitian ini adalah berupa metode pendeteksian anomali trafik dengan parameter output berupa false positive rate yang rendah dan detection rate yang tinggi. Kata Kunci: Trafik anomali, DDoS, Long Range Dependence
Pengelompokan Trafik Berdasarkan Kelompok Dengan Algoritma Clustream Untuk Deteksi Anomali Pada Aliran Trafik Rahmat Ramadhan; 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

Perkembangan jaringan teknologi internet sudah semakin pesat, keamanan jaringan menjadi fokus penting dalam melindungi serangan terhadap suatu data di jaringan. Saat ini begitu banyak jenis penyusupan atau serangan terhadap suatu jaringan komputer. Keamanan jaringan komputer sangatlah penting untuk menjaga integritas data. IDS (Intrusion Detection System) merupakan sistem komputer yang digunakan untuk mengidentifikasi jika terdapat aktifitas yang mencurigakan pada lalu lintas suatu jaringan. Sistem deteksi anomali trafik ini mempunyai kemampuan untuk mendeteksi anomali yang terjadi dan mengenali setiap serangan sehingga dapat dikelompokkan berdasarkan waktu serangan dan kelompok serangan. Waktu serangan dan kelompok serangan adalah parameter untuk meningkatkan akurasi deteksi. Dan pada penelitian ini dibangun sebuah metode IDS yang menggunakan algoritma Clustream. Hasil dari penelitian ini sistem yang dibangun dapat bekerja dengan baik dalam deteksi dan membedakan antara traffic normal dan traffic anomaly. Setiap serangan akan dianalisi dengan algoritma Clustream berdasarkan waktu serangan dan kelompok serangan. Dimana algoritma Clustream terbagi menjadi online (mikro-Clustering) dan offline (makro-Clustering). Pada online komponen menyimpan statistik summary secara periodik tentang stream data sedangkan untuk offline komponen berdasarkan pada statistik summary yang tersimpan. Kata Kunci : IDS (Instrusion Detection System), anomaly trafik, algoritma clustream
Perancangan Dan Analisis Deteksi Anomaly Berbasis Clustering Menggunakan Algoritma Modified K-means Dengan Random Initialization Pada Landmark Window Made Indra Wira Pramana; 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 Seiring perkembangan internet, terdapat gangguan dalam jaringan yang dapat menganggu layanan, salah satunya adalah Distributed Denial of Service (DDoS) yang merupakan serangan dengan tujuan menghilangkan hak ases sehingga dapat memberi dampak yang merugikan bagi user dan service provider. Fenomena lain adalah Flash Crowds yang memiliki kemiripan dengan DDoS, namun Flash Crowds tidak dikategorikan sebagai serangan karena memiliki ciri yang berbeda. Flash Crowds biasanya terjadi saat terdapat sebuah berita besar atau peluncuran produk baru sehingga permintaan akses meningkat namun terjadi secara gradual. Metode yang dapat digunakan dalam mendeteksi anomaly dalam jaringan adalah Intrusion Detection System (IDS), agar dapat mengenali jenis anomaly baru, maka IDS dapat dibangun anomaly-based salah satunya dengan memanfaatkan unsupervised learning clustering sehingga tidak memerlukan database dalam perancangannya. Algoritma dalam teknik clustering dipilih algoritma K-Means yang memiliki ruang modifikasi dan pengembangan yang luas. Algoritma K-Means yang digunakan dalam penelitian ini dimodifikasi dengan Random Initialization dan dikombinasikan dengan Landmark Window sehingga menghasilkan cluster yang optimal ditinjau dari parameter Detection Rate (DR), Accuracy (ACC), dan False Positive Rate (FPR). Kata kunci : Network, Anomaly, Clustering, K-Means, Random Initialization, Landmark Window. Abstract
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