Garuda - Garba Rujukan Digital

Mobile Forensics Investigation Proses Investigasi Mobile Forensics Pada Smartphone Berbasis IOS Sidik Madiyanto; Husni Mubarok; Nur Widiyasono
JRSI (Jurnal Rekayasa Sistem dan Industri) Vol 4 No 01 (2017): Jurnal Rekayasa Sistem & Industri - Juni 2017
Publisher : School of Industrial and System Engineering, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jrsi.v4i01.149

Abstrak — Ponsel merupakan salah satu teknologi yang sering digunakan oleh manusia dalam kegiatan sehari-hari. Tujuan utamanya adalah orang yang menggunakan ponsel untuk berkomunikasi dengan orang lain. Bentuk komunikasi melalui udara dapat tujuan bervariasi, dari yang hanya berbicara tentang hal-hal sederhana sampai hal-hal yang serius, misalnya tentang pekerjaan dan kegiatan positif dan negatif. Ini bisa menjadi bentuk negatif dari percakapan tentang rencana untuk kejahatan seperti pembunuhan, perampokan, pemerasan, korupsi dan narkoba. Analisis forensik digital dan peneliti harus dapat mengantisipasi hal-hal ini, sehingga ketika ada bukti ponsel yang disita dari para pelaku dapat diperiksa dengan baik sesuai dengan prinsip-prinsip dasar forensik digital. Penelitian ini menggunakan DFIF (Digital Forensik Investigasi Framework) dalam penyelidikan perangkat smartphone dengan mencari bukti berupa percakapan digital melalui pesan teks. Hasil investigasi yang dilakukan dalam bentuk informasi untuk membuktikan bahwa pelaku tindak pidana, informasi tersebut kemudian disajikan dalam bentuk laporan forensik yang akan digunakan selama persidangan. Kata kunci: Smartphone, Bukti Digital, Mobile Forensics, Investigasi

Implementasi Sistem Informasi Geografis pada Aplikasi Data Orang Hilang (Studi Kasus: Polres Tasikmalaya Kota) Hadi Purwadi; Husni Mubarok; Rianto Rianto
JUITA : Jurnal Informatika JUITA Vol. 6 Nomor 1, Mei 2018
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Secara harfiah, orang hilang merupakan orang yang keberadaannya tidak diketahui oleh orang-orang terdekatnya. Berdasarkan data Direktorat Kriminal Umum Polda Metro Jaya, tercatat pada tahun 2011 telah terjadi peningkatan orang hilang. Di Kota Tasikmalaya sendiri kasus orang hilang sudah mendapatkan perhatian yang lebih dari Kepolisian Resor Tasikmalaya Kota karena laporan orang hilang yang meningkat. Misalnya seperti pemetaan titik lokasi terakhir orang hilang agar mempermudah pencarian. Sejalan dengan masalah itu, maka diperlukannya suatu rancang bangun aplikasi data orang hilang di Kepolisian Resor Tasikmalaya Kota yang memiliki fitur pemetaan lokasi terakhir orang hilang. Tujuan dari penelitian ini adalah merancang aplikasi data orang hilang berbasis sistem informasi geografis dan mengimplementasinya pada aplikasi data orang hilang di Polres Tasikmalaya Kota. Metode penelitian yang digunakan adalah akuisisi pengetahuan, sedangkan untuk pengembangan sistemnya menggunakan metode waterfall. Hasil akhir dari penelitian ini adalah sebuah aplikasi yang berjalan sesuai dengan harapan. Hal ini didapat dari pengujian yang dilakukan terhadap pengguna dan pengujian algoritma geometri titik model vektor. Kata kunci – Metode Akuisisi Pengetahuan, Metode Waterfall, Orang Hilang, Sistem Informasi Geografis.

IMPLEMENTASI SISTEM INFORMASI GEOGRAFIS (SIG) PADA PENYEBARAN LOKASI KULIAH KERJA NYATA (KKN) Alfi Andryan Suryadi; Husni Mubarok; Rohmat Gunawan
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 9, No 1 (2018): JURNAL SIMETRIS VOLUME 9 NO 1 TAHUN 2018
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v9i1.2082

Kuliah Kerja Nyata (KKN) merupakan salah satu bentuk kegiatan yang memadukan unsur Tri Dharma Pendidikan Tinggi dalam upaya meningkatkan isi dan bobot pendidikan bagi mahasiswa. Kegiatan KKN juga telah dilaksanakan oleh Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas XYZ. Tetapi, masih ada permasalahan dalam penyelenggaraan kegiatan KKN tersebut, diantaranya sulitnya pihak LPPM dalam memetakan lokasi KKN secara visual, sulitnya Dosen Pembimbing Lapangan (DPL) dan mahasiswa mengetahui lokasi desa tempat KKN secara visual serta belum tersedianya informasi jalur atau rute menuju lokasi KKN. Agar pemetaan lokasi KKN secara visual dapat dilakukan maka, diusulkan untuk dikembangkan Sistem Informasi Geografis (SIG) pemetaan lokasi KKN. Dalam pengembangan SIG pemetaan lokasi KKN ini digunakan metode prototype yang terdiri dari: Communication, Quick Plan, Modelling Quick Design, Contruction of Prototype dan Deployment Delivery and Feedack. Hasil dari penelitian ini, berdasarkan data KKN tahun 2017, SIG yang dikembangkan telah dapat menyediakan informasi pemetaan lokasi KKN sebanyak 91 desa, yang dapat diakses oleh 281 DPL dan 2178 mahasiwa peserta KKN, serta dapat menampilkan lokasi rute menuju desa lokasi KKN beserta koordinat lokasi setiap desa.

Darknet, Malware, KNN, Forensik Prediksi Jaringan TOR dan VPN menggunakan Algoritma K-Nearest Neighbour pada Trafik Darknet Aay Ramdan ramdan; Nur Widyasono; Husni Mubarok
Jurnal Sistem Cerdas Vol. 5 No. 1 (2022)
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v5i1.167

Proses network forensic untuk menganalisis malware telah dilakukan peneliti sebelumnya dengan menerapkan metode manual diantaranya metode Anomali Behaviour pada file capture trafik jaringan. Network forensik tersebut memerlukan proses yang lebih lama dan tidak akurat dengan hasil yang diinginkan. Perkembangan articial intelligence berkembang pesat pada setiap bidang teknologi dapat memberikan peluang terhadap bidang malware analisis dan digital forensik agar dapat melakukan proses analisis lebih cepat dan tepat terutama penggunaan Machine Learning. Trafik darknet merupakan jaringan internet yang didalamnya terdapat berbagai ancaman kejahatan cyber. Penelitian terhadap analisis malware terutama klasifikasi trafik darknet dengan menggunakan algoritma machine learning telah banyak dilakukan, namun hasil yang didapat berupa pengukuran kinerja pada setiap algoritma machine learning terhadap proses analisis malware tanpa adanya pembaruan dataset ataupun implementasi dalam sebuah aplikasi. Pembaruan dataset sangat diperlukan agar analisa malware dapat mengidentifikasi perkembangan malware terbaru dan implementasi dilakukan agar dapat diketahui kinerja dari sebuah algoritma yang diterapkan, oleh karena hal tersebut dalam penelitian ini akan dibahas tentang proses analisis ancaman malware pada trafik darknet dengan menggunakan algoritma machine learning yaitu K-Nearest Neighbour untuk memprediksi sebuah ancaman serangan malware dengan dataset CICDarknet 2020. Hasil pengukuran performa dataset menggunakan KNN memiliki nilai akurasi 96,17% dengan menerapkan pemilihan fitur dengan information gain.

Penerapan Model Vogel Approximation Method Untuk Optimalisasi Rute Perbaikan Access Point Berdasarkan Biaya (Studi Kasus PT XYZ) Muhammad Anwari; Husni Mubarok; Heni Sulastri
Innovation in Research of Informatics (INNOVATICS) Vol 1, No 1 (2019): Maret 2019
Publisher : Informatika Universitas Siliwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/innovatics.v1i1.680

Kebutuhan internet pada masa sekarang menjadi kebutuhan utama. Perusahaan penyedia internet seperti PT. XYZ memiliki ribuan produk access point, seiring banyaknya pelanggan yang memakai produk access point maka semakin banyak juga produk yang harus dipelihara agar meningkatkan kepuasan pelanggan. Permasalahan yang dihadapi seperti penyebaran teknisi ke tempat gangguan access point dan menemukan biaya transportasi seminimum mungkin. Tujuan penelitian ini yaitu untuk menemukan cara pengiriman teknisi dari tempat teknisi ke tempat gangguan sehingga semua kebutuhan terpenuhi tetapi dengan biaya yang seminimum mungkin. Metode yang digunakan untuk memecahkan masalah ini adalah metode transportasi Vogel Approximation Method (VAM), metode VAM lebih rumit dalam hal penyelesaian masalahnya tetapi lebih menghasilkan biaya minimum. Diperoleh hasil 58 (ribuan) untuk biaya transportasi setelah diterapkannya metode VAM. Hasil ini diperoleh dari kasus access point rusak dan memiliki status down yang berjumlah 7 access point dari dua area berbeda. Untuk data teknisi sendiri dimisalkan 7 teknisi dari dua area berbeda. Metode VAM diterapkan pada perangkat lunak berbasis web, pada pengujian white box perangkat lunak ini menunjukkan prosedur kompleksitas program yang baik dan resiko yang rendah dengan rata – rata nilai cyclomatic complexity kurang dari 10.

Penentuan Jalur Terpendek menggunakan Google Maps API pada Sistem Informasi Geografis (SIG) Panti Sosial di Kota Tasikmalaya Hariska Paunsyah; Husni Mubarok; Rahmi Nur Shofa
Innovation in Research of Informatics (INNOVATICS) Vol 1, No 1 (2019): Maret 2019
Publisher : Informatika Universitas Siliwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/innovatics.v1i1.665

Persoalan lintasan terpendek dapat diselesaikan dengan berbagai macam algoritma, salah satunya algoritma dijkstra. Algoritma ini menghitung bobot terkecil tiap-tiap titik sehingga tercapai nilai terkecil dari titik awal ke titik tujuan, pada penelitian ini algoritma dijkstra dipakai untuk menghitung jarak terdekat dari tempat donatur ke panti sosial yang ada di Kota Tasikmalaya. Sistem Informasi Geografis (SIG) merupakan cara untuk memberikan informasi data panti sosial dan menentukan rute terpendek algoritma Dijkstra. Metode yang digunakan dalam pengembangan perangkat lunak adalah berbasis Object Oriented Programming, metodologi pengembangan perangkat lunak yang ditujukan untuk meningkatkan kualitas perangkat lunak dan tanggap terhadap perubahan kebutuhan pelanggan yang dimaksud adalah Extreme Programing. Tujuan dari penelitian ini adalah pembuatan Sistem Informasi Geografis (SIG) yang memudahkan dalam mengetahui serta mendapatkan informasi yang akurat keberadaan Panti Sosial yang akan dituju dengan menggunakan jalur terpendek dari algoritma Dijkstra.

Implementasi Algoritma Machine Learning Untuk Penentuan Cluster Status Gizi Balita Heni Sulastri; Husni Mubarok; Syifa Sefia Iasha
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 5, No 2 (2021): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v5i2.6779

Malnutrisi atau kekurangan gizi pada balita mempunyai efek jangka panjang dalam tumbuh kembang balita, baik tumbuh kembang secara fisik maupun secara mental. Balita akan mengalami berbagai hambatan dalam pertumbuhannya seperti terhambatnya pertumbuhan tulang dan tinggi badan, terhambatnya balita untuk belajar berjalan, berbicara hingga menyebabkan cacat sampai menyebabkan kematian. Di Indonesia, stunting atau gangguan kembang tumbuh anak yang disebabkan oleh gizi buruk mencapai 27.7% yang menandakan bahwasanya permasalahan gizi buruk di indonesia masih sangat tinggi. Hal ini menjadi dasar pentingnya pencatatan dan pengelompokan gizi balita untuk mengetahui tumbuh kembang dan gizi balita agar dapat mengurangi tingkat malnutrisi dan melakukan penanganan secara cepat. Pengelompokan gizi balita dapat dilakukan dengan menerapkan algoritma machine learning. K-Means merupakan algoritma machine learning yang bersifat partitional clustering yang banyak digunakan karena kesederhanaan dan efisiensinya. Pengelompokan gizi balita akan dikelompokkan berdasarkan 5 kelompok gizi balita dengan parameter yang digunakan berupa berat badan, tinggi badan, dan lingkar kepala. Hasil yang didapatkan dari pengelompokan data gizi balita menggunakan algoritma K-Means clustering yaitu kelompok 1 merupakan balita dengan gizi buruk berjumlah sebanyak 8 data atau 27,59%. kelompok 2 menyatakan gizi kurang berjumlah 1 balita atau 3,45%. Kelompok 3 menyatakan jumlah balita yang termasuk kategori gizi baik berjumlah 6 atau sekitar 20,69. Kelompok 4 menyatakan gizi lebih pada balita berjumlah 8 atau 27,59%. Sedangkan untuk kelompok 5 menyatakan balita berkategori obesitas sebanyak 6 data atau 20,69% dari total data.

COVID-19 Vaccination Sentiment Analysis on Twitter Using Random Forest and Information Gain Andi Nur Rachman; Husni Mubarok; Euis Nur Fitriani Dewi; Mitha Maharani
IJISTECH (International Journal of Information System and Technology) Vol 6, No 3 (2022): October
Publisher : Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/ijistech.v6i3.246

Covid-19 in Indonesia has increased from January 2021 unti February 2021 there were 1,217,468 people who were confirmed positive for the corona virus. As a result the increase in the number, the government has taken preventive measures, one of which is the distribution of vaccines or vaccinating the Indonesian people, which has been started since January 13,2021. The government’s covid-19 vaccination efforts had a broad influence on the community through social media (especially Twitter) which then led to pros and cons. Therefore, sentiment analysis is needed to predict the tendency of public opinion regarding the Covid-19 vaccination policy which is classified into positive opinions, neutral opinions, and negative opinions. Random Forest Classifier has high performance compared to other machine learning methods. But the Random Forest Classifier is weak in the level of accuracy and stability of data, so it requires a selection feature to increase its accuracy by applying Information Gain which can increase accuracy by optimizing data features. Measurement of accuracy and sentiment prediction is measured by confusion matrix and classification report. The results show that the application of Information Gain can improve accuracy with the highest accuracy obtained in experiment 1 of 0.00747, that is 0.94776 from 0.94029 with a precision value of 0.65, recall 0.43 and f1-score 0.47 and have a tendency to have a neutral opinion on public tweets about the Covid-19 vaccination on Twitter

COVID-19 Vaccination Sentiment Analysis on Twitter Using Random Forest and Information Gain Andi Nur Rachman; Husni Mubarok; Euis Nur Fitriani Dewi; Mitha Maharani
IJISTECH (International Journal of Information System and Technology) Vol 6, No 3 (2022): October
Publisher : Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/ijistech.v6i3.246

Covid-19 in Indonesia has increased from January 2021 unti February 2021 there were 1,217,468 people who were confirmed positive for the corona virus. As a result the increase in the number, the government has taken preventive measures, one of which is the distribution of vaccines or vaccinating the Indonesian people, which has been started since January 13,2021. The government’s covid-19 vaccination efforts had a broad influence on the community through social media (especially Twitter) which then led to pros and cons. Therefore, sentiment analysis is needed to predict the tendency of public opinion regarding the Covid-19 vaccination policy which is classified into positive opinions, neutral opinions, and negative opinions. Random Forest Classifier has high performance compared to other machine learning methods. But the Random Forest Classifier is weak in the level of accuracy and stability of data, so it requires a selection feature to increase its accuracy by applying Information Gain which can increase accuracy by optimizing data features. Measurement of accuracy and sentiment prediction is measured by confusion matrix and classification report. The results show that the application of Information Gain can improve accuracy with the highest accuracy obtained in experiment 1 of 0.00747, that is 0.94776 from 0.94029 with a precision value of 0.65, recall 0.43 and f1-score 0.47 and have a tendency to have a neutral opinion on public tweets about the Covid-19 vaccination on Twitter

Optimasi Prakiraan Cuaca Menggunakan Metode Ensemble pada Naïve Bayes dan C4.5 Vini Indri Yani; Aradea Aradea; Husni Mubarok
Jurnal Teknik Informatika dan Sistem Informasi Vol 8 No 3 (2022): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v8i3.5455

Weather forecasting is important for the survival of the wider community. Therefore, the accuracy of the weather forecast must be high. Based on this, a study was conducted to improve the accuracy of weather forecasting with the naïve Bayes and C4.5 models and then performed an optimization using the ensemble method. The dataset used is weather data observed from BMKG Bandung for 10 years. Accuracy in the pretest process shows that the naïve Bayes algorithm has an accuracy of 49.45% and the C4.5 algorithm produces 41.24% accuracy, while in the posttest process the accuracy obtained is 49.76% for bagging naïve Bayes, 46.47% for boosting naïve Bayes, 45.76 for bagging C4.5 and 38.82% for C4.5.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search