Claim Missing Document
Check
Articles

Found 12 Documents
Search

Peningkatan Keamanan Data Digital Dengan Pendekatan Kombinasi Algoritma Kriptografi OTP dan Cramer Shoup Gilang Dwi Fahri Harahap; Budi Triandi; Lili Tanti
Jurnal Minfo Polgan Vol. 15 No. 2 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i2.16080

Abstract

Keamanan data digital menjadi aspek krusial seiring meningkatnya ancaman siber terhadap kerahasiaan dan integritas informasi. Penelitian ini bertujuan untuk meningkatkan keamanan data digital melalui pendekatan kombinasi algoritma kriptografi One-Time Pad (OTP) dan Cramer-Shoup dalam sebuah skema hybrid. Algoritma OTP memiliki keunggulan dalam menjaga kerahasiaan data secara teoritis, namun memiliki kelemahan pada distribusi kunci dan potensi serangan seperti Known-Plaintext Attack (KPA). Sementara itu, algoritma Cramer-Shoup sebagai kriptografi asimetris menawarkan keamanan yang kuat terhadap serangan adaptif serta mendukung autentikasi data. Metode penelitian yang digunakan meliputi perancangan sistem hybrid, implementasi algoritma menggunakan bahasa pemrograman Python, serta pengujian keamanan dan kinerja sistem. Proses enkripsi dilakukan dengan mengombinasikan OTP untuk penyandian pesan dan Cramer-Shoup untuk pengamanan distribusi kunci. Evaluasi dilakukan melalui simulasi serangan KPA dan analisis perbandingan waktu proses enkripsi-dekripsi. Hasil penelitian menunjukkan bahwa kombinasi kedua algoritma mampu meningkatkan tingkat keamanan data secara signifikan, terutama dalam mengatasi kelemahan distribusi kunci pada OTP dan meningkatkan ketahanan terhadap serangan KPA. Selain itu, sistem hybrid yang diusulkan tetap mempertahankan efisiensi kinerja yang baik. Dengan demikian, pendekatan kombinasi OTP dan Cramer-Shoup dapat menjadi solusi efektif dalam meningkatkan keamanan data digital serta memberikan kontribusi dalam pengembangan sistem kriptografi yang lebih adaptif dan andal.
Perbandingan Algoritma Machine Learning dalam Klasifikasi Serangan Phishing pada E-mail Kiki Putriani Siregar; Budi Triandi; Roslina Roslina
Jurnal Minfo Polgan Vol. 15 No. 1 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i1.16104

Abstract

Serangan phishing melalui email merupakan ancaman siber yang terus meningkat dan berpotensi menyebabkan kebocoran data sensitif. Penelitian ini bertujuan membandingkan kinerja tiga algoritma Machine Learning, yaitu Gradient Boosting, Random Forest, dan Logistic Regression dalam mengklasifikasikan email phishing dan non-phishing. Dataset diproses melalui tahapan pembersihan teks dan ekstraksi fitur menggunakan TF-IDF, kemudian dievaluasi berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma berbasis ensemble learning, khususnya Gradient Boosting dan Random Forest, memberikan performa lebih tinggi dibandingkan Logistic Regression dalam mendeteksi pola phishing yang kompleks. Meskipun Logistic Regression lebih sederhana dan mudah diinterpretasikan, model ensemble terbukti lebih efektif dalam meningkatkan akurasi klasifikasi