Article Per Year (5 Year)
p-Index From 2021 - 2026
2.024
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Indonesian Journal of Conservation Jurnal Teknologi Edu Elektrika Journal Edu Komputika Journal Jurnal Infomedia INSIST (International Series on Interdisciplinary Research) JISKa (Jurnal Informatika Sunan Kalijaga) Media Informatika Jurnal Abdi Insani Journal of Industrial Community Empowerment Jurnal INFOTEL Jurnal Ilmiah Sistem Informasi Sainteknol : Jurnal Sains dan Teknologi Rekayasa: Jurnal Penerapan Teknologi dan Pembelajaran Jurnal Riset Informatika dan Teknologi Informasi (JRITI)
Arfriandi, Arief
Program Studi Teknik Komputer Universitas Negeri Semarang
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Tinjauan Literatur Sistematis tentang Deteksi Anomali Berbasis Kecerdasan Buatan untuk Intrusi Jaringan pada IoT Firmansyah, Mirza Putra; Nashir, Muhammad Naufal; Rahmeisi, Nazli; Augusta, Putri Safira; Arfriandi, Arief
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/eqne0j35

Abstract

Pertumbuhan eksponensial Internet of Things (IoT) menghasilkan tantangan keamanan jaringan yang signifikan, terutama intrusi jaringan, di mana metode deteksi tradisional gagal melawan serangan adaptif. Kajian ini menyajikan Systematic Literature Review (SLR) berpedoman PRISMA untuk memahami pemanfaatan Artificial Intelligence (AI) dalam deteksi anomali pada IoT. Tujuannya adalah mengidentifikasi algoritma AI yang dominan, mengevaluasi performa, dan menilai pertimbangan efisiensi energi dalam penelitian terkini. SLR menganalisis 24 studi primer dari basis data Scopus yang diterbitkan antara tahun 2021 hingga 2025. Temuan utama menunjukkan dominasi algoritma deep learning: Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan model hibrida/ensemble. Pendekatan ini terbukti sangat efektif, dengan akurasi deteksi seringkali melebihi 99% pada dataset benchmark. Selain itu, efisiensi sumber daya diidentifikasi sebagai isu sentral. Solusi yang diimplementasikan meliputi optimalisasi model ringan, kompresi Quantized Autoencoder (QAE), dan seleksi fitur, yang secara signifikan mengurangi konsumsi energi dan beban komputasi. Penelitian ini memberikan gambaran komprehensif mengenai state-of-the-art deteksi anomali IoT berbasis AI, menegaskan perlunya keseimbangan antara akurasi tinggi dan efisiensi sumber daya. Implikasinya, riset mendatang disarankan untuk memprioritaskan pengujian di dunia nyata, mengintegrasikan Explainable AI (XAI), dan mengembangkan metrik efisiensi yang terstandarisasi demi solusi keamanan IoT yang lebih praktis dan terpercaya.
Perbandingan Performa Pembelajaran Mesin untuk Deteksi Ancaman Keamanan Aplikasi Web: Tinjauan Sistematis Oktavia, Divala Zahra; Hidayat , Dwi Alvin; Natalia , Desy; Prabantara, Satria Krisna; Arfriandi, Arief
Jurnal Ilmiah Sistem Informasi Vol. 5 No. 1 (2026): January: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/dhayjg79

Abstract

Pemanfaatan aplikasi berbasis web yang semakin meluas di berbagai sektor menyebabkan meningkatnya risiko terhadap ancaman siber, termasuk serangan phising, DDoS, injeksi SQL, XSS, serta intrusi. Berbagai metode deteksi tradisional yang bersifat statis sering kali tidak mampu mengidentifikasi pola serangan baru yang bersifat dinamis. Untuk mengatasi keterbatasan tersebut, machine learning muncul sebagai pendekatan yang lebih adaptif karena mampu mempelajari pola perilaku, mendeteksi anomali, dan melakukan deteksi ancaman secara otomatis. Penelitian ini melakukan tijauan sistematis literatur (Systematic Literature Review/SLR) untuk meneliti penggunaan machine learning dalam mengingkatkan keamanan aplikasi web dan mengevaluasi performa beberapa algoritma yang digunakan. SLR dilaksanakan dengan menggunakan kerangka PICOC, yang mencakup populasi, intervensi, perbandingan, hasil, konteks. Hasil analisis menunjukkan bahwa machine learning digunakan untuk berbagai aspek keamanan web, seperti deteksi phising, penentuan URL berbahaya, pengurangan dampak serangan DDoS, serta identifikasi intrusi jaringan. Algoritma seperti Random Forest, XGBoost, dan SVM terbukti memiliki kinerja yang stabil dengan tingkat akurasi yang tinggi. Selain itu, teknik pendukung seperti ADASYN, feature selection, dan metode berbasis pemrosesan bahasa alami turut meningkatkan efektivitas model. Secara keseluruhan, hasil penelitian ini menegaskan bahwa machine learning dapat mempercepat dan meningkatkan ketepatan deteksi ancaman serta memberikan adaptasi terhadap pola serangan yang terus berubah, sehingga menjadi komponen penting dalam memperkuat keamanan aplikasi web.
Co-Authors Affan, Banu Nur Agus Suryanto Agus Suryanto Agus Suryanto Alfa Faridh Suni Aliffiansyah, Arjuna Noor Athooyaa, Mufid Augusta, Putri Safira Banu Nur Affan Banu Nur Affan Djuniadi Djuniadi Dwi Oktaviyanti Dwi Oktaviyanti, Dwi Fauziyah Suwarsita Febriyani Firmansyah, Mirza Putra Gani, Eksa Gani, Eksa Umar Hari Wibawanto Hidayat , Dwi Alvin Hidayat, Dwi Alvin Indaryanto, Faizal Lateef, Hylmi Megawati - Najuda, Moh Dafi Nashir, Muhammad Naufal Natalia , Desy Nugroho, Anan Nur Iksan Nurmasitah, Sita oktavia, Divala zahra Pangestu, Indra Sakti Prabantara, Satria Krisna prabowo, yoga agung Puspita, Tri Anggi Ratna Putri, Riana DM Putri, Riana DM R. Rizal Isnanto Radenrara Dewi Artanti Putri, Radenrara Dewi Artanti Rahmat Gernowo Rahmeisi, Nazli Said Sunardiyo Salsabila, Luvena Savitri, Dina Wulung Shaikh, Shaviraj Samad Sitanggang, Desy Manuela Boru Virnanda, Shakira Wahyu Yasir, Alfian Miftakhul Yudi Suryawan