Claim Missing Document
Check
Articles

Found 2 Documents
Search

Penerapan Blockchain pada Transaksi Jual Beli dan Kepemilikan Tanah di Indonesia Muhammad Agus Triawan; Faris Humam; Husnawati
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 14 No 2-c (2022): Jupiter Edisi Oktober 2022
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281./5209/5.jupiter.2022.10

Abstract

Blockchain bisa dianggap sebagai sistem pencatatan atau database yang tersebar luas ke jaringan yang terhubung (distributed ledger). Semua anggota di dalam jaringan tersebut akan memiliki akses yang sama, data yang sama, serta mengetahui semua aktifitas resmi yang dilakukan anggota jaringan tersebut. Sehingga jika dihubungkan dengan aktivitas jual beli dan pencatatan kepemilikan tanah, akan dapat bermanfaat untuk meningkatkan kepercayaan antara anggota jaringan atau dalam hal ini para pemilik tanah dan juga warga yang ingin membeli tanah. Dengan menggunakan sistem blockchain kecurangan-kecurangan yang sering mengakibatkan sengketa tanah tentunya dapat dikurangi atau bahkan dihilangkan. Karena dalam sistem blockchain data yang tercatat juga akan di hash atau dilakukan proses kriptografi sehingga data tersebut berbentuk kode yang akan berubah jika ada perubahan data di dalamnya sekecil apapun. Dengan diterapkannya sistem blockchain ini akan juga dapat menghemat biaya regulasi sehingga prosesnya lebih cepat dan murah jika dibandingkan dengan sistem lama (tanpa blockchain).
Identifikasi Malware pada Jaringan Internet sebagai Tindakan Preventif untuk Ancaman Siber berbasis Deep Learning Husnawati Husnawati; Rian Rahmanda Putra; Faris Humam; Ica Admirani; Reza Maulana; M. Humam Fadholi; Bagus Ananta Hidayatullah; Abib Ardiansyah
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.77-86

Abstract

Keamanan jaringan merupakan aspek krusial bagi penyedia layanan internet (Internet Service Provider/ISP), terutama dalam menghadapi ancaman malware yang terus berkembang. Malware merupakan perangkat berbahaya yang dirancang untuk menyerang sistem operasi atau mengeksploitasi kerentanan sistem. Ancaman ini dapat menyebabkan pencurian data penting dan kerugian signifikan bagi pengguna. Salah satu perusahaan yang bergerak di bidang jaringan dan sebagai penyedia layanan internet yang digunakan pada instansi pemerintahan di Sumatera Selatan, menghadapi permasalahan untuk meminimalkan risiko serangan malware pada jaringan yang mereka kelola. Sehingga pada penelitian ini dilakukan penerapan metode deep learning dengan algoritma Convolutional Neural Network (CNN) untuk mengidentifikasi dan mengklasifikasikan lalu lintas jaringan yang terindikasi malware. Proses dilakukan melalui tahap pengumpulan dataset lalu lintas jaringan, pra-pemrosesan data, pelatihan model CNN, serta evaluasi kinerja model. Hasil pengujian menunjukkan bahwa metode CNN mampu mendeteksi serangan malware dengan tingkat akurasi sebesar 83%, precision 83%, dan recall 82%. Penerapan metode ini memberikan sistem deteksi yang cepat dan akurat, sehingga server dan client dapat lebih waspada terhadap ancaman siber dan terhindar dari pencurian data krusial.