Claim Missing Document
Check
Articles

Found 25 Documents
Search

Implementasi Teknologi Bare Conductive pada Smart Piano Aritonang, Mhd Adi Setiawan; Candra, Joni Eka; Caniago, Deosa Putra; Alhamidi, Alhamidi; Antony, Antony
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 1 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i1.948

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menguji implementasi teknologi Bare Conductive pada smart piano. Bare Conductive adalah teknologi inovatif yang memanfaatkan tinta konduktif untuk menciptakan sirkuit listrik pada berbagai permukaan, memungkinkan pembuatan sensor sentuh yang fleksibel. Dengan mengintegrasikan teknologi ini dengan mikrokontroler, seperti Arduino, kami menciptakan smart piano yang interaktif dan ramah pengguna. Smart piano yang dihasilkan menawarkan berbagai manfaat, terutama dalam konteks pendidikan musik. Instrumen ini dapat memberikan pengalaman belajar yang lebih menarik dan efektif bagi pemula, serta membuka peluang baru dalam terapi musik dan komposisi musik digital. Selain itu, penggunaan tinta konduktif menawarkan solusi yang lebih hemat biaya dan ramah lingkungan dibandingkan dengan teknologi elektronik konvensional. Dalam penelitian ini, kami merancang dan membangun prototipe smart piano berbasis teknologi Bare Conductive dan mikrokontroler. Kami kemudian melakukan serangkaian pengujian untuk mengevaluasi kinerja dan keandalannya. Hasil pengujian menunjukkan bahwa smart piano ini memiliki respon sentuhan yang baik dan stabil dalam berbagai kondisi penggunaan. Namun, tantangan tetap ada, seperti kestabilan jangka panjang dari sirkuit tinta konduktif dan kompatibilitas dengan komponen elektronik lainnya. Penelitian ini memberikan wawasan berharga mengenai potensi dan batasan teknologi Bare Conductive dalam aplikasi musik interaktif, serta membuka jalan untuk penelitian lebih lanjut dalam pengembangan instrumen musik pintar.
Pemanfaatan STB TV Bekas Menjadi Cloud Server Berbasis Web Menggunakan Odoo Untuk Mendukung Pengelolaan Data Pada Umkm Az Interior Prasetya, Prasetya Silvano; Aritonang, Mhd Adi Setiawan; Alhamidi
JURNAL SITEBA Vol. 4 No. 1 (2026): Jurnal Sistem Informasi ITEBA
Publisher : LPPM-ITEBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62375/emk6p286

Abstract

Penelitian ini mengembangkan dan mengevaluasi solusi cloud server berbasis web yang hemat biaya dengan memanfaatkan Set-Top Box (STB) TV bekas sebagai perangkat server dan Odoo 13 sebagai platform manajemen dokumen. Studi kasus dilakukan pada UMKM AZ Interior. Metode penelitian mengikuti model Waterfall (analisis kebutuhan, perancangan, implementasi, pengujian) dan pengujian fungsional dilakukan dengan pendekatan Black Box. Implementasi teknis mencakup pemasangan Armbian (Ubuntu 18.04) pada STB ZTE B860H, konfigurasi PostgreSQL dan Odoo 13, penggunaan penyimpanan eksternal 128 GB, serta pengaturan akses jarak jauh melalui ZeroTier. Hasil pengujian menunjukkan fungsi utama—autentikasi, upload/download dokumen, manajemen hak akses, dan akses remote—berjalan sesuai spesifikasi, dengan STB beroperasi stabil pada konsumsi daya sekitar 8–12 W. Analisis biaya dan dampak lingkungan menunjukkan solusi ini ekonomis dan membantu mengurangi limbah elektronik untuk UMKM skala kecil. Rekomendasi meliputi penerapan backup otomatis, pengujian skalabilitas, dan penyempurnaan antarmuka pengguna.
Natural Language Processing (NLP) and Support Vector Machine (SVM) Optimization in Detecting Phishing Website URLs Aritonang, Mhd Adi Setiawan; Simanulang, Maradona Jonas; Batubara, Toras Pangidoan; Zega, Imanuel; Afrizal, M Hafis
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 1 (2026): JUTIF Volume 7, Number 1, February 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.1.5334

Abstract

Phishing remains one of the most pervasive cyber-threats, with recent reports indicating a sharp rise in both volume and sophistication of attacks. According to the Anti‑Phishing Working Group, phishing incidents reached nearly 1 million in Q4 2024. To address this evolving threat, this study aims to develop an automated phishing-URL classification system based on Natural Language Processing (NLP) and Support Vector Machine (SVM). We utilised the Kaggle "PhiUSIIL Phishing URL Dataset" comprising 256,795 URL records and applied comprehensive preprocessing, feature extraction (structural URL features plus NLP-based keyword analysis), and SVM training with grid search optimisation. Evaluation was performed via confusion matrix and standard metrics of accuracy, precision, recall and F1-score. The best model achieved an accuracy of 99.99%, precision of 99.98%, recall of 100%, and F1-score of 99.99%. These results demonstrate that the combined NLP + SVM approach can effectively distinguish phishing from legitimate URLs with very high reliability. The proposed system contributes to cybersecurity by offering a feasible AI-based solution for real-time URL screening that can be integrated into browser extensions or enterprise email filters to bolster phishing defences.
Pelatihan Konfigurasi Perangkat Mikrotik untuk Meningkatkan Kompetensi Siswa SMKS YWKA Medan Simanullang, Maradona Jonas; Santoso, Ahmad Imam; Simorangkir, Elsya Sabrina Asmita; Ringo, Rimmar Siringo; Kurniawan, Brama; Tembusai, Zoelkarnain Rinanda; Aritonang, Mhd Adi Setiawan
Jurnal Pustaka Mitra (Pusat Akses Kajian Mengabdi Terhadap Masyarakat) Vol 6 No 4 (2026): Jurnal Pustaka Mitra (Pusat Akses Kajian Mengabdi Terhadap Masyarakat)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakamitra.v6i4.2050

Abstract

Perkembangan teknologi informasi telah meningkatkan kebutuhan tenaga kerja yang memiliki kompetensi di bidang jaringan komputer. Mikrotik merupakan salah satu sistem operasi jaringan yang banyak digunakan pada institusi pendidikan maupun industri. Namun demikian, siswa sekolah menengah kejuruan masih memiliki keterbatasan pengalaman praktik dalam melakukan konfigurasi perangkat jaringan. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kompetensi siswa SMKS YWKA Medan dalam melakukan konfigurasi perangkat Mikrotik. Kegiatan diikuti oleh 23 siswa dan dilaksanakan melalui metode ceramah, demonstrasi, diskusi, dan praktik langsung. Materi pelatihan meliputi pengenalan RouterOS, konfigurasi IP Address, DHCP Server, Network Address Translation (NAT), Firewall, dan pengujian jaringan. Evaluasi dilakukan menggunakan pre-test dan post-test. Hasil kegiatan menunjukkan adanya peningkatan pengetahuan dan keterampilan siswa dalam melakukan konfigurasi jaringan menggunakan Mikrotik. Peserta mampu melakukan konfigurasi dasar jaringan secara mandiri dan memahami implementasi jaringan komputer pada lingkungan nyata. Kegiatan ini berhasil meningkatkan kompetensi siswa sebesar 85,6% serta mendukung kesiapan mereka dalam menghadapi kebutuhan dunia kerja.
Studi Optimalisasi Deteksi Intrusi Jaringan NIDS Menggunakan XGBoost pada Dataset Netflow V2 Aritonang, Mhd Adi Setiawan; Marshall Al Karim, Muhammad; Roland, Roland; Irwan Gultom, Jefri; Enrico Sitompul, Muel; Hendri , Hendri
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1756

Abstract

This research is motivated by the increasing complexity of cyber attacks on modern networks, necessitating the need for an adaptive and accurate network intrusion detection system (NIDS) through the use of machine learning algorithms, specifically XGBoost. This research uses the NF-UQ-NIDS-v2 dataset with structured pre-processing stages, stratified data partitioning, and the development of an XGBoost-based multi-class classification model with optimized hyperparameter configurations. The test results show that the XGBoost model achieves an overall accuracy of 98.84% with excellent performance in the majority class, but still experiences a decrease in performance in the minority class due to data imbalance. The XGBoost-based NIDS model is proven to be effective and stable in detecting large-scale network attacks, although further strategies are needed to improve detection capabilities for rare types of attacks..