Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Mobile and Forensics

Analisis Bukti Digital pada Storage Secure Digital Card Menggunakan Metode Static Forensic Hasa, Muh Fadli; Yudhana, Anton; Fadlil, Abdul
Mobile and Forensics Vol 1, No 2 (2019)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v1i2.1217

Abstract

Secure Digital Card (SD Card) merupakan salah satu media untuk mendapatkan bukti digital dalam proses penyelidikan suatu kasus cybercrime. Oleh kerena itu, perlu adanya penelitian tentang analisa bukti digital pada media penyimpanan SD Card. Penelitian ini membahas tentang proses eksaminasi dan analisis bukti digital yang terdapat pada media penyimpanan SD Card yang bertujuan untuk membantu proses penyelidikan kasus cybercrime. Proses penelitian menggunakan tools forensic FTK Imager dan Autopsy serta menggunakan metode forensic static dimana barang bukti eletronik diproses secara bit-by-bit image dalam melakukan proses forensik. Hasil dari penelitian ini adalah barang bukti yang berupa SD Card dilakukan proses examinasi dan recovery data yang hilang, data yang berhasil di recovery dibedakan berdasarkan cara pelaku menghapus datanya. Data yang didapatkan pada SD Card dapat dijadikan sebagai barang bukti pada proses persidangan kasus cybercrime.
Analisis Bukti Digital pada Storage Secure Digital Card Menggunakan Metode Static Forensic Hasa, Muh Fadli; Yudhana, Anton; Fadlil, Abdul
Mobile and Forensics Vol. 1 No. 2 (2019)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v1i2.1217

Abstract

Secure Digital Card (SD Card) merupakan salah satu media untuk mendapatkan bukti digital dalam proses penyelidikan suatu kasus cybercrime. Oleh kerena itu, perlu adanya penelitian tentang analisa bukti digital pada media penyimpanan SD Card. Penelitian ini membahas tentang proses eksaminasi dan analisis bukti digital yang terdapat pada media penyimpanan SD Card yang bertujuan untuk membantu proses penyelidikan kasus cybercrime. Proses penelitian menggunakan tools forensic FTK Imager dan Autopsy serta menggunakan metode forensic static dimana barang bukti eletronik diproses secara bit-by-bit image dalam melakukan proses forensik. Hasil dari penelitian ini adalah barang bukti yang berupa SD Card dilakukan proses examinasi dan recovery data yang hilang, data yang berhasil di recovery dibedakan berdasarkan cara pelaku menghapus datanya. Data yang didapatkan pada SD Card dapat dijadikan sebagai barang bukti pada proses persidangan kasus cybercrime.
Implementation of Deep Learning for Personal Protective Equipment (PPE) Detection on Workers Using the YOLO Algorithm Soekarta, Rendra; Yusuf, Muhammad; Visman, Javan; Hasa, Muh. Fadli; Firdaus, Asno Azzawagama
Mobile and Forensics Vol. 7 No. 2 (2025)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v7i2.13884

Abstract

Occupational accidents represent a major challenge in the construction and manufacturing industries. This study aims to develop a deep learning model for real-time detection of personal protective equipment (PPE) usage using the YOLOv5 algorithm. Utilizing a dataset that includes four classes (hardhat, no hardhat, coverall, and no coverall), the model was trained and evaluated based on precision, recall, and mean Average Precision (mAP) metrics. The results demonstrated that the model achieved a high accuracy level with an mAP of 0.91 and stable performance. The model can also rapidly and effectively detect safety attributes even in complex work environments, such as varied lighting conditions and numerous background objects. Based on usability testing results of 85.35% and satisfactory black box testing, this study produced a prototype web-based application enabling efficient and effective PPE monitoring. The application is designed to support the improvement of workplace safety across various industrial sectors in a more practical and adaptive manner. It is expected to increase PPE compliance, reduce accident risks, and contribute significantly to workplace safety in the industry. The conclusion indicates that the YOLOv5 algorithm holds great potential for implementation in technology-based safety monitoring systems and supports the development of a safer and more modern industry.