Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika
Yanto Yanto
Sekolah Tinggi Teknologi Bandung
Computer Science & IT Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENETRATION TESTING WEBSITE DENGAN METODE BLACK BOX TESTING UNTUK MENINGKATKAN KEAMANAN WEBSITE PADA INSTANSI (REDACTED) Widi Linggih Jaelani; Yanto Yanto; Fitri Khoirunnisa
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 1 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i1.180

Abstract

Penetration testing website merupakan sebuah pengujian yang dilakukan untuk meningkatkan keamanan pada website agar tidak terkena serangan dari luar hak akses. Penetration testing memiliki 3 metode dalam melakukan pengujian diantaranya, black box testing, white box testing dan gray box testing. Dimana ketiga metode ini mempunyai scope pengujian yang berbeda dan memiliki kelebihan dan kekurangannya masing-masing. Metode black box testing hanya mendapatkan akses sebatas informasi tentang nama website atau alamat url saja. Pengetesan white box testing akses yang penguji dapatkan itu sangat kompleks, karena dengan metode ini penguji dapat mengetahui scope yang banyak dimulai dari coding, alur dari aplikasi, dan hak akses yang cukup untuk melakukan pengetesan. Sedangkan metode gray box testing pada pengujian ini hak akses yang dimiliki penguji mengetahui alur dan memiliki akun yang bisa di akses ke dalam website. Penetration testing website dengan metode black box testing merupakan teknik pengujian website untuk meningkatkan keamanan website. Dengan mengimplementasikan metode black box testing ini cukup efektif apabila dilakukan untuk pengujian jangka pendek karena untuk melakukan metode testing ini cukup menggunakan tools yang open source maupun dengan tools manual lainnya. Oleh karena itu, pada penelitian ini penulis menggunakan black box testing karena akses yang diberikan hanyalah sebatas informasi alamat url saja.
SISTEM PREDIKSI BERITA PALSU TENTANG VIRUS COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Muhammad Fadhil Muttaqin; Tatang Bukhori; Yanto Yanto; Nova Agustina; Muchammad Naseer
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 1 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i1.187

Abstract

Seiring dengan perkembangan teknologi informasi, media berita juga turut berkembang menyajikan informasi dalam media online. Namun, sangat disayangkan pada penyebarannya masih banyak ditemukan berita hoax atau berita palsu. Berita palsu yang paling mudah beredar adalah berita palsu tentang informasi isu-isu terkini contohnya tentang Covid-19 dan bencana alam. Agar terhindar dari berita hoax yang beredar, salah satu caranya yaitu dengan lebih teliti membaca judul berita pada situs yang terpercaya seperti Liputan6, Kompas.com, dan CNN. Dalam penelitian ini penulis mengambil topik berita hoax tentang vaksinasi, penyebaran virus Corona dan isu-isu yang memang tidak benar tentang pandemi Covid-19, tidak hanya itu untuk memprediksinya penulis juga membutuhkan berita fakta untuk bisa menjadi perbandingan antara berita palsu dengan fakta dari kasus Covid-19. Karena itu penelitian ini akan membuat model klasifikasi berita palsu virus Covid-19 dengan menerapkan algoritma Support Vector Machine (SVM). Hasil penelitian menyatakan bahwa model klasifikasi berita palsu Covid-19 dengan Algoritma Support Vector Machine (SVM) memiliki nilai akurasi 78%. Setelah uji coba model SVM terhadap dataset Covid-19, deploy model dilakukan dan diharapkan untuk masa yang akan datang masyarakat dapat mengakses situs pengecekan berita palsu. Selain mendapatkan prediksi judul berita yang dikategorikan dengan "Fake" dan "True", web juga dapat menampilkan persentase probabilitas dari prediksi yang dilakukan oleh model. Dengan adanya sistem ini, diharapkan dapat memprediksi judul berita tentang virus Covid-19 seakurat mungkin, baik berita palsu maupun berita yang berisikan fakta.
Co-Authors Fitri Khoirunnisa Muchammad Naseer Muhammad Fadhil Muttaqin Nova Agustina Tatang Bukhori Widi Linggih Jaelani