Article Per Year (5 Year)
p-Index From 2021 - 2026
2.024
P-Index
This Author published in this journals
All Journal CogITo Smart Journal JURNAL PENDIDIKAN TAMBUSAI Journal of Applied Engineering and Technological Science (JAETS) Journal of Computer Scine and Information Technology Bhakti Nagori (Jurnal Pengabdian kepada Masyarakat) Jurnal Sains Informatika Terapan (JSIT) Jurnal Komtekinfo Sistem Pendukung Keputusan dengan Aplikasi Journal Of Computer Science And Technology Jubiko : Jurnal Perilaku Bisnis Kontemporer
Nadya Alinda Rahmi
Information System Department, Computer Science Faculty, Putra Indonesia University YPTK Padang, Indonesia
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Pengembangan Model Stacking Machine Learning Dengan Optimasi Hyperparameter Untuk Deteksi Serangan Malware Pada Server Elvira Sawitri; Nadya Alinda Rahmi; Ilmawati Rahmi; Pradani Ayu Widya Purnama
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.973

Abstract

Penelitian ini dilatarbelakangi oleh meningkatnya ancaman serangan malware yang mengganggu sistem server di lingkungan institusi pendidikan, termasuk Universitas Muhammadiyah Muara Bungo (UMMUBA). Server kampus menjadi pusat layanan akademik, administrasi, serta penyimpanan data penting, sehingga rentan terhadap gangguan keamanan yang disebabkan oleh aktivitas malware. Penanganan serangan ini tidak bisa lagi dilakukan secara manual karena keterbatasan waktu, sumber daya manusia, dan kompleksitas serangan yang terus berkembang. Oleh karena itu, dibutuhkan suatu sistem deteksi malware yang dapat bekerja secara otomatis, akurat, real-time, dan mudah dioperasikan oleh pengguna non-teknis. Penelitian ini bertujuan untuk mengembangkan model stacking machine learning dengan algoritma Naive Bayes (Gaussian, Multinomial, Bernoulli, Complement) sebagai base learners dan Logistic Regression sebagai meta learner. Untuk mengatasi masalah ketidakseimbangan data antara kelas malware dan non-malware, digunakan teknik SMOTE (Synthetic Minority Over-sampling Technique). Selain itu, performa model ditingkatkan dengan optimasi hyperparameter menggunakan GridSearchCV, sehingga diperoleh konfigurasi terbaik. Penelitian dilakukan melalui beberapa tahap, mulai dari pengumpulan dan pelabelan data dari log server UMMUBA, preprocessing data, pelatihan model dasar, pengembangan arsitektur stacking, evaluasi menggunakan metrik akurasi, precision, recall, dan F1-score, hingga implementasi ke dalam antarmuka aplikasi web berbasis Streamlit. Aplikasi ini memungkinkan pengguna untuk mengunggah file log dan mendapatkan hasil klasifikasi serta visualisasi performa model secara langsung. Hasil penelitian diharapkan mampu memberikan solusi nyata untuk deteksi malware pada server institusi pendidikan.
Co-Authors Anam, M Khairul Berta Agus Petra Dari, Rahmatia Wulan Desi Ardila Dodi Suryadi Elvira Sawitri Elvira Sawitri Elvira Sawitri Febri Aldi Febri Hadi Ilmawati Ilmawati Ilmawati Ilmawati Rahmi Indra Irawan Kaila Azahra Lucky Lhaura Van FC Muhammad Bambang Firdaus Mutiara Sakinah Pradani Ayu Widya Purnama Rasmita Rosi Kumala Sari Sarjon Defit Sopi Sapriadi Yogi Yunefri, Yogi