Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Scientific: Journal of Computer Science and Informatics

Uji Penetrasi Injeksi SQL terhadap Celah Keamanan Website XYZ menggunakan Tools SQLMap Mu'min, Muhammad Amirul; Alamin, Zumhur; Fathir; Ramadhan, Sahrul
Scientific: Journal of Computer Science and Informatics Vol. 1 No. 2 (2024): Juli 2024
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v1i2.330

Abstract

Serangan SQL Injeksi (SQLi) tetap menjadi salah satu ancaman utama dalam keamanan aplikasi web, yang memungkinkan penyerang mengakses, memodifikasi, atau menghancurkan data pada database. Latar belakang penelitian ini adalah meningkatnya kebutuhan untuk mengidentifikasi dan mengatasi potensi celah keamanan akibat serangan SQLi menggunakan metode pengujian yang efektif. Penelitian ini bertujuan untuk menguji kerentanan aplikasi web terhadap SQLi dengan menggunakan tools SQLMap melalui penyuntikan perintah SQL secara otomatis. Hasil pengujian menunjukkan bahwa username dan password berhasil ditemukan, meskipun situs web tersebut tidak memiliki kerentanan terhadap SQL Injection. Hal ini menunjukkan bahwa metode pengujian yang dilakukan efektif dalam mengidentifikasi celah keamanan. Selain itu, penelitian ini memberikan wawasan penting mengenai perlunya penerapan mekanisme keamanan yang lebih ketat untuk melindungi data pengguna, sekaligus menekankan pentingnya pengujian keamanan rutin untuk menjaga sistem tetap terlindungi dari ancaman serangan berbasis SQL.
Analisis Komparatif Tools Forensik Digital dalam Investigasi Jejak Kejahatan pada Aplikasi Pesan Instan: Sebuah Tinjauan Sistematis Safitri, Yana; Muhammad Amirul Mu'min; Galih Pramuja Inngam Fanani
Scientific: Journal of Computer Science and Informatics Vol. 1 No. 2 (2024): Juli 2024
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v1i2.335

Abstract

Pesatnya penggunaan aplikasi pesan instan dalam kehidupan sehari-hari telah menjadikannya sebagai salah satu sarana potensial dalam aktivitas kriminal digital. Hal ini menimbulkan tantangan serius bagi investigasi forensik digital dalam mengungkap jejak kejahatan yang tersembunyi di dalam aplikasi tersebut. Penelitian ini bertujuan untuk melakukan analisis komparatif terhadap berbagai tools forensik digital yang digunakan untuk mengekstraksi dan menganalisis data dari aplikasi pesan instan. Melalui pendekatan tinjauan sistematis, penelitian ini mengkaji lima tools utama: Cellebrite UFED, Magnet AXIOM, MOBILedit Forensic, XRY, dan Oxygen Forensic. Setiap tools dievaluasi berdasarkan efektivitas ekstraksi data, kecepatan proses, serta kelengkapan informasi forensik yang dihasilkan. Hasil penelitian menunjukkan bahwa tidak ada satu tools yang unggul secara mutlak, namun Cellebrite UFED dan Magnet AXIOM menonjol dalam hal keberhasilan ekstraksi dan kelengkapan metadata. Penelitian ini memberikan kontribusi signifikan dengan menawarkan pemetaan komparatif yang berguna bagi praktisi forensik digital dalam memilih tools yang sesuai dengan kebutuhan investigasi. Dengan pemahaman yang lebih terarah mengenai kekuatan dan keterbatasan masing-masing tools, penelitian ini dapat membantu meningkatkan efisiensi dan akurasi dalam proses penyelidikan digital di era komunikasi terenkripsi saat ini.
Pengenalan Citra Batik Tradisional Menggunakan Deep Learning untuk Klasifikasi Motif Daerah Fanani, Galih Pramuja Inngam; Muhammad Amirul Mu'min; Yana Safitri; Setiawan Ardi Wijaya; Novi Tristanti; Tri Stiyo Famuji
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 1 (2025): Januari 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i1.336

Abstract

Batik merupakan warisan budaya Indonesia yang kaya akan nilai estetika dan keragaman motif berdasarkan asal daerahnya. Namun, upaya digitalisasi dan klasifikasi motif batik secara otomatis masih menghadapi tantangan, terutama dalam hal ketersediaan dataset representatif dan pendekatan pemodelan yang optimal. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi motif batik berdasarkan daerah asal menggunakan metode deep learning berbasis Convolutional Neural Network (CNN). Dataset citra batik yang digunakan terdiri dari 1.200 gambar, mewakili empat daerah utama yaitu Solo, Pekalongan, Cirebon, dan Madura. Model CNN dirancang dengan empat blok konvolusi dan dua fully connected layer, serta dilatih menggunakan optimizer Adam dan teknik early stopping. Hasil eksperimen menunjukkan bahwa model mencapai akurasi klasifikasi yang tinggi dan mampu membedakan motif berdasarkan karakteristik visual khas masing-masing daerah. Meskipun terdapat sedikit kesalahan klasifikasi antara motif yang memiliki kemiripan visual, secara keseluruhan model menunjukkan kinerja yang baik dan stabil. Penelitian ini menyimpulkan bahwa pendekatan deep learning efektif dalam mengenali motif batik secara otomatis dan berpotensi diimplementasikan dalam aplikasi edukasi budaya maupun promosi digital batik berbasis kecerdasan buatan.
Desain Sistem Keamanan Sepeda Motor Menggunakan Mikrokontroller Arduino dan Sensor Fingerprint ZFM-60 Berbasis Mobile Dahlan; Mu'min, Muhammad Amirul
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 1 (2025): Januari 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i1.343

Abstract

Tingginya angka pencurian kendaraan bermotor, khususnya sepeda motor, mendorong kebutuhan akan sistem keamanan yang lebih andal dan berbasis teknologi. Penelitian bertujuan untuk merancang dan mengimplementasikan sistem keamanan sepeda motor berbasis sensor sidik jari (fingerprint) yang terintegrasi dengan mikrokontroler Arduino dan aplikasi mobile. Sistem dikembangkan untuk memastikan bahwa hanya pengguna yang terdaftar yang dapat mengakses dan menghidupkan kendaraan. Dengan metode yang digunakan mencakup integrasi sensor fingerprint ZFM-60 dengan Arduino Uno, serta komunikasi nirkabel antara sistem perangkat keras dan aplikasi Android melalui modul Bluetooth HC-05. Hasil pengujian menunjukkan bahwa sistem mampu mengenali sidik jari secara akurat dan merespons perintah dengan waktu pemrosesan rata-rata kurang dari 2 detik. Selain itu, aplikasi mobile berhasil menampilkan status sistem secara real-time dan memberikan antarmuka yang intuitif bagi pengguna. Hasil penelitian menyimpulkan bahwa sistem yang dikembangkan mampu meningkatkan keamanan kendaraan secara signifikan dengan pendekatan biometrik dan kendali jarak dekat berbasis mobile. Kontribusi penelitian ini terletak pada penerapan teknologi biometrik yang efisien dan terjangkau untuk sistem keamanan kendaraan pribadi.