Claim Missing Document
Check
Articles

Found 7 Documents
Search

SISTEM KEAMANAN NILAI AKADEMIK ONLINE BERBASIS KODE HASH DENGAN IDENTITAS SERVER SEBAGAI PARAMETER VALIDASI STUDI KASUS: SISTEM DATA NILAI AKADEMIK FAKULTAS TEKNIK – UNIVERSITAS MATARAM Ario Yudo Husodo; I Gede Pasek Suta Wijaya Pasek Suta Wijaya; Heri Wijayanto
JURNAL SAINS TEKNOLOGI & LINGKUNGAN Vol. 1 No. 1 (2015): Jurnal Sains Teknologi & Lingkungan
Publisher : LPPM Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (574.428 KB) | DOI: 10.29303/jstl.v1i1.7

Abstract

Pada Sistem Informasi Akademik  Fakultas Teknik Universitas Mataram (SIA FT Unram) dimungkinkan adanya pihak tidak berwenang untuk mengubah data akademik mahasiswa. Hal ini dikarenakan data akademik mahasiswa disimpan dalam bentuk teks biasa pada basis data server SIA FT Unram. Pengubahan nilai akademik secara illegal ini tentunya dapat merugikan banyak pihak. Keamanan data yang disimpan pada basis data SIA FT Unram merupakan suatu aspek yang perlu dijaga. Keamanan data SIA FT Unram berguna untuk menciptakan system informasi yang dapat menjaga privasi dan validitas data yang disimpan. Pada penelitian ini dibangun system pengamanan informasi penting pada basis data SIA FT Unram menggunakan metode encryption of data in motion. Metode yang digunakan pada penelitian ini berbasis kode hash sebagai kode validasi keabsahan suatu nilai akademik .Metode ini memetakan data akademik mahasiswa menjadi string dengan panjang yang tetap. Pada metode ini dilakukan pengkodean terhadap suatu nilai akademik menggunakan identitas server dan beberapa variabel lain sebagai parameter. Fokus utama penelitian ini adalah untuk mengembangkan system pengamanan data nilai akademik yang cepat dan aman. Kode hash yang dihasilkan pada penelitian ini memiliki panjang 98 karakter. Waktu eksekusi pembuatan kode hash kurang dari 1 detik untuk 10 data nilai akademik mahasiswa. Hasil penelitian menunjukkan bahwa system keamanan yang dibangun telah dapat mengamankan data nilai akademik SIA FT Unram. Metode yang dikembangkan pada penelitian ini juga terbukti tidak mengurangi waktu kerja SIA FT Unram secara signifikan. Kata Kunci: Sistem keamanan, data akademik,enkripsi, hash
Monitoring dan Filtering Situs Pornografi pada Proxy Server Berbasis Naïve Bayes Classifier dan JADE Ramaditia Dwiyansaputra; Heri Wijayanto; Misbahuddin Misbahuddin
TESLA: Jurnal Teknik Elektro Vol 16, No 1 (2014): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (791.044 KB) | DOI: 10.24912/tesla.v16i1.361

Abstract

Banyak cara yang bisa dilakukan untuk mencegah pengaksesan situs pornografi di internet. Proxy Server Squid merupakan salah satu aplikasi yang paling sering digunakan dalam hal ini, yang mana aplikasi ini menggunakan file Access Control List (ACL) untuk memblokir situs-situs yang tidak perlu. Di sisi lain, jumlah situs pornografi yang masih terus berkembang pesat, akibatnya administrator jaringan perlu memodifikasi file ACL secara periodik dan pekerjaan ini tidak mudah karena administrator harus memeriksa setiap situs-situs baru dan kemudian menambahkan situs pada file ACL tadi. Penelitian ini mengembangkan sistem untuk menjawab masalah ini dengan menggunakan Naïve Bayes Classifier (NBC) dan Aplikasi Agent berbasis JADE. NBC digunakan untuk mengklasifikasi setiap situs yang diakses olah pengguna (yang terdapat dalam file access.log Squid) dan Agent berbasis JADE digunakan untuk memperbaharui berkas ACL secara otomatis. Keakuratan dari klasifikasi menggunakan metode NBC pada penelitian ini adalah sebesar 97,73%. Hasil ini menunjukkan bahwa NBC memiliki keakuratan yang tinggi untuk klasifikasi situs pornografi. Selain itu, Agent berbasis JADE telah berjalan dengan baik untuk pemantauan log.acces dan pembaharuan berkas ACL Proxy Server Squid. Oleh karena itu, sistem ini dapat digunakan untuk melakukan pemblokiran situs porno secara otomatis dan mengurangi peran administrator manusia.
Sistem Informarsi Pesan Antar Koleksi Dinas Perpustakaan Dan Kearsipan Propinsi Nusa Tenggara Barat Berbasis Website Responsive Pramudya Eko Niti Taruno; Heri Wijayanto; Muhamad Nurul Hirkan
Jurnal Begawe Teknologi Informasi (JBegaTI) Vol. 3 No. 2 (2022): JBegaTI
Publisher : Program Studi Teknik Informatika, Fakultas Teknik Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jbegati.v3i2.762

Abstract

Kemajuan pesat teknologi informasi telah dimanfaatkan berbagai instansi pemerintah dan swasta untuk meningkatkan kinerja dan produksi. Sebagai contoh, aplikasi teknologi informasi yang populer di bidang kuliner adalah pelayanan pemesanan dan antar secara online. Berdasarkan fakta tersebut, sistem layanan pesan antar juga dapat diadopsi oleh perpustakaan dengan menyediakan layanan pesan antar buku untuk anggota perpustakaan. Sebagai bentuk komitmen, dinas perpustakan dan kearsipan NTB menyediakan layanan pemesanan dan pengambilan koleksi berbasis website. Pada penelitian ini dirancang sebuah sistem informasi pesan antar koleksi perpustakaan daerah NTB menggunakan framework flask python. Sistem ini diharapkan dapat memberikan kemudahan kepada pemustaka untuk mengakses katalog dan pesan antar koleksi perpustakaan secara online. Sistem informasi yang dibuat memiliki beberapa fitur seperti fitur pencarian koleksi, keranjang dan pemesanan koleksi.
Performa Klaster Hadoop Mapreduce Pada Private Cloud Computing Untuk Komputasi Skyline Query Annisa Octavyanti Hakim; Heri Wijayanto; I Gde Putu Wirarama
Jurnal Rekayasa Tropis, Teknologi, dan Inovasi (RETROTEKIN) Vol. 1 No. 2 (2023): RETROTEKIN (Rekayasa Tropis, Teknologi, dan Inovasi)
Publisher : Fakultas Teknik Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Untuk mengoptimalkan pemrosesan data besar dengan Hadoop, komputasi awan menyediakan infrastruktur yang mudah digunakan, menggabungkan layanan private cloud dengan Infrastructure as a Service (IaaS). Dalam skripsi ini, peneliti mengkarakterisasi dan menilai kinerja eksekusi data besar pada instans kluster virtual Hadoop MapReduce yang dibangun di private cloud Universitas Mataram. Dengan algoritma Skyline Query, kluster diuji dengan variasi data, mesin, dan ukuran blok HDFS pada 3 jenis data sintetis: anti-correlated, correlated, dan independent. Parameter waktu eksekusi digunakan untuk membandingkan hasil dengan kluster Hadoop pada infrastruktur fisik. Hasil pengujian kluster private cloud menunjukkan peningkatan waktu komputasi saat data meningkat dari 1,5 juta menjadi 12 juta pada 4 mesin: data anti-correlated (168%), correlated (194%), independent (126%). Tren serupa terjadi pada kluster Hadoop fisik. Pada skenario lainnya, kluster private cloud menunjukkan kinerja yang lebih baik dengan penambahan mesin hingga 7, sementara kluster Hadoop fisik mengalami overhead communication antar node ketika mesin diskalakan menjadi 7 mesin. Pemrosesan data 12 juta dengan ukuran blok HDFS 512 MB dan 7 mesin merupakan blocksize paling optimal karena menghasilkan waktu eksekusi terpendek. Berdasarkan uji statistik t menggunakan rata-rata waktu komputasi, disimpulkan bahwa kluster Hadoop di private cloud dengan spesifikasi Intel(R) Xeon (R) E3-1225 v5 @ 3,30 GHz RAM 16 GB lebih unggul dalam mengeksekusi aplikasi Skyline dibanding kluster Hadoop fisik dengan spesifikasi Intel Core i5 CPU @ 3,00GHz 4GB RAM.
Optimizing Rain Prediction Model Using Random Forest and Grid Search Cross-Validation for Agriculture Sector Ahmad Fatoni Dwi Putra; Muhamad Nizam Azmi; Heri Wijayanto; Satria Utama; I Gede Putu Wirarama Wedashwara Wirawan
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 23 No 3 (2024)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v23i3.3891

Abstract

Agriculture, as a sector that is highly influenced by weather conditions, faces challenges due to increasingly unpredictable changes in weather patterns. The aim of this research is to create an optimal rainfall prediction model to help farmers create irrigation schedules, use fertilizer, and planting schedules, and protect plants from extreme weather events. The method used in this research to obtain the best rain prediction model is to use the random forest algorithm and the grid search cross-validation algorithm. Random Forest, known for its robustness and accuracy, emerged as a suitable algorithm for predicting rain. utilizing a substantial dataset from the West Nusa Tenggara Meteorology, Climatology, and Geophysics Agency covering the period 2000 to 2023. The data is then processed first to ensure its readiness for use. This process involves removing outlier data points, empty data entries, and unused features. After the preprocessing stage, the data underwent training using the Random Forest algorithm, resulting in an R-squared value of 0.1334. To obtain the optimal model, Grid Search Cross Validation is used. The results of this research obtained the best rain prediction model with an R-squared value of 0.0268. This model will be used to predict rain in the agricultural sector. This research concludes that we can get the best rain prediction model by combining Random Forest and Gird Search Cross-Validation. For further research, we can compare other rain prediction methods, add features, and combine datasets from a wider area.
Optimizing Rain Prediction Model Using Random Forest and Grid Search Cross-Validation for Agriculture Sector Ahmad Fatoni Dwi Putra; Muhamad Nizam Azmi; Heri Wijayanto; Satria Utama; I Gede Putu Wirarama Wedashwara Wirawan
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 23 No. 3 (2024)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v23i3.3891

Abstract

Agriculture, as a sector that is highly influenced by weather conditions, faces challenges due to increasingly unpredictable changes in weather patterns. The aim of this research is to create an optimal rainfall prediction model to help farmers create irrigation schedules, use fertilizer, and planting schedules, and protect plants from extreme weather events. The method used in this research to obtain the best rain prediction model is to use the random forest algorithm and the grid search cross-validation algorithm. Random Forest, known for its robustness and accuracy, emerged as a suitable algorithm for predicting rain. utilizing a substantial dataset from the West Nusa Tenggara Meteorology, Climatology, and Geophysics Agency covering the period 2000 to 2023. The data is then processed first to ensure its readiness for use. This process involves removing outlier data points, empty data entries, and unused features. After the preprocessing stage, the data underwent training using the Random Forest algorithm, resulting in an R-squared value of 0.1334. To obtain the optimal model, Grid Search Cross Validation is used. The results of this research obtained the best rain prediction model with an R-squared value of 0.0268. This model will be used to predict rain in the agricultural sector. This research concludes that we can get the best rain prediction model by combining Random Forest and Gird Search Cross-Validation. For further research, we can compare other rain prediction methods, add features, and combine datasets from a wider area.
Blockchain-Based TraditionalWeaving Certification and Elliptic Curve Digital Signature Pradita Dwi Rahman; Heri Wijayanto; Royana Afwani; Wirarama Wesdawara; Ahmad Zafrullah Mardiansyah
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 24 No. 1 (2024)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v24i1.4337

Abstract

Traditional weaving in West Nusa Tenggara was essential to the region’s cultural heritage. Many local micro, small, and medium enterprises continued to practice traditional weaving using natural materials. However, the rise of synthetic materials threatened this tradition, making distinguishing between natural and synthetic woven fabrics difficult. This study aimed to develop a blockchain-based self-certification system to enhance traceability, security, and efficiency using Non-Fungible Tokens. The research method leveraged the Elliptic Curve Digital Signature Algorithm for user authentication and smart contracts to mint Non-Fungible Tokens, ensuring the authenticity and origin of each product.Each product’s metadata was signed with a digital signature that anyone could authenticate, and the outcome and the product metadata became a certificate. This study resulted in a web prototype with an easy-to-use interface that allowed artisans to create certificates and sell their registered works. This solution aimed to ensure the authenticity of traditional woven products by offering secure and transparent blockchain technology.