Article Per Year (5 Year)
p-Index From 2020 - 2025
1.259
P-Index
This Author published in this journals
All Journal RESISTOR (Elektronika Kendali Telekomunikasi Tenaga Listrik Komputer) Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat JATI (Jurnal Mahasiswa Teknik Informatika) International Journal of Robotics and Control Systems Jurnal Penelitian Inovatif Jurnal Pengabdian Masyarakat Sains dan Teknologi Scientific: Journal of Computer Science and Informatics
Maulana Muhammad Jogo Samudro
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Materials Science & Nanotechnology Public Health Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Scientific: Journal of Computer Science and Informatics

 1 
Strategi dan Efektivitas Deep Learning untuk Mitigasi Ancaman Keamanan Jaringan di Era IoT Safitri, Yana; Dahlan; Maulana Muhammad Jogo Samodro
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.v1i2.338

Abstract

Pertumbuhan pesat perangkat Internet of Things (IoT) telah membuka peluang besar dalam transformasi digital di berbagai sektor, namun juga menghadirkan tantangan serius terkait keamanan jaringan. Perangkat IoT yang umumnya memiliki kapasitas komputasi terbatas menjadi sasaran empuk bagi berbagai jenis serangan siber. Penelitian ini bertujuan untuk mengevaluasi efektivitas berbagai pendekatan deep learning dalam mendeteksi ancaman keamanan pada jaringan IoT secara otomatis dan adaptif. Metode yang digunakan mencakup eksperimen komparatif terhadap beberapa arsitektur deep learning, seperti Transformer, CNN + LSTM, dan GAN + CNN, dengan memanfaatkan dataset publik UNSW-NB15. Penilaian performa dilakukan menggunakan metrik evaluasi seperti akurasi dan F1-score, serta analisis kemampuan model dalam mendeteksi serangan kompleks seperti DDoS, port scanning, dan serangan zero-day. Hasil penelitian menunjukkan bahwa model Transformer unggul dengan akurasi mencapai 99,1%, sementara model GAN + CNN menunjukkan keunggulan dalam mendeteksi pola serangan baru yang belum dikenali sebelumnya. Model CNN + LSTM juga terbukti efektif dalam menangkap pola spasio-temporal serangan. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem deteksi intrusi cerdas berbasis deep learning untuk ekosistem IoT. Temuan ini berpotensi diterapkan pada sistem keamanan jaringan real-time dan berskala besar yang adaptif terhadap ancaman baru.
Co-Authors Abdul Fadlil Adiyah Mahiruna ALYA MASITHA Anton Yudhana Awaludin Makku Ayomi, Siti Dahlan M. Rosyidi Djou Muhammad Kunta Biddinika Puriyanto, Riky Dwi Purnomo Putro, Dwi Rahmat Riansyah Rusydi Umar Solikin, Mokhamad Tri Stiyo Famuji Wahyu Caesarendra Yana Safitri, Yana