Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Science and Technology Indonesia Jurnal Ekuivalensi Jurnal Sistem Komputer dan Informatika (JSON) Investasi : Inovasi Jurnal Ekonomi Dan Akuntansi
Wiyono, Tri
Unknown Affiliation
Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Library & Information Science Materials Science & Nanotechnology Physics Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Sistem Komputer dan Informatika (JSON)

 1 
Deteksi Malware Berbasiskan Analisis Statis Menggunakan Algoritma Convolutional Neural Network (CNN) Wiyono, Tri; Hadinata, Edrian; Zakir, Ahmad; Elhanafi, Andi Marwan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 1 (2025): September 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i1.8946

Abstract

Sistem informasi berperan penting dalam menjaga kelancaran operasional organisasi sekaligus melindungi data dari ancaman siber, termasuk malware. Pertumbuhan akses internet di Indonesia yang mencapai lebih dari 215 juta pengguna pada 2023 dan penetrasi smartphone Android sebesar 132,7 juta pada 2025 meningkatkan potensi risiko keamanan. Rendahnya kesadaran pengguna Android terhadap keamanan informasi (rata-rata 37%) menjadi faktor dominan munculnya insiden spam, phishing, dan malware. Dalam konteks ini, analisis statis menjadi salah satu pendekatan efektif untuk mendeteksi malware melalui izin aplikasi (permissions) yang tertera pada file AndroidManifest.xml. Namun, kelemahannya terletak pada keterbatasan mendeteksi kode berteknik obfuscation. Penelitian ini mengembangkan model deteksi malware berbasis Convolutional Neural Network (CNN) dengan memanfaatkan fitur statis APK. Dataset yang digunakan mencakup aplikasi berbahaya seperti Undangan Pernikahan.apk serta data publik dari Kaggle. Proses meliputi ekstraksi izin aplikasi, normalisasi, pembentukan vektor 256 fitur, serta klasifikasi biner malware dan benignware. Hasil uji menunjukkan akurasi 92% dengan precision tinggi (0,93) namun recall pada malware relatif rendah (0,77), mengindikasikan masih adanya false negative signifikan. Temuan ini menegaskan bahwa CNN efektif untuk deteksi berbasis izin, tetapi peningkatan recall diperlukan agar sistem lebih andal. Pengembangan pendekatan hibrida dengan menggabungkan analisis statis dan dinamis disarankan untuk memperkuat deteksi malware Android yang semakin kompleks. Dengan demikian, penelitian ini diharapkan memberikan kontribusi signifikan terhadap pengembangan sistem keamanan siber yang adaptif, andal, serta relevan bagi tantangan digital masa depan.
Model EPAM-2025 Untuk Analisis Keselarasan Opini Publik dan Kebijakan Literasi Digital Wiyono, Tri; Muhammad Irfan Sarif; Andika Dwi Aryo H; Ahmad Syaukani; Muhammad Zikri Ramadhan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9367

Abstract

Transformasi digital yang berlangsung cepat menuntut peningkatan literasi digital yang lebih komprehensif. Namun, berbagai indikator nasional menunjukkan penurunan pada aspek etika digital, keamanan siber, dan kemampuan berpikir kritis. Penelitian ini bertujuan menganalisis kesenjangan antara opini publik dan kebijakan literasi digital nasional melalui pendekatan komputasional berbasis Natural Language Processing (NLP). Untuk tujuan tersebut, dikembangkan model hibrida orisinal EPAM-2025 (Entity–Policy Alignment Model) sebagai kerangka pengukuran keselarasan kebijakan. Dataset penelitian terdiri atas 2.165 tweet berbahasa Indonesia yang diperoleh secara etis melalui API platform X (Twitter). Prosedur analisis mencakup pembersihan data, tokenisasi, ekstraksi entitas menggunakan Named Entity Recognition (NER), analisis sentimen, serta pengukuran kesamaan semantik berbasis TF-IDF cosine similarity. Skor keselarasan dihitung menggunakan formula Sa = αSm + βSs(norm). Hasil penelitian menunjukkan dominasi opini netral (92,24%) serta tingkat kesamaan semantik yang sangat rendah (<0,1), menandakan bahwa terminologi kebijakan digital seperti digital safety dan digital ethics belum terinternalisasi dalam wacana publik. Model EPAM-2025 juga menunjukkan performa evaluatif yang stabil dengan klasifikasi tepat pada dua kategori aktif (“Tidak Selaras” dan “Perlu Analisis Lanjut”). Penelitian ini memberikan kontribusi metodologis melalui pengembangan pendekatan kuantitatif yang objektif untuk mengukur keselarasan opini publik terhadap kebijakan, serta membuka peluang pemanfaatan analitik opini publik dalam mendukung perumusan kebijakan nasional berbasis bukti.
Co-Authors Ahmad Syaukani Ahmad Zakir, Ahmad Aks, Safriadi M Yunus Andi Marwan Elhanafi, Andi Marwan Andika Dwi Aryo H Djunaedi Eti Nurwening Sholikhah Hadinata, Edrian Laely, Nur Lestari, Nurhilah Muhammad Irfan Sarif Muhammad Zikri Ramadhan Pratiwi, Woro Rukmi