Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika Teknologi dan Sains (Jinteks) Scientica: Jurnal Ilmiah Sains dan Teknologi
Permatasari, Cintya Della
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS KEAMANAN WEB SERVICE TERHADAP ANCAMAN BACKDOOR SHELL MENGGUNAKAN MACHINE LEARNING Permatasari, Cintya Della; Putri , Madina Hayva; Shevchenko, Marchel Andrian
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 8 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

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

Abstract

Web service telah menjadi komponen penting dalam aplikasi bisnis modern, memungkinkan integrasi dan komunikasi antar sistem secara efisien. Namun, meningkatnya penggunaan web service juga membawa berbagai ancaman keamanan yang dapat merusak integritas, kerahasiaan, dan ketersediaan data. Salah satu ancaman serius adalah backdoor shell, sebuah metode serangan di mana penyerang menyisipkan kode berbahaya ke dalam aplikasi web untuk mendapatkan akses tidak sah. Penelitian ini bertujuan untuk mengeksplorasi penggunaan machine learning dalam mendeteksi backdoor shell pada web service, menguji efektivitasnya, dan membandingkannya dengan metode deteksi tradisional. Metode yang digunakan meliputi pengumpulan data aktivitas web service, penggunaan algoritma machine learning seperti Random Forest dan SVM, serta validasi model dengan teknik cross-validation. Hasil penelitian menunjukkan bahwa model machine learning yang dikembangkan mampu mendeteksi ancaman backdoor shell dengan akurasi 95%, presisi 93%, recall 96%, dan F1-score 94%, mengungguli metode deteksi tradisional. Kesimpulannya, pendekatan machine learning efektif dalam meningkatkan keamanan web service terhadap ancaman backdoor shell.
PENGEMBANGAN SISTEM INFORMASI KEUANGAN BERBASIS WEB MOBILE DENGAN METODE WATERFALL PADA USAHA KENZY TOYS Permatasari, Cintya Della; Pramudwiatmoko, Arif
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.6964

Abstract

Kenzy Toys merupakan usaha ritel yang bergerak dalam penjualan mainan anak-anak. Proses pencatatan transaksi dan pengelolaan keuangan sebelumnya masih dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan dalam pencatatan laba, perhitungan gaji, dan pengelolaan data karyawan. Untuk meningkatkan efektivitas dan akurasi pengelolaan data, dikembangkan sistem informasi keuangan berbasis web dan mobile yang terintegrasi dengan basis data cloud menggunakan Supabase sebagai media penyimpanan. Penelitian ini menggunakan metode pengembangan sistem model Waterfall, yang terdiri dari tahap analisis kebutuhan, perancangan, implementasi, dan pengujian. Aplikasi mobile dikembangkan dengan Flutter, sedangkan aplikasi web menggunakan Next.js dan TypeScript. Sistem yang dihasilkan dilengkapi dengan fitur pencatatan pembelian, penjualan, pengeluaran, dan pemasukan, serta penggajian otomatis yang terintegrasi dengan payment gateway Xendit. Hasil pengujian dengan metode black box menunjukkan seluruh fitur berjalan sesuai fungsi yang diharapkan. Berdasarkan hasil tersebut, sistem ini dinilai mampu membantu pemilik usaha dalam mengelola keuangan, memantau aktivitas karyawan, dan menyusun laporan keuangan secara lebih efisien dan terstruktur.
Co-Authors Pramudwiatmoko, Arif Putri , Madina Hayva Shevchenko, Marchel Andrian