Claim Missing Document
Check
Articles

Found 2 Documents
Search

Mengoptimalkan Deteksi Intrusi Jaringan: Perbandingan SVM dan KNN Menggunakan Dataset KddCup99 Purba, Etha Felisya Br; Salsabilla, Rehana Putri; Rahadiansyah, Nur Azka
Madani: Jurnal Ilmiah Multidisiplin Vol 2, No 7 (2024): Madani, Vol 2. No. 7, 2024
Publisher : Penerbit Yayasan Daarul Huda Kruengmane

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12562473

Abstract

Network security is becoming increasingly critical with the rising complexity of cyber attacks. Intrusion Detection Systems (IDS) play a crucial role in monitoring and identifying suspicious activities in real-time. This study compares two machine learning algorithms, Support Vector Machine (SVM) and K-Nearest Neighbors (KNN), in detecting attacks using the KDD Cup 99 dataset. The experimental results show that KNN outperforms SVM in terms of accuracy, precision, recall, and F1-score. KNN is more effective in classifying overall data, while SVM is efficient in managing false positives and handling high-dimensional data. Both algorithms have their respective strengths and weaknesses, so the choice of algorithm should be tailored to the specific characteristics of the data and detection requirements. This research provides valuable insights into selecting the appropriate algorithm to enhance the effectiveness of network intrusion detection in the future.
Internet of Things (IoT) Smartfarming untuk Pertanian Bawang Merah di Desa Kare, Kabupaten Madiun Ciptaningtyas, Henning; Ginardi, Raden Venantius Hari; Aunurohim, Aunurohim; Hariadi, Ridho Rahman; Hisyam, Achmad Aushaf Amrega; Fauzi, Haffif Rasya; Pasya, Muhammad Naufal; Syafa, Ilhan Ahmad; Wicaksono, M. Januar Eko; Salsabilla, Rehana Putri; Syahputra, Muhammad Harvian Dito; Fraditya, Awang
Sewagati Vol 9 No 2 (2025)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v9i2.2339

Abstract

Indonesia merupakan salah satu negara penghasil bawang merah terbesar di dunia, namun proses pemeliharaan tanaman bawang merah masih mengalami kendala, terutama dalam hal efisiensi sistem pengairan. Penerapan teknologi Internet of Things (IoT) menawarkan solusi yang dapat meningkatkan efisiensi pemeliharaan melalui sistem pemantauan dan pengendalian otomatis. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem IoT yang terintegrasi dengan aplikasi mobile untuk membantu petani di Desa Kare, Kabupaten Madiun dalam mengelola kebutuhan air tanaman bawang merah secara lebih efektif. Sistem ini menggunakan sensor BME280 yang terhubung ke ESP32 melalui jaringan Wi-Fi untuk memantau suhu dan kelembapan lingkungan, yang selanjutnya digunakan untuk mengendalikan katup solenoid guna mengatur pengairan secara otomatis sesuai kebutuhan tanaman. Aplikasi mobile dibangun menggunakan Flutter dan menyediakan fitur dashboard yang memungkinkan petani memantau data secara real-time. Pengujian sistem dilakukan melalui user acceptance testing dan device compatibility testing untuk memastikan integrasi dan kinerja sistem. Hasil penelitian menunjukkan bahwa sistem ini mampu membantu petani dalam pengelolaan irigasi yang efisien dan menjaga kualitas tanaman, sehingga dapat mendukung peningkatan produktivitas serta hasil panen. Temuan ini penting sebagai langkah awal dalam pengembangan pertanian cerdas yang lebih berkelanjutan di Indonesia.