Garuda - Garba Rujukan Digital

Analisis Keamanan Jaringan pada VLAN dengan Metode Firewall Security Port Menggunakan Telegram Bot sebagai Monitoring Al Fatta, Khabib; Utama, Hastari; Santoso, Joko Dwi; Ferdiansyah, Pramudita
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

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

Perkembangan era digital meningkatkan kebutuhan akan keamanan jaringan, terutama pada lingkungan Virtual Local Area Network (VLAN). Penelitian ini bertujuan untuk menganalisis keamanan jaringan pada VLAN dengan menerapkan metode firewall security port dan memanfaatkan Telegram Bot sebagai sistem monitoring berbasis notifikasi real-time. Metode penelitian yang digunakan adalah SPDLC (Security Policy Development Life Cycle) dengan tahapan analisis, desain, implementasi, pengujian, dan evaluasi. Implementasi dilakukan menggunakan router Mikrotik dengan konfigurasi aturan firewall filter beraksi drop pada port tertentu, khususnya port FTP (21). Pengujian serangan DDoS dilakukan menggunakan software Ultraddos dengan mengirimkan 10.000 paket ke alamat IP target. Hasil penelitian menunjukkan bahwa firewall dengan aksi drop berhasil mencegah lonjakan CPU hingga 100% dan menghindari logout paksa pada perangkat. Selain itu, Telegram Bot berhasil mengirimkan notifikasi serangan dalam waktu kurang dari 5 detik setelah serangan terdeteksi, meningkatkan responsivitas administrator. Kesimpulan penelitian ini adalah integrasi firewall security port dan Telegram Bot efektif dalam melindungi jaringan VLAN dari serangan DDoS sekaligus menyediakan mekanisme monitoring yang cepat dan andal. Penelitian ini memberikan kontribusi praktis bagi pengembangan sistem keamanan jaringan yang responsif dan terdiferensiasi.

Analisis Hasil Uji Penetrasi Menggunakan Metode Information Systems Security Assessment Framework (ISSAF) Pada Website Cahyo, Iyondiansyah Eka; Santoso, Joko Dwi; Utama, Hastari
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

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

Ancaman keamanan pada situs web sering kali disebabkan oleh adanya celah keamanan yang dapat dimanfaatkan pihak tidak berwenang untuk melakukan tindakan berbahaya. Penelitian ini bertujuan untuk menganalisis kerentanan keamanan pada website dummy dengan menerapkan metode Information Systems Security Assessment Framework (ISSAF) dalam pelaksanaan uji penetrasi. Pengujian dilakukan menggunakan pendekatan black box testing dengan fokus pada tiga jenis serangan umum: SQL Injection, Cross-Site Scripting (XSS), dan Cross-Site Request Forgery (CSRF). Hasil penelitian mengidentifikasi bahwa SQL Injection tergolong risiko sedang, sedangkan XSS dan CSRF termasuk dalam kategori risiko tinggi berdasarkan analisis faktor ancaman dan dampak teknis-bisnis. Rekomendasi mitigasi yang diusulkan meliputi penerapan prepared statements, Content Security Policy (CSP), dan CSRF token untuk meningkatkan keamanan sistem. Penelitian ini diharapkan dapat menjadi acuan dalam pengujian dan peningkatan keamanan aplikasi web berbasis kerangka kerja terstruktur.

Identifikasi Kerentanan Perangkat Lunak Pengolah Dokumen Berbasis Binary menggunakan Metode Whitebox Fuzzing Afl++ Rasyid, Ahmad Hassan; Santoso, Joko Dwi; Utama, Hastari
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

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

Keamanan perangkat lunak menjadi semakin penting di era digital, terutama dalam menghadapi serangan siber seperti buffer overflow. Pengujian keamanan yang komprehensif diperlukan untuk menemukan kerentanan tersebut, dengan teknik fuzzing sebagai salah satu pendekatan yang efektif. Penelitian ini mengimplementasikan whitebox fuzzing menggunakan AFL++ yang dikombinasikan dengan Address Sanitizer (ASan) untuk mendeteksi kerentanan pada perangkat lunak pengolah dokumen berbasis binary, yaitu PDFCook versi 0.4.5. Hasil penelitian menunjukkan bahwa dalam waktu 10 menit 2 detik, AFL++ berhasil menemukan 2.952 crash dengan 110 file crash unik yang tersimpan. Jenis kerentanan yang teridentifikasi didominasi oleh Segmentation Fault (SEGV) sebanyak 94,5%, diikuti oleh Heap Buffer Overflow (3,6%), SIGABRT, dan Out of Memory. Temuan ini membuktikan bahwa fuzzing berbasis AFL++ merupakan metode yang efisien, ekonomis, dan efektif untuk mengungkap kerentanan keamanan pada perangkat lunak sebelum dirilis ke lingkungan produksi.

Implementasi Sistem Manajemen Produksi Dan Pemesanan Pada Konveksi Sablon Cambena.Ink Berbasis Website Anggara, Adrianus Ingka; Santoso, Joko Dwi; Utama, Hastari
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

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

Perkembangan teknologi digital tidak hanya membawa dampak positif tetapi juga memicu peningkatan kejahatan siber, termasuk cyber sexual harassment. Modus kejahatan ini sering kali memanfaatkan teknik steganografi untuk menyembunyikan bukti digital dalam media seperti gambar. Penelitian ini bertujuan untuk menganalisis bukti digital forensik terkait penggunaan teknik steganografi pada media flashdisk dalam konteks kasus cyber sexual harassment. Metode yang digunakan adalah kerangka kerja National Institute of Standards and Technology (NIST) yang terdiri dari empat tahap: collection, examination, analysis, dan reporting. Alat yang digunakan meliputi FTK Imager untuk akuisisi, Autopsy untuk pemeriksaan dan pemulihan data, serta OpenStego dan Steganographystudio untuk steganalisis. Hasil penelitian menunjukkan bahwa proses akuisisi berhasil dengan integritas terjaga (hash MD5 & SHA-1 terverifikasi). Autopsy berhasil memulihkan 10 file gambar yang terhapus. Analisis histogram mengindikasikan adanya anomali pada semua file. Namun, ekstraksi pesan tersembunyi hanya berhasil sebagian: OpenStego berhasil pada 1 file (10%), sedangkan Steganographystudio pada 2 file (20%). Simpulan penelitian menyatakan bahwa pendekatan NIST efektif, namun efektivitas steganalisis sangat bergantung pada alat dan teknik penyembunyian yang digunakan, sehingga diperlukan strategi multi-alat dalam investigasi forensik digital untuk kasus serupa.

Analyzing Bias Trade-Offs in Movie Review Sentiment Analysis using a BERT - SVM Enhanced Model Vany Eka; Hastari Utama
Jurnal Sistem Cerdas Vol. 9 No. 1 (2026)
Publisher : APIC

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37396/jsc.v9i1.570

Sentiment analysis of movie reviews often exhibits genre-based bias, where model performance varies significantly across subgroups—an issue that standard accuracy metrics can mask. To address this, we propose a novel fairness-aware hybrid model, BERT-SVM (Fairness-Tuned), which integrates sample re-weighting focused on the lowest-performing genre into the BERT-SVM pipeline. Using a public IMDb movie review dataset from Kaggle, we first train a standard BERT-SVM model and identify Horror as the weakest-performing genre (accuracy: 72.3%, vs. overall 89.6%). We then apply targeted re-weighting to upsample underrepresented or misclassified Horror samples during training. The Fairness-Tuned model reduces the accuracy gap by 62%, raising Horror genre accuracy to 83.1% while maintaining strong overall performance (87.4%). This work not only quantifies the fairness–accuracy trade-off but also demonstrates that lightweight, genre-specific bias mitigation within a hybrid architecture can effectively enhance equity without drastic model redesign—highlighting the value of explicit fairness evaluation in NLP applications

PENDEKATAN DEEP LEARNING MENGGUNAKAN METODE LSTM UNTUK PREDIKSI HARGA BITCOIN Hastari Utama
The Indonesian Journal of Computer Science Research Vol. 2 No. 2 (2023): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v2i2.77

Bitcoin price prediction involves analyzing a variety of factors, including market sentiment, trading volume, economic news, technological developments, and other factors that affect supply and demand. Both technical and fundamental analysis methods can be used to try to predict Bitcoin price movements. In this Bitcoin price prediction using a Deep Learning approach with the chosen method is LSTM. The LSTM (Long Short-Term Memory) method is a popular type of Recurrent Neural Network (RNN) model for predicting the price of Bitcoin and other financial assets. LSTM can solve the problem of price movements that have long-term dependencies, which traditional RNN models cannot handle well. LSTMs have the ability to "remember" information from longer periods of time, thereby recognizing complex patterns and trends in historical data. In this study the prediction period used a dataset from March 1 2016 to November 24 2018. This study used an epoch parameter of 10 with a learning rate of 0.001. In addition, the batch size parameter used is 25 with layers only. The evaluation results of this study resulted in an RMSE of 77.74 and an MAE of 278.33. This shows that the RMSE value is small because the Bitcoin price range is too far.

Weak Supervision Dengan Pendekatan Labeling Function Untuk Analisis Sentimen Pada Twitter Hastari Utama; Erna Daniati; Ahlihi Masruro
The Indonesian Journal of Computer Science Research Vol. 3 No. 1 (2024): Januari
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v3i1.93

Penggunaan sosial media saat ini telah meningkat dengan pesat. Salah satu jenis media sosial yang digunakan adalah Twitter. Media sosial ini memiliki miliaran pengguna dari seluruh dunia. Jadi, dalam waktu yang singkat data tweet yang mereka posting telah ada pada penyimpaannya. Setiap pengguna juga dibatasi jumlah karakter dalam melakukan pengiriman tweetnya. Namun, kumpulan tweet pada media sosial ini memiliki konteks tema yang bervariatif. Hal ini dapat memuat sentimen emosional seperti senang, sedih, gembira, duka, dan sebagainya. Berbagai jenis data tweet yang disediakan ini sangat berpotensial untuk dianalisis terutama bagi perusahaan berbasis profit. Hal ini dapat memuat kebiasaan pelanggan, tren produk, indeks saham, dan sebagainya. Salah satu jenis analisis yang dilakukan adalah sentiment analisis. Hal ini berguna untuk mengklasifikasikan opini tweet yang ada. Opini ini dapat berupa positif, negatif, atau netral. Hasil analisis ini sangat diperlukan perusahaan untuk mengetahui tren yang terjadi pada era ini. Salah satu solusi yang ditawarkan pada penelitian ini adalah dengan menggunakan Weak Supervision. Namun, ada tantangan yang terjadi pada metode ini. Hal ini adalah kuranganya tingkat akurasi jika dibandingkan dengan pelabelan secara manual. Pada penelitian ini dilakukan pelabelan otomatis dengan weak supervision. Selain itu, dilakukan pendekatan labeling function dan Regex Pattern dalam melakukan pelabelan secara otomatis. Hal ini diharapakan dataset yang dilabeli akan menghasilkan model dengan tingkat akurasi mendekat pelabelan secara manual, lebih lagi jika dapat mengungguli metode manual. Selain itu, kontribusi yang diharapkan dalam penelitian ini adalah usaha untuk mempersingkat waktu pelabelan daripada dilakukan secara manual.Ringkasan penelitian tidak lebih dari 500 kata yang berisi latar belakang penelitian, tujuan dan metode penelitian yang diusulkan, luaran yang ditargetkan, serta uraian kontribusi penelitian. Gunakan style Abstract pada bagian ini dengan satu paragraf.

Integrasi Augmentasi Data dan Machine Learning dalam Prediksi Magnitudo Gempa Bumi: Analisis dengan Random Forest Regressor dan Visualisasi Geospasial Hastari Utama; Ahlihi Masruro; Toto Indriyatmoko; Sudarmanto Sudarmanto
BHATARA: Jurnal Multidisiplin Ilmu Vol 2 No 3 (2025): October
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v2i3.233

This research aims to enhance the accuracy of earthquake magnitude prediction through an integration of data augmentation techniques and machine learning based on the Random Forest Regressor, supported by geospatial visualization for in-depth analysis. The dataset used originates from the USGS (United States Geological Survey) in CSV format, encompassing over a thousand global earthquake events within one month, with seismic parameters such as location (latitude, longitude), depth, magnitude, and recording quality. In the context of imbalanced data—dominated by small earthquakes and rare large ones—a data augmentation technique based on noise injection into spatial features (latitude, longitude) and depth was applied, resulting in a dataset five times larger than the original. Evaluation results demonstrate significant improvement in model performance: MAE decreased from 0.2467 to 0.1046 (a 57.6% reduction), RMSE dropped from 0.3499 to 0.1868 (a 46.6% decrease), MSE reduced from 0.1225 to 0.0349 (a 71.5% reduction), and R² increased from 0.9493 to 0.9817. These improvements confirm that data augmentation not only reduces overfitting but also strengthens the model’s ability to predict large-magnitude earthquakes—classes most critical for disaster mitigation. Geospatial visualization displays the spatiotemporal distribution of earthquakes, identifying active seismic hotspots in regions such as the Pacific Ring of Fire, California, Alaska, and Indonesia. This research proves that data augmentation is not merely a supplementary technique but a crucial strategy to enhance model generalization and predictive performance, particularly for rare yet high-impact seismic events. The findings offer significant scientific and practical contributions to seismic hazard mitigation and risk mapping, with potential applications in early warning systems and real-time disaster response.

Pemodelan Prediktif Konsumsi Energi Listrik di Pabrik Baja Berbasis XGBoost untuk Pengelolaan Sumber Daya Berkelanjutan Hastari Utama; Joko Dwi Santoso
BHATARA: Jurnal Multidisiplin Ilmu Vol 2 No 3 (2025): October
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v2i3.234

This research aims to develop a predictive model for electrical energy consumption in steel plants based on XGBoost Regressor, with the goal of supporting sustainable resource management. The dataset used was obtained from the UCI Machine Learning Repository with DOI: 10.24432/C52G8C , covering real-time operational data from a steel plant during 2018, including variables such as energy consumption (Usage_kWh), reactive power, power factor, and production load status. The research process included data exploration, preprocessing, time and categorical feature extraction, and training the XGBoost Regressor model with hyperparameter optimization using Grid Search and time-series split validation. Evaluation results showed outstanding performance with an MAE of only 0.41 kWh, RMSE of 0.81 kWh, and an R² value of 0.9993, indicating that the model successfully explained nearly all variations in actual data. Feature importance analysis revealed that Lagging_Current_Reactive.Power_kVarh and CO2(tCO2) were the most influential features in predicting energy consumption. This model is not only technically accurate but also holds significant practical potential for use in industrial energy management systems, helping companies plan production schedules, avoid peak loads, and improve energy efficiency sustainably.

Analisis Bukti Digital Forensik Terkait Penggunaan Teknik Steganografi pada Kasus Cyber Sexual Harassment Zepin Nossa; Joko Dwi Santoso; Hastari Utama
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 2 (2026): April
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i2.260

Perkembangan teknologi digital tidak hanya membawa dampak positif tetapi juga memicu peningkatan kejahatan siber, termasuk cyber sexual harassment. Modus kejahatan ini sering kali memanfaatkan teknik steganografi untuk menyembunyikan bukti digital dalam media seperti gambar. Penelitian ini bertujuan untuk menganalisis bukti digital forensik terkait penggunaan teknik steganografi pada media flashdisk dalam konteks kasus cyber sexual harassment. Metode yang digunakan adalah kerangka kerja National Institute of Standards and Technology (NIST) yang terdiri dari empat tahap: collection, examination, analysis, dan reporting. Alat yang digunakan meliputi FTK Imager untuk akuisisi, Autopsy untuk pemeriksaan dan pemulihan data, serta OpenStego dan Steganographystudio untuk steganalisis. Hasil penelitian menunjukkan bahwa proses akuisisi berhasil dengan integritas terjaga (hash MD5 & SHA-1 terverifikasi). Autopsy berhasil memulihkan 10 file gambar yang terhapus. Analisis histogram mengindikasikan adanya anomali pada semua file. Namun, ekstraksi pesan tersembunyi hanya berhasil sebagian: OpenStego berhasil pada 1 file (10%), sedangkan Steganographystudio pada 2 file (20%). Simpulan penelitian menyatakan bahwa pendekatan NIST efektif, namun efektivitas steganalisis sangat bergantung pada alat dan teknik penyembunyian yang digunakan, sehingga diperlukan strategi multi-alat dalam investigasi forensik digital untuk kasus serupa.

Title

Found 24 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 24 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 24 Documents
Search