Claim Missing Document
Check
Articles

Found 27 Documents
Search

Perbandingan Kinerja Algoritma SVM, LSTM, dan Fine-tuned IndoBERT dalam Analisis Sentimen Opini Masyarakat Indonesia terhadap Mobil Listrik Erna Daniati; Arie Nugroho; Aidina Ristyawan; Hastari Utama
The Indonesian Journal of Computer Science Research Vol. 5 No. 1 (2026): Januari
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v5i1.245

Abstract

Penelitian ini menyajikan analisis sentimen terhadap opini publik di Indonesia mengenai mobil listrik menggunakan pendekatan fine-tuning pada model IndoBERT untuk meningkatkan akurasi klasifikasi sentimen. Dengan semakin meningkatnya pergeseran global menuju transportasi berkelanjutan, memahami persepsi masyarakat sangat penting bagi keberhasilan adopsi mobil listrik di Indonesia. Penelitian ini menggunakan dataset berisi 1.517 komentar berbahasa Indonesia yang dikumpulkan dari platform media sosial dan dilabeli menjadi tiga kategori sentimen: positif, negatif, dan netral. Model yang digunakan adalah IndoBERT-base yang diperbaiki melalui proses fine-tuning pada dataset tersebut untuk meningkatkan performanya dalam klasifikasi sentimen. Hasil evaluasi menunjukkan bahwa IndoBERT yang telah dilakukan fine-tuning mencapai akurasi sebesar 0,91, mengungguli tiga model baseline yaitu TF-IDF dengan SVM, LSTM, serta IndoBERT tanpa fine-tuning. Uji signifikansi statistik menggunakan uji McNemar membuktikan bahwa peningkatan tersebut signifikan secara statistik (p < 0,05). Selain itu, analisis tematik kualitatif mengungkapkan bahwa sentimen negatif didominasi oleh kekhawatiran terhadap harga yang mahal infrastruktur pengisian daya yang minim serta ketidakpercayaan terhadap kebijakan pemerintah sedangkan sentimen positif cenderung berkaitan dengan manfaat lingkungan dan insentif yang adil. Penelitian ini menunjukkan bahwa pendekatan fine-tuning pada IndoBERT secara signifikan meningkatkan akurasi klasifikasi sentimen dan memberikan wawasan berharga mengenai opini publik yang mendukung pengembangan kebijakan dan strategi industri dalam mempromosikan mobilitas ramah lingkungan di Indonesia
Analisis Keamanan Jaringan pada VLAN dengan Metode Firewall Security Port Menggunakan Telegram Bot sebagai Monitoring Khabib Al Fatta; Hastari Utama; Joko Dwi Santoso; Pramudita Ferdiansyah
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i1.261

Abstract

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 Iyondiansyah Eka Cahyo; Joko Dwi Santoso; Hastari Utama
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i1.262

Abstract

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.
Information Security Valuation on the Bakpia Tamansari Website and Semakar Adventure Shop Using Penetration Testing and Vulnerability Assessment Approaches Abel Kusuma; Joko Dwi Santoso; Hastari Utama; Ahlihi Masruro; Sudarmanto
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 3 (2026): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i3.263

Abstract

This study aims to evaluate the level of information security on two local e-commerce platforms, namely Bakpia Tamansari and Semakar Adventure Shop, through penetration testing and vulnerability assessment. The method used is a case study by applying a set of security tools such as Metasploit, Nmap, Nikto, SQLMap, and OWASP ZAP to identify security vulnerabilities in aspects of the network, server, web application, and database. The results show that both websites have similar vulnerabilities in security configurations, especially in the absence of critical security headers (X-Frame-Options, X-Content-Type-Options), open service ports without adequate protection, and potential for Cross-Site Request Forgery (CSRF) attacks. Bakpia Tamansari showed a slightly better security posture with no leakage of sensitive files, while Semakar Adventure Shop was identified as having a publicly accessible configuration file (composer.lock). Based on these findings, this study provides recommendations for improvement in the form of implementing multi-factor authentication, adding security headers, closing ports is not required, and improving incident monitoring and response systems. The implications of this research are expected to be a reference for local e-commerce platform managers in improving information security readiness according to industry standards.
Identifikasi Kerentanan Perangkat Lunak Pengolah Dokumen Berbasis Binary menggunakan Metode Whitebox Fuzzing Afl++ Ahmad Hassan Rasyid; Joko Dwi Santoso; Hastari Utama
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i1.265

Abstract

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 Adrianus Ingka Anggara; Joko Dwi Santoso; Hastari Utama
BHATARA: Jurnal Multidisiplin Ilmu Vol 3 No 1 (2026): January
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v3i1.267

Abstract

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.
Nilai Intensitas Aktivitas Fisik Berdasarkan Data Akselerometer Menggunakan Algoritma Gradient Boosting Regression Bahrun Ghozali; Hastari Utama; Barka Satya
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2635

Abstract

Perkembangan teknologi sensor wearable telah meningkatkan kebutuhan akan sistem pemantauan aktivitas fisik yang akurat dan real-time. Penelitian ini bertujuan untuk mengembangkan model regresi guna memprediksi nilai intensitas aktivitas fisik secara kontinu berdasarkan data akselerometer triaksial dengan memanfaatkan algoritma Gradient Boosting Regression (GBR). Metode yang digunakan meliputi akuisisi data, pra-pemrosesan, ekstraksi fitur multidomain (waktu dan frekuensi), serta seleksi fitur. Model dibangun dan dioptimasi menggunakan dataset awal dari dua partisipan dengan 2.524 sampel sebagai studi pendahuluan (pilot study), kemudian dievaluasi dengan metrik RMSE, MAE, dan R² serta validasi silang antar-partisipan. Penulis menyadari bahwa jumlah partisipan yang terbatas dan ketidakseimbangan distribusi data (98% vs 2%) merupakan keterbatasan utama penelitian ini, sehingga hasil yang diperoleh belum dapat digeneralisasikan secara luas.Hasil penelitian menunjukkan bahwa model GBR mampu menangkap hubungan non-linear antara fitur akselerometer dan intensitas aktivitas dengan performa yang lebih baik dibandingkan baseline seperti regresi linier. Model ini berpotensi diintegrasikan ke dalam sistem wearable untuk memberikan umpan balik intensitas aktivitas secara real-time, sehingga mendukung aplikasi kesehatan personal, rehabilitasi, dan pemantauan kebugaran.