Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pelatihan Pemanfaatan Google Sites sebagai Media Pembelajaran di SMK Dharma Pancasila dewi, sri; Perdana, Adidtya; Harliana, Putri; Maulidina Fadila, Putri; Ain Farhana, Nurul; Septiana, Dian; Maulida Surbakti, Nurul
Majalah Ilmiah UPI YPTK Vol. 31 (2024) No. 1
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/jmi.v31i1.160

Abstract

Teknologi berkembang  sangat pesat begitu pula dengan dunia pendidikan. Pendidikan merupakan upaya pengembangan potensi sumber daya manusia melalui proses pembelajaran. Tujuan utama dari proses pembelajaran di sekolah adalah menciptakan suasana belajar yang baik dan menyenangkan, membangkitkan semangat dan mendorong mereka untuk selalu giat belajar, karena proses belajar yang baik dan menyenangkan akan memberikan dampak positif terhadap tercapainya hasil pembelajaran yang optimal. Pemilihan metode pembelajaran yang tepat merupakan salah satu cara menciptakan proses pembelajaran menjadi lebih menarik. Salah satu metode pembelajaran yang dapat meningkatkan proses belajar yaitu pemilihan media pembelajaran. Saat ini sudah banyak pilihan teknologi informasi yang dapat digunakan untuk diterapkan dalam proses pembelajaran. Salah satu media pembelajaran yang dapat digunakan adalah Google Sites. Google Sites merupakan salah satu dari sekian banyak produk Google yang digunakan sebagai alat pembuat website secara gratis sehingga siapapun dapat menggunakan atau membuat membuat website dengan memanfaatkan Google Sites. Penggunaan Google Sites dapat dijadikan sebagai solusi  memudahkan akses informasi dengan memanfaatkan jaringan internet. Tujuan dilakukan kegiatan pelatihan ini adalah peningkatan softskill Guru SMK Dharma Pancasila untuk membangun sebuah website secara gratis dengan memanfaatkan Google Sites. Hasil dari kegiatan pelatihan ini setiap guru mampu menggunakan dan mengembangkan website dengan memanfaatkan Google Site. Melalui kegiatan ini juga telah membantu  pihak sekolah dalam menggunakan media pembelajaran yang lebih variatif yang tersedia secara gratis melalui Google Sites sehingga siswa dan guru dapat mengembangkan pembelajaran yang lebih baik
Pengembangan dan Implementasi Sistem Deteksi Serangan DDoS Berbasis Algoritma Random Forest Kiswanto, Dedy; Ramadhani, Fanny; Maulida Surbakti, Nurul; Afiati Nasution, Nadrah
Bulletin of Information Technology (BIT) Vol 6 No 3: September 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v6i3.2203

Abstract

Serangan Distributed Denial of Service (DDoS) merupakan ancaman serius bagi keamanan jaringan, sementara metode deteksi tradisional seperti threshold-based detection dan signature-based detection memiliki keterbatasan dalam mengenali pola serangan baru maupun anomali lalu lintas yang kompleks. Penelitian ini bertujuan merancang dan mengimplementasikan model prediksi serangan DDoS berbasis algoritma Random Forest yang mampu membedakan trafik normal dan berindikasi serangan secara akurat. Pendekatan Research and Development (R&D) digunakan, meliputi studi literatur, perancangan model, implementasi, serta evaluasi performa menggunakan metrik akurasi, precision, recall, F1-score, confusion matrix, dan learning curve. Berdasarkan hasil evaluasi, model Random Forest menunjukkan kinerja sangat baik dengan akurasi 0,99942 (99,942%). Precision untuk kelas 0 dan 1 masing-masing sebesar 0,99979 dan 0,99884, sedangkan recall mencapai 0,99928 untuk kelas 0 dan 0,99966 untuk kelas 1. Nilai F1-score tinggi, yaitu 0,99953 untuk kelas 0 dan 0,99925 untuk kelas 1, dengan macro average F1-score sebesar 0,99939 dan weighted average sebesar 0,99942, menunjukkan keseimbangan performa pada kedua kelas. Confusion Matrix menunjukkan kesalahan klasifikasi rendah (44 false positive dan 13 false negative dari 99.066 sampel). Analisis learning curve mengungkapkan akurasi pelatihan stabil di atas 0,998, sedangkan akurasi validasi meningkat dari 0,986 pada 10.000 data hingga di atas 0,998 pada 80.000 data, dengan jarak antarkurva semakin kecil. Pola ini menandakan model mampu memanfaatkan data tambahan untuk meningkatkan generalisasi tanpa gejala overfitting atau underfitting. Temuan ini membuktikan bahwa model Random Forest yang dirancang dapat menjadi solusi deteksi dini serangan DDoS yang andal, adaptif, dan berpotensi diintegrasikan dalam sistem keamanan jaringan secara real-time.