Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Journal of Informatics and Communication Technology (JICT) Neraca: Jurnal Ekonomi, Manajemen dan Akuntansi Journal of Informatics and Communication Technology (JICT)
Hidayat, Raihan
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENGARUH PELATIHAN DAN DUKUNGAN ORGANISASI TERHADAP KOMITMEN KARYAWAN Hidayati, Tetra; Mirani, Mirani; Hayati, Tiara Nur; Wijaya, Yonggi; Said, Muhammad; Hidayat, Raihan
Neraca: Jurnal Ekonomi, Manajemen dan Akuntansi Vol. 3 No. 3 (2024): Neraca: Jurnal Ekonomi, Manajemen dan Akuntansi
Publisher : Neraca: Jurnal Ekonomi, Manajemen dan Akuntansi

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

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh pelatihan dan dukungan organisasi terhadap komitmen karyawan dalam menghadapi perubahan organisasi. Metode sintesis tematik adalah pendekatan analisis yang digunakan dalam penelitian literature review untuk mengidentifikasi, mengorganisasikan, dan menginterpretasikan pola atau tema utama dalam data yang dikumpulkan dari berbagai sumber literatur.
Analisis Performa Algoritma Convolutional Neural Network (CNN) sebagai Pendeteksi Serangan DDoS Berbasis Deep Learning Gustav, William Paul; Fajri, Naufalul; Hidayat, Raihan; Yanti, Hesmi Aria
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 2 (2024)
Publisher : PPM Telkom University

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

Abstract

DDoS (Distributed Denial of Service) merupakan jenis serangan siber yang membuat sebuah layanan online tidak tersedia dengan membuat server, jaringan, atau aplikasi target dengan lalu lintas internet menjadi overload. Serangan ini biasanya dilakukan dengan menggunakan beberapa sistem untuk mengirimkan sejumlah besar permintaan ke target, menyebabkan layanan menjadi lambat atau bahkan tidak berfungsi. Tujuan dari penelitian ini adalah menganalisis lalu lintas serangan DDoS menggunakan pendekatan deep learning dengan algoritma Convolutional Neural Network (CNN). Penggunaan CNN pada penelitian ini dapat meningkatkan akurasi deteksi dan efisiensi serangan DDoS, dengan memanfaatkan kemampuan mengidentifikasi pola dalam data traffic jaringan. Implementasi dataset, melalui beberapa proses yaitu akuisisi data, pre-processing data, model CNN untuk mengklasifikasikan dan evaluasi terhadap traffic DDoS. Temuan ini menunjukkan bahwa model CNN mencapai akurasi tinggi dalam mendeteksi serangan DDoS dengan nilai akurasi training mencapai 99.75% dan akurasi validasi mencapai 99.65%. Ini berarti model mengklasifikasikan data training dengan benar sebesar 99.75% dan data validasi sebesar 99.65%, lebih baik daripada algoritma DNN , RNN, dan GRU. Penelitian lebih lanjut disarankan untuk mengoptimalkan model dan mengeksplorasi penerapannya dalam sistem deteksi real-time.
Analisis Performa Algoritma Convolutional Neural Network (CNN) sebagai Pendeteksi Serangan DDoS Berbasis Deep Learning Gustav, William Paul; Fajri, Naufalul; Hidayat, Raihan; Yanti, Hesmi Aria
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 2 (2024)
Publisher : PPM Telkom University

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

Abstract

DDoS (Distributed Denial of Service) merupakan jenis serangan siber yang membuat sebuah layanan online tidak tersedia dengan membuat server, jaringan, atau aplikasi target dengan lalu lintas internet menjadi overload. Serangan ini biasanya dilakukan dengan menggunakan beberapa sistem untuk mengirimkan sejumlah besar permintaan ke target, menyebabkan layanan menjadi lambat atau bahkan tidak berfungsi. Tujuan dari penelitian ini adalah menganalisis lalu lintas serangan DDoS menggunakan pendekatan deep learning dengan algoritma Convolutional Neural Network (CNN). Penggunaan CNN pada penelitian ini dapat meningkatkan akurasi deteksi dan efisiensi serangan DDoS, dengan memanfaatkan kemampuan mengidentifikasi pola dalam data traffic jaringan. Implementasi dataset, melalui beberapa proses yaitu akuisisi data, pre-processing data, model CNN untuk mengklasifikasikan dan evaluasi terhadap traffic DDoS. Temuan ini menunjukkan bahwa model CNN mencapai akurasi tinggi dalam mendeteksi serangan DDoS dengan nilai akurasi training mencapai 99.75% dan akurasi validasi mencapai 99.65%. Ini berarti model mengklasifikasikan data training dengan benar sebesar 99.75% dan data validasi sebesar 99.65%, lebih baik daripada algoritma DNN , RNN, dan GRU. Penelitian lebih lanjut disarankan untuk mengoptimalkan model dan mengeksplorasi penerapannya dalam sistem deteksi real-time.
Co-Authors Fajri, Naufalul Gustav, William Paul Hayati, Tiara Nur Hesmi Aria Yanti Mirani, Mirani MUHAMMAD SAID Wijaya, Yonggi