Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknologi dan Rekayasa Jurnal Minfo Polgan (JMP) JIPITI: Jurnal Pengabdian kepada Masyarakat
Sari, Dyan Prawita
Unknown Affiliation
Automotive Engineering Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Implementasi Machine Learning untuk Deteksi Intrusi pada Jaringan Komputer Sari, Dyan Prawita; Halim, Zuhri; Irlon, Irlon; Waseso, Bayu; Saromah, Saromah
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14074

Abstract

Dalam era digital yang semakin berkembang, keamanan jaringan komputer menjadi isu yang sangat penting, terutama dengan meningkatnya ancaman dari serangan siber. Salah satu metode yang efektif dalam mendeteksi ancaman tersebut adalah melalui implementasi machine learning. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model machine learning yang mampu mendeteksi intrusi pada jaringan komputer secara real-time. Model yang diusulkan menggunakan teknik supervised learning, di mana dataset yang berisi lalu lintas jaringan normal dan lalu lintas yang mengandung serangan digunakan untuk melatih algoritma. Algoritma yang dipertimbangkan meliputi Decision Tree, Random Forest, dan Support Vector Machine (SVM). Penelitian ini juga melakukan analisis komparatif untuk menilai kinerja masing-masing algoritma dalam hal akurasi, presisi, recall, dan waktu pemrosesan. Hasil eksperimen menunjukkan bahwa model machine learning yang diterapkan mampu mendeteksi berbagai jenis serangan dengan tingkat akurasi yang tinggi, mencapai lebih dari 95% pada dataset uji. Selain itu, Random Forest terbukti menjadi algoritma yang paling efektif dalam mendeteksi intrusi dengan keseimbangan terbaik antara akurasi dan waktu pemrosesan. Implementasi sistem ini diharapkan dapat meningkatkan kemampuan deteksi intrusi pada jaringan komputer, sehingga membantu dalam menjaga keamanan data dan mengurangi potensi kerugian akibat serangan siber.
Edukasi Keamanan Siber: Pelatihan Dasar Mengenali Phishing dan Proteksi Data Pribadi di Dunia Digital Lubis, Hendarman; Awaludin , Dipa Teruna; Sari, Dyan Prawita; Milasari, Lisa Astria; Sofyan, Sofyan
JIPITI: Jurnal Pengabdian kepada Masyarakat Vol. 2 No. 2 (2025): Mei 2025 - JIPITI: Jurnal Pengabdian kepada Masyarakat
Publisher : PT. Technology Laboratories Indonesia (TechnoLabs)

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

Abstract

Perkembangan teknologi digital yang pesat telah membawa kemudahan dalam berbagai aspek kehidupan, namun juga diiringi dengan meningkatnya risiko terhadap keamanan siber, terutama dalam bentuk serangan phishing dan kebocoran data pribadi. Kurangnya literasi digital masyarakat, khususnya dalam hal keamanan informasi, menjadi celah yang sering dimanfaatkan oleh pelaku kejahatan siber. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pemahaman dan kesadaran masyarakat mengenai ancaman siber serta memberikan pelatihan dasar dalam mengenali karakteristik serangan phishing dan langkah-langkah perlindungan data pribadi di dunia digital. Kegiatan dilaksanakan melalui metode ceramah, simulasi kasus, dan sesi tanya jawab interaktif kepada peserta yang terdiri dari pelajar, guru, dan warga umum di wilayah target. Materi pelatihan mencakup pengenalan jenis-jenis phishing, tanda-tanda pesan mencurigakan, penggunaan autentikasi ganda, serta praktik baik dalam menjaga keamanan akun digital dan data pribadi. Hasil evaluasi menunjukkan peningkatan signifikan dalam pengetahuan peserta terhadap isu keamanan siber, dengan lebih dari 85% peserta mampu mengidentifikasi pesan phishing dan memahami pentingnya pengamanan data pribadi setelah pelatihan. Kegiatan ini membuktikan bahwa edukasi dasar mengenai keamanan siber sangat diperlukan dan efektif dalam membangun budaya digital yang aman di tengah masyarakat. Ke depannya, kegiatan serupa diharapkan dapat terus dilaksanakan secara berkelanjutan dengan cakupan yang lebih luas serta integrasi teknologi pembelajaran yang lebih interaktif.
Transformasi Digital UMKM Integrasi Sistem Manajemen Pemasaran Digital dan Analitik Data Penjualan Awaludin, Dipa Teruna; Sari, Dyan Prawita; Sattar, Sattar; Hariyadi, Ahmad; Dhamayanti, Sylvia Kartika
JIPITI: Jurnal Pengabdian kepada Masyarakat Vol. 2 No. 4 (2025): November 2025 - JIPITI: Jurnal Pengabdian kepada Masyarakat
Publisher : PT. Technology Laboratories Indonesia (TechnoLabs)

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

Abstract

Perkembangan teknologi digital telah membuka peluang signifikan bagi Usaha Mikro, Kecil, dan Menengah (UMKM) untuk meningkatkan efisiensi operasional serta daya saing di tengah persaingan pasar yang kian ketat. Meski demikian, sebagian besar UMKM masih mengalami hambatan dalam mengintegrasikan sistem manajemen, strategi pemasaran digital, dan analisis data penjualan secara komprehensif. Inisiatif pengabdian masyarakat ini bertujuan untuk memfasilitasi transformasi digital pada UMKM melalui program pelatihan dan pendampingan dalam penerapan sistem manajemen berbasis teknologi, strategi pemasaran digital, serta pemanfaatan analitik data penjualan guna mendukung pengambilan keputusan yang lebih efektif. Metode implementasi mencakup tahap penilaian kebutuhan UMKM, sesi pelatihan penggunaan platform digital seperti sistem inventori dan keuangan, pelatihan pemasaran digital melalui media sosial, serta lokakarya analisis data dengan bantuan alat analitik sederhana. Hasil dari kegiatan ini menunjukkan peningkatan kapasitas pelaku UMKM dalam mengelola operasi secara terintegrasi, memperluas cakupan pasar melalui pendekatan pemasaran digital, dan memanfaatkan data penjualan untuk mengidentifikasi tren serta peluang bisnis. Melalui program tersebut, UMKM mitra berhasil meningkatkan efisiensi, ketepatan pencatatan, serta volume penjualan secara substansial. Inisiatif ini diharapkan dapat berfungsi sebagai model bagi implementasi transformasi digital yang berkelanjutan dalam sektor UMKM di era ekonomi yang didorong oleh data.  
Optimalisasi Deteksi Tingkat Kematangan Tanda Buah Segar Kelapa Sawit Menggunakan YOLOV8 Dengan Platform Web Mardhiyah, Iffatul; Sari, Dyan Prawita; Genoveva, Zahwa; Kosasih, Rifki; Irawati, Dyah Cita
Jurnal Ilmiah Teknologi dan Rekayasa Vol. 30 No. 3 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2025.v30i3.67

Abstract

Oil palm represents one of Indonesia’s principal commodities. Traditionally, farmers manually monitor the ripeness level of palm oil, but this method is neither effective nor efficient for large-scale harvests. Therefore, a system that can automatically detect the ripeness level of fresh fruit bunches (FFB) is needed. In this study, the YOLOv8 algorithm was used which was integrated into a web-based application. The system is designed to improve accuracy and efficiency in the grading process of oil palm fruits, which directly impacts the quality of processed products and palm oil production. The dataset used consists of 6.592 images obtained through the Roboflow platform, covering various ripeness categories. The system development follows the CRISP-DM approach, consisting of business understanding, data understanding, data preparation, modeling, evaluation and deployment. The model training process approximately 3,1 hours, with evaluation results showing a precision of 94,5%, recall of 94,7%, and a mean Average Precision (mAP) of 98%. The model’s performance is further supported by an F1-confidence curve of 95% and a precision-recall curve of 98%, indicating stable and accurate classification capabilities. The model is deployed through a Streamlit-based web interface, allowing users to perform real-time detection from images or videos without requiring additional installations.
Co-Authors Ahmad Hariyadi, Ahmad Awaludin , Dipa Teruna Awaludin, Dipa Teruna Genoveva, Zahwa Irawati, Dyah Cita Irlon, Irlon Lubis, Hendarman Mardhiyah, Iffatul MILASARI, LISA ASTRIA Rifki Kosasih Saromah, Saromah Sattar Sattar, Sattar Sofyan Sofyan Sylvia Kartika Dhamayanti Waseso, Bayu Zuhri Halim, Zuhri