Article Per Year (5 Year)
p-Index From 2021 - 2026
1.877
P-Index
This Author published in this journals
All Journal Journal of System and Computer Engineering Taroa : Jurnal Pengabdian Masyarakat Jurnal Penelitian, Pengabdian dan Pemberdayaan Masyarakat Jurnal Pengabdian kepada Masyarakat (PEMAS) Jurnal Pengembangan Sains dan Teknologi Scientific: Journal of Computer Science and Informatics Journix: Journal of Informatics and Computing
Dahlan
Universitas Muhammadiyah Bima, Bima, Indonesia
Religion Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Scientific: Journal of Computer Science and Informatics

 1 
Strategi dan Efektivitas Deep Learning untuk Mitigasi Ancaman Keamanan Jaringan di Era IoT Safitri, Yana; Dahlan; Maulana Muhammad Jogo Samodro
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 1 (2025): Januari 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v1i2.338

Abstract

Pertumbuhan pesat perangkat Internet of Things (IoT) telah membuka peluang besar dalam transformasi digital di berbagai sektor, namun juga menghadirkan tantangan serius terkait keamanan jaringan. Perangkat IoT yang umumnya memiliki kapasitas komputasi terbatas menjadi sasaran empuk bagi berbagai jenis serangan siber. Penelitian ini bertujuan untuk mengevaluasi efektivitas berbagai pendekatan deep learning dalam mendeteksi ancaman keamanan pada jaringan IoT secara otomatis dan adaptif. Metode yang digunakan mencakup eksperimen komparatif terhadap beberapa arsitektur deep learning, seperti Transformer, CNN + LSTM, dan GAN + CNN, dengan memanfaatkan dataset publik UNSW-NB15. Penilaian performa dilakukan menggunakan metrik evaluasi seperti akurasi dan F1-score, serta analisis kemampuan model dalam mendeteksi serangan kompleks seperti DDoS, port scanning, dan serangan zero-day. Hasil penelitian menunjukkan bahwa model Transformer unggul dengan akurasi mencapai 99,1%, sementara model GAN + CNN menunjukkan keunggulan dalam mendeteksi pola serangan baru yang belum dikenali sebelumnya. Model CNN + LSTM juga terbukti efektif dalam menangkap pola spasio-temporal serangan. Penelitian ini memberikan kontribusi signifikan dalam pengembangan sistem deteksi intrusi cerdas berbasis deep learning untuk ekosistem IoT. Temuan ini berpotensi diterapkan pada sistem keamanan jaringan real-time dan berskala besar yang adaptif terhadap ancaman baru.
Desain Sistem Keamanan Sepeda Motor Menggunakan Mikrokontroller Arduino dan Sensor Fingerprint ZFM-60 Berbasis Mobile Dahlan; Mu'min, Muhammad Amirul
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 1 (2025): Januari 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i1.343

Abstract

Tingginya angka pencurian kendaraan bermotor, khususnya sepeda motor, mendorong kebutuhan akan sistem keamanan yang lebih andal dan berbasis teknologi. Penelitian bertujuan untuk merancang dan mengimplementasikan sistem keamanan sepeda motor berbasis sensor sidik jari (fingerprint) yang terintegrasi dengan mikrokontroler Arduino dan aplikasi mobile. Sistem dikembangkan untuk memastikan bahwa hanya pengguna yang terdaftar yang dapat mengakses dan menghidupkan kendaraan. Dengan metode yang digunakan mencakup integrasi sensor fingerprint ZFM-60 dengan Arduino Uno, serta komunikasi nirkabel antara sistem perangkat keras dan aplikasi Android melalui modul Bluetooth HC-05. Hasil pengujian menunjukkan bahwa sistem mampu mengenali sidik jari secara akurat dan merespons perintah dengan waktu pemrosesan rata-rata kurang dari 2 detik. Selain itu, aplikasi mobile berhasil menampilkan status sistem secara real-time dan memberikan antarmuka yang intuitif bagi pengguna. Hasil penelitian menyimpulkan bahwa sistem yang dikembangkan mampu meningkatkan keamanan kendaraan secara signifikan dengan pendekatan biometrik dan kendali jarak dekat berbasis mobile. Kontribusi penelitian ini terletak pada penerapan teknologi biometrik yang efisien dan terjangkau untuk sistem keamanan kendaraan pribadi.
Co-Authors Chairul Akbar Dilla Puspita Mentia Fathir Fathir Fathir Ihwan Irma Eryanti Putri Khaeruddin Khaeruddin Khaeruddin Maulana Muhammad Jogo Samudro Miftahul Jannah Miftahul Jannah Muhammad Amirul Mu'min Muhammad Amirul Mu'min Musmuliadin Nurul Aulia Safitri Putri, Irma Putri, Irma Eryanti Rahman, M. Deta Zulfikar Rahmat Dani S Sahibu, Supriadi Sahrul Ramadhan Siti Mutmainah Syarifuddin Syarifuddin Taufiqurahman, Taufiqurahman Yana Safitri, Yana Yuyun, Yuyun Zumhur Alamin Zumhur Alamin