Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal eProceedings of Engineering E-Journal Studia Manajemen
Fardan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 3 Documents
Search
Journal : eProceedings of Engineering

 1 
Penggunaan Dashboard untuk Menampilkan Hasil Detection of Wireless Router Impersonation Yasik, Azhra Aufahadi; Wahidah, Ida; Fardan
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Dalam era konektivitas yang semakin meningkat, keamanan jaringan nirkabel menjadi krusial, terutama dengan munculnya ancaman impersonasi router nirkabel. Penelitian ini bertujuan untuk mendeteksi impersonasi router nirkabel menggunakan algoritma Machine Learning (ML) yang diimplementasikan melalui Feedforward Neural Network (FNN). Data Wi-Fi dikumpulkan menggunakan airodump-ng, diolah dengan model ML, dan hasilnya divisualisasikan melalui dashboard interaktif. Dashboard ini memudahkan pemantauan dan identifikasi Rogue Access Point (RAP), serta Trusted Access Point sehingga memberikan perlindungan lebih terhadap jaringan. Pengujian performa dashboard dilakukan melalui CPU & Memory Usage, serta User Experience Questionnaire (UEQ). Hasil menunjukkan dashboard mampu beroperasi secara efisien dengan beban kerja yang bervariasi dan mendapatkan respon positif dari pengguna dalam aspek daya tarik, kejelasan, dan efisiensi. Kata kunci— Dashboard, Feedforward Neural Network (FNN), Impersonasi router nirkabel, Keamanan jaringan nirkabel, Machine learning, Rogue Access Point (RAP).
Integrasi Sistem untuk Deteksi Peniruan Router Nirkabel Berbasis Machine Learning dengan Optimasi QoS Bachtiar, Nizar Rizqi; Wahidah, Ida; Fardan
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Peniruan router nirkabel merupakan ancaman keamanan yang signifikan dalam jaringan, yang dapat menyebabkan akses tidak sah dan pencurian data. Untuk mengatasi masalah ini, penelitian ini mengembangkan sebuah sistem deteksi berbasis Machine Learning yang terintegrasi untuk mendeteksi upaya peniruan router secara real-time. Selain itu, sistem ini dirancang untuk mengoptimalkan kualitas layanan (QoS) jaringan, sehingga tidak hanya mampu mendeteksi ancaman dengan akurasi tinggi tetapi juga mempertahankan kinerja jaringan yang stabil dan efisien. Hasil uji menunjukkan bahwa sistem ini efektif dalam mendeteksi peniruan sekaligus menjaga QoS pada tingkat yang optimal, menjadikannya solusi yang andal untuk meningkatkan keamanan jaringan tanpa mengorbankan kinerja. Pengujian lebih lanjut menunjukkan bahwa model ini berhasil mendeteksi peniruan dengan akurasi hingga 98.85%, sambil menjaga performa jaringan dengan throughput rata-rata 10240.78 bits/detik, delay 0.22 detik, dan tanpa packet loss. Sistem ini membuktikan bahwa integrasi pembelajaran mesin dengan optimasi QoS dapat meningkatkan keamanan jaringan nirkabel secara efektif. Kata kunci: Deteksi ancaman, Keamanan jaringan, Machine Learning, Optimasi QoS, Peniruan router nirkabel.
Deteksi Peniruan Router Nirkabel dengan Pembelajaran Mesin Ramadhan, Muhammad Hidayah; Wahidah, Ida; Fardan
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Deteksi Rogue Access Point (RAP) penting untuk mencegah serangan Evil Twin Attack (ETA) di lingkungan kampus, seperti di Telkom University. Penelitian ini mengembangkan model Machine Learning (ML) untuk mendeteksi RAP berdasarkan data yang dikumpulkan menggunakan airodump-ng. Data mencakup parameter jaringan seperti Channel, Speed, Privacy, Cipher, Authentication, Power, dan beacons. Data dikumpulkan dengan perangkat TP-Link WN821N. Data digunakan untuk melatih model ML dengan algoritma Feedforward Neural Network (FNN). Kata kunci— Airodump-ng, Evil Twin Attack, Feedforward Neural Network, Machine Learning, Rogue Access Point.
Co-Authors Bachtiar, Nizar Rizqi Eris Harismasakti Ida Wahidah Hamzah Ramadhan, Muhammad Hidayah Yasik, Azhra Aufahadi