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 4 Documents
Search

 1 
Hubungan Kompetensi Dan Kompensasi Dengan Kinerja Pegawai Pada UPTD Puskesmas Mekarsari Kabupaten Lebak Tahun 2024 Eris Harismasakti; Fardan
E-Journal Studia Manajemen Vol 13 No 3 (2024)
Publisher : Universitas La Tansa Mashiro

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

Abstract

In the 2023 performance target, the Mekarsari Community Health Center carries a target of 100% in the resulting regional policy plan, as well as for its implementation. The target percentage of the number of Regional Apparatus Organizations (OPD) whose physical realization targets have been completed is 95%. If you look at it, it's certainly a good target. Furthermore, in the 2021 Government Agency Performance Report, the Mekarsari Community Health Center shows that the planned performance target has decreased compared to the performance target in 2023. To determine the influence of competency on employee performance at the Mekarsari Public Health Center UPTD, Lebak Regency in 2024. To determine the influence of compensation on employee performance at the Mekarsari District Public Health Center UPTD. Lebak in 2024. To find out the influence of competency and speed on employee performance at the UPTD of Mekarsari Health Center, Lebak Regency in 2024.This research used a sampling technique, namely Sampling/Saturated Sample", a total of 41 people/employees. The data analysis method used is descriptive and hypothesis testing uses regression analysis with the SPSS 25.00 for Windows program. There is no significant influence of competency (X1) on employee performance (Y). There is a significant influence of compensation (X2) on employee performance (Y). There is a significant influence of Competency (X1) and Compensation (X2) on together (simultaneously) a significant influence on Employee Performance (Y).It is hoped that the results of this research can be used as consideration in taking action to improve employee performance by paying attention to Competency (X1) and Compensation (X2) so that Community Health Center Employee Performance (Y) is competitive.
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