Claim Missing Document
Check
Articles

Found 2 Documents
Search

Sistem Logging Jaringan Berbasis Web dengan Visualisasi Interaktif dan Analisis Anomali sebagai Solusi Keterbatasan Sistem Konvensional Rizal Muslim Sinaga; Dedy Kiswanto; Ega Pratama; Yohana Lorinez S.
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 6 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.9937

Abstract

Abstrak - Pertumbuhan ekosistem digital di lingkungan kampus menghasilkan volume log jaringan yang tinggi sehingga administrator kesulitan mengidentifikasi anomali secara manual. Penelitian ini menghadirkan sistem logging berbasis web yang mengintegrasikan Django sebagai layanan aplikasi, ELK Stack untuk agregasi dan visualisasi real-time, serta modul machine learning RandomForest yang dilatih menggunakan dataset UNSW-NB15 guna mengklasifikasikan tipe serangan. Telegram Bot API digunakan sebagai kanal notifikasi instan ketika pola mencurigakan ditemukan. Metode Research and Development diterapkan untuk merancang arsitektur, mengimplementasikan modul, dan menguji performa sistem. Evaluasi menunjukkan akurasi model sebesar 81,54% dengan f1-score tertinggi 99,05% pada trafik Generic, sedangkan kelas dengan data terbatas seperti Backdoor masih menantang. Integrasi dashboard dan notifikasi menurunkan waktu investigasi insiden serta membuktikan bahwa sinergi visualisasi dan analitik dapat memperkuat ketahanan keamanan jaringan kampus.Kata kunci : Logging jaringan; ELK Stack; deteksi anomali; machine learning; Telegram Bot; Abstract - The rapid expansion of campus digital services produces high-volume network logs that complicate manual anomaly analysis. This article presents a web-based logging system that combines Django as the application layer, the ELK Stack for real-time aggregation and visualization, and a RandomForest model trained on the UNSW-NB15 dataset to classify attack categories. A Telegram Bot API integration delivers instant notifications when suspicious patterns emerge. A Research and Development methodology guides the architecture design, module implementation, and performance evaluation. Experiments report 81.54% accuracy with the highest f1-score of 99.05% on Generic traffic, while minority classes such as Backdoor remain challenging. The integrated dashboard and notification flow reduce incident investigation time and demonstrate how visual analytics and machine learning improve campus network resilience.Keywords: Network logging; ELK Stack; anomaly detection; machine learning; Telegram Bot;
Perancangan dan Implementasi Aplikasi Mobile Lost & Found Kampus Berbasis Real-Time Menggunakan Jetpack Compose dan Firebase Raihan Insan Pratama Siagian; Muhammad Zidane Al-Kautsar; Ega Pratama; Najwatul Khoiriah; Fatimah Asro Harahap; Adidtya Perdana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 5 (2025): Oktober 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9871

Abstract

Abstrak - Perkembangan teknologi mobile membuka peluang besar dalam menciptakan solusi praktis bagi permasalahan sehari-hari di lingkungan kampus, salah satunya terkait kehilangan dan penemuan barang. Penelitian ini merancang dan mengimplementasikan aplikasi mobile Lost Found berbasis real-time yang dibangun menggunakan Jetpack Compose sebagai framework modern Android dan Firebase sebagai layanan backend. Aplikasi ini dirancang untuk mempermudah mahasiswa maupun civitas akademika dalam melaporkan serta menemukan barang yang hilang dengan cepat, akurat, dan terintegrasi. Metode pengembangan yang digunakan adalah prototype development sehingga pengguna dapat memberikan umpan balik pada setiap tahap perancangan. Hasil implementasi menunjukkan bahwa aplikasi mampu menampilkan informasi kehilangan dan penemuan barang secara real-time, mendukung notifikasi, serta menyediakan antarmuka yang intuitif dan responsif. Dengan demikian, aplikasi ini diharapkan dapat menjadi solusi efektif dalam meningkatkan kepedulian, keterhubungan, serta efisiensi dalam mengatasi masalah kehilangan barang di lingkungan kampus.Kata kunci: Aplikasi Mobile; Lost and Found; Jetpack Compose; Firebase; Real-Time; Abstract - The development of mobile technology opens up great opportunities in creating practical solutions for everyday problems in the campus environment, one of which is related to the loss and discovery of goods. This research designs and implements a real-time Lost Found mobile application built using Jetpack Compose as a modern Android framework and Firebase as a backend service. This application is designed to make it easier for students and the academic community to report and find lost items quickly, accurately, and integrated. The development method used is prototype development so that users can provide feedback at each stage of the design. The implementation results show that the application is able to display real-time lost and found information, support notifications, and provide an intuitive and responsive interface. Thus, this application is expected to be an effective solution in increasing awareness, connectedness, and efficiency in overcoming the problem of lost items in the campus environment.Keywords: Mobile App; Lost and Found; Jetpack Compose; Firebase; Real-Time;