Article Per Year (5 Year)
p-Index From 2021 - 2026
0.553
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Dedy Fitriawan
Universitas Negeri Padang
Computer Science & IT Education Environmental Science Health Professions Medicine & Pharmacology Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengabdian kepada Masyarakat di Nagari Koto Tinggi, Padang Pariaman: Pembuatan Peta Batas Administrasi Nagari dengan Menggunakan Drone Nofi Yendri Sudiar; Akmam Akmam; Dedy Fitriawan; Mohammad Isa Gautama; Randy Putra; Hendra Anwar
ABDI: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 7 No 2 (2025): Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Publisher : Labor Jurusan Sosiologi, Fakultas Ilmu Sosial, Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/abdi.v7i2.1404

Abstract

Ketidakjelasan batas wilayah administratif sering kali menimbulkan berbagai permasalahan dalam pengelolaan sumber daya alam, perencanaan pembangunan, dan penyelesaian sengketa antar wilayah. Kegiatan pengabdian ini bertujuan untuk membantu Nagari Koto Tinggi di Kabupaten Padang Pariaman dalam pembuatan peta batas wilayah yang akurat dan sah, guna mendukung pengelolaan administrasi nagari yang lebih efektif. Metode yang digunakan meliputi Forum Grup Diskusi (FGD) sebagai pendekatan partisipatif untuk menentukan titik-titik pembatas bersama dengan delapan nagari tetangga yang berperan sebagai informan untuk menentukan batas-batas nagari, serta pemetaan menggunakan teknologi drone untuk menghasilkan citra udara beresolusi tinggi. Hasil pengabdian ini menunjukkan bahwa kombinasi metode FGD dan pemetaan drone berhasil menghasilkan peta batas yang akurat dan sesuai dengan pemahaman masyarakat lokal. Peta ini tidak hanya menyelesaikan masalah ketidakjelasan batas administratif, tetapi juga memberikan dasar yang kuat untuk perencanaan pembangunan, pengelolaan sumber daya alam, dan penghindaran konflik antar nagari. Kesimpulannya, penggunaan teknologi drone dalam pemetaan batas wilayah, dikombinasikan dengan pendekatan partisipatif melalui FGD, merupakan strategi efektif untuk meningkatkan akurasi dan legitimasi peta administrasi, serta memperkuat koordinasi antar wilayah di Nagari Koto Tinggi.
Feature selection to improve distributed denial of service detection accuracy using hybrid N-Gram heuristic techniques Andi Maslan; Abdul Hamid; Dedy Fitriawan; Anggia Dasa Putri; Tukino Tukino
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 22, No 5: October 2024
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v22i5.24913

Abstract

Distributed denial of service (DDoS) attacks servers and computers in various ways, such as flooding traffic. There are three DDoS detection methods, namely anomaly-based, pattern-based and heuristic-based. However, pattern-based methods cannot detect recent attacks, while anomaly-based methods have low accuracy and relatively high false positives. This research proposes increasing accuracy using a heuristic-based DDoS detection method and a new feature. The combination of CSDPayload+N-Gram and CSPayload+N-Gram features is called hybrid N-Gram, which is analysed on four datasets: CIC2017, CIC2019, MIB-2016, and H2NPayload. Next, calculate Chi-square distance (CSD) and cosine similarity (CS) using the N-Gram frequency value results. Subsequently, compute Pearson Chi-square using the N-Gram frequency value results. Compare the CSDPayload+N-Gram and CSPayload+N-Gram, along with the Pearson Chi-square value, to classify it as either DDoS or not. Finally, feature selection based on weight correlation and payload classification employs machine learning algorithms: support vector machine (SVM), K-nearest neighbors (KNN), and neural network (NN). The average accuracy rate for detecting DDoS attacks across four datasets, utilising the CSDPayload+4-Gram and CSPayload+4-Gram features with the SVM algorithm, is 99.71%, which surpasses the accuracy achieved by using KNN (96.22%) and NNs (99.50%) imitation. Thus, the best algorithm for detecting DDoS is SVM with hybrid 4-Gram.
Co-Authors Abdul Hamid Akmam Akmam Andi Maslan Anggia Dasa Putri Gautama, Mohammad Isa Hendra Anwar Nofi Yendri Sudiar Randy Putra Tukino Tukino