Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Komunikasi COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat
Sari, Wulan Inda
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Analisis Klaster Produksi Cabai Besar dan Cabai Rawit Antar Provinsi di Indonesia Menggunakan Algoritma K-Means. Budiman, M. Hafiz; Ardiansyah, Ferdy; Rahmi, Eriski Aulia; Nasution, Mauludimas; Sari, Wulan Inda; Sarah, Siti
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 5 No. 10 (2026): COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/comserva.v5i10.3528

Abstract

Produksi cabai merupakan salah satu komponen penting dalam stabilitas pasokan komoditas hortikultura di Indonesia. Ketimpangan produksi cabai antarprovinsi menyebabkan fluktuasi harga dan ketidakstabilan pasokan, sehingga pemetaan wilayah berdasarkan kapasitas produksi menjadi sangat relevan. Penelitian ini bertujuan mengklasterkan provinsi di Indonesia berdasarkan produksi cabai besar dan cabai rawit menggunakan algoritma K-Means. Data diperoleh dari Badan Pusat Statistik (BPS) tahun 2023 dan dianalisis menggunakan pendekatan unsupervised learning. Proses penelitian meliputi pembersihan data, normalisasi, pemilihan parameter jumlah klaster, penerapan algoritma K-Means, dan evaluasi menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan terbentuknya tiga klaster, namun hanya dua yang stabil yaitu klaster produksi rendah dan klaster produksi tinggi. Klaster produksi tinggi dihuni oleh provinsi Jawa Timur, Jawa Tengah, Jawa Barat, serta Sumatera Utara sebagai sentra utama. Nilai silhouette untuk klaster produksi rendah mencapai 0.50–0.75, menunjukkan pemisahan klaster yang kuat. Temuan ini dapat menjadi dasar perencanaan distribusi dan pengembangan wilayah produksi cabai nasional.
KERANGKA FORENSIK JARINGAN BERBASIS NEURAL NETWORK UNTUK DETEKSI DAN ANALISIS SERANGAN SIBER Budiman, Hafidz; Ardiansyah, Ferdy; Sitorus, Sahat Parulian; Rahmi, Eriski Aulia; Sarah, Siti; Sari, Wulan Inda
Jurnal Teknologi Informasi dan Komunikasi Vol 19 No 1 (2026): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v19i1.350

Abstract

Peningkatan kompleksitas serangan siber menuntut metode forensik jaringan yang mampu merekonstruksi, mendeteksi, dan menafsirkan aktivitas berbahaya secara akurat. Pendekatan forensik yang ada masih menghadapi keterbatasan dalam analisis lalu lintas jaringan berskala besar, terutama ketika pola serangan menyerupai aktivitas normal sehingga menyulitkan proses identifikasi insiden dan rekonstruksi kronologi kejadian. Penelitian ini mengusulkan kerangka forensik jaringan berbasis neural network yang mengintegrasikan proses identifikasi serangan, klasifikasi lalu lintas jaringan, serta rekonstruksi aktivitas komunikasi untuk mendukung investigasi digital. Penelitian menggunakan desain eksperimental dengan dataset trafik jaringan yang terdiri atas aktivitas normal dan aktivitas berbahaya, meliputi scanning jaringan, brute force pada layanan autentikasi, serangan denial of service, serta distribusi malware. Model neural network digunakan pada tahap deteksi untuk mengklasifikasikan trafik jaringan, sementara pipeline forensik terstruktur digunakan untuk mengekstraksi artefak digital dan melakukan korelasi metadata jaringan. Hasil penelitian menunjukkan bahwa model yang diusulkan mencapai tingkat akurasi sebesar 97,82 persen dengan nilai false positive rate yang rendah serta waktu pemrosesan yang lebih singkat dibandingkan pendekatan forensik konvensional. Analisis forensik terhadap log jaringan menunjukkan pola serangan yang konsisten dengan karakteristik scanning pada port layanan umum, percobaan autentikasi berulang pada layanan SSH, anomali interval waktu paket pada serangan denial of service, serta peningkatan entropi payload pada komunikasi malware. Temuan ini menunjukkan efektivitas integrasi neural network dalam meningkatkan kemampuan deteksi serta mendukung proses rekonstruksi artefak digital dalam investigasi forensik jaringan.
Co-Authors Budiman, Hafidz Budiman, M. Hafiz Ferdy Ardiansyah, Ferdy Nasution, Mauludimas Rahmi, Eriski Aulia Siti Sarah, Siti Sitorus, Sahat Parulian