Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Desain dan Analisis Teknologi
Mhd Adi Setiawan Aritonang
Institut Teknologi Batam
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

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

Found 4 Documents
Search

 1 
Studi Optimalisasi Deteksi Intrusi Jaringan NIDS Menggunakan XGBoost pada Dataset Netflow V2 Mhd Adi Setiawan Aritonang; Muhammad Marshall Al Karim; Roland Roland; Jefri Irwan Gultom; muel Enrico Sitompul; Hendri Hendri
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1756

Abstract

This research is motivated by the increasing complexity of cyber attacks on modern networks, necessitating the need for an adaptive and accurate network intrusion detection system (NIDS) through the use of machine learning algorithms, specifically XGBoost. This research uses the NF-UQ-NIDS-v2 dataset with structured pre-processing stages, stratified data partitioning, and the development of an XGBoost-based multi-class classification model with optimized hyperparameter configurations. The test results show that the XGBoost model achieves an overall accuracy of 98.84% with excellent performance in the majority class, but still experiences a decrease in performance in the minority class due to data imbalance. The XGBoost-based NIDS model is proven to be effective and stable in detecting large-scale network attacks, although further strategies are needed to improve detection capabilities for rare types of attacks..
Smart Academic Chatbot for Student Information Services Based on Transformer-Fine Tuning Muhammad Nazwan; Ananda Hilmy; Azua Ramadhan; Fernandi Lucky Putra; Natasya Nur Hadi; I Gusti Bagus Agung Dharmaya; Mhd Adi Setiawan Aritonang; Deosa Putra Caniago
Jurnal Desain Dan Analisis Teknologi Vol. 5 No. 2 (2026): Juli
Publisher : Aptikom Kepri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58520/jddat.v5i2.88

Abstract

This research developed a Transformer-based Smart Academic Chatbot using the fine-tuning method to generate more accurate responses tailored to students' needs. The development process follows the Waterfall model, starting from the collection of academic question-answer data, pre-processing, architecture design, to implementation and testing. The evaluation results show that the chatbot is able to provide relevant answers with a good level of accuracy, as well as improve the ease of access to academic information. This system has the potential to be a smart solution in supporting the digital transformation of campus academic services.
Klasifikasi Serangan Denial-of-Service (DoS) pada Jaringan Komputer Menggunakan Algoritma Machine Learning: Studi Komparatif K-Nearest Neighbors (K-NN) dan Naive Bayes Veranny Arianty Putri; Surgiwe Lim; Frengki Hotsabar Parmonangan Simatupang; Yudhistira Andilie; Viriya Marhan Cunis; Mhd Adi Setiawan Aritonang; Deosa Putra Caniago
Jurnal Desain Dan Analisis Teknologi Vol. 5 No. 2 (2026): Juli
Publisher : Aptikom Kepri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58520/jddat.v5i2.96

Abstract

Keamanan jaringan komputer menghadapi tantangan besar akibat peningkatan serangan siber, khususnya serangan Denial-of-Service (DoS) yang mengganggu ketersediaan layanan. Tantangan utama dalam mendeteksi serangan ini adalah kemiripan pola trafik serangan dengan trafik normal serta ketidakseimbangan kelas pada data. Penelitian ini bertujuan melakukan studi komparatif antara algoritma Machine Learning K-Nearest Neighbors (K-NN) dan Naive Bayes untuk mengklasifikasikan serangan DoS menggunakan subset dataset CIC-DDoS. Evaluasi kinerja dilakukan berdasarkan metrik akurasi, precision, recall, F1-score, dan waktu prediksi. Hasil pengujian menunjukkan bahwa K-NN unggul dalam akurasi mencapai 99,95% dan mampu mendeteksi kelas minoritas dengan sangat baik, namun memiliki waktu prediksi yang lambat (±16,89 detik). Sebaliknya, Naive Bayes menawarkan efisiensi komputasi yang tinggi dengan waktu prediksi sangat cepat (±0,034 detik) dan akurasi 99,21%, meskipun memiliki kelemahan dalam precision pada kelas normal. Kesimpulannya, K-NN lebih direkomendasikan untuk sistem yang memprioritaskan akurasi maksimal, sedangkan Naive Bayes lebih sesuai untuk sistem deteksi dini yang membutuhkan respons real-time.
Analisis Keamanan Data Pasien pada Sistem Informasi Manajemen Rumah Sakit (SIMRS) Maradona Jonas Simanullang; Mhd Adi Setiawan Aritonang; Frans Mikael Sinaga
Jurnal Desain Dan Analisis Teknologi Vol. 5 No. 1 (2026): Januari
Publisher : Aptikom Kepri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58520/jddat.v5i1.98

Abstract

Transformasi digital di sektor kesehatan mendorong rumah sakit untuk mengimplementasikan Sistem Informasi Manajemen Rumah Sakit (SIMRS) secara terintegrasi. SIMRS berperan penting dalam pengelolaan data pasien, termasuk rekam medis elektronik, administrasi pelayanan, serta pelaporan manajerial. Namun, meningkatnya ketergantungan terhadap sistem informasi juga meningkatkan risiko ancaman keamanan data pasien. Penelitian ini bertujuan untuk menganalisis keamanan data pasien pada SIMRS serta mengidentifikasi potensi risiko dan strategi mitigasi yang dapat diterapkan oleh rumah sakit. Metode penelitian yang digunakan adalah studi kasus dengan pendekatan deskriptif kualitatif, melalui observasi sistem, wawancara dengan tim teknologi informasi, dan analisis kebijakan keamanan informasi. Hasil penelitian menunjukkan bahwa ancaman keamanan data pasien meliputi akses tidak sah, kelemahan pengelolaan hak akses, serta kurang optimalnya penerapan standar keamanan informasi. Penelitian ini merekomendasikan penerapan kebijakan keamanan data yang komprehensif, peningkatan infrastruktur teknologi, serta penguatan sumber daya manusia untuk menjamin kerahasiaan, integritas, dan ketersediaan data pasien.
Co-Authors Ananda Hilmy Azua Ramadhan Caniago, Deosa Putra Fernandi Lucky Putra Frans Mikael Sinaga Frengki Hotsabar Parmonangan Simatupang Hendri Hendri I Gusti Bagus Agung Dharmaya Jefri Irwan Gultom Maradona Jonas Simanullang muel Enrico Sitompul Muhammad Marshall Al Karim Muhammad Nazwan Natasya Nur Hadi Roland Roland Surgiwe Lim Veranny Arianty Putri Viriya Marhan Cunis Yudhistira Andilie