Article Per Year (5 Year)
p-Index From 2021 - 2026
6.388
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Jurnal ULTIMATICS Jurnal Sistem Komputer dan Informatika (JSON) Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Jurnal Penelitian, Pendidikan dan Pengajaran: JPPP Ar-Rasyid: Jurnal Pendidikan Agama Islam Educenter: Jurnal Ilmiah Pendidikan sudo Jurnal Teknik Informatika Hello World Journal of General Education and Humanities Blend Sains Jurnal Teknik Factory Jurnal Industri, Manajemen dan Rekayasa Sistem Industri Jurnal Sains Student Research Jurnal Ilmu Komputer dan Sistem Informasi Hanif Journal of Information Systems EDUCENTER JURNAL PENDIDIKAN Portal Riset dan Inovasi Sistem Perangkat Lunak Tsabit
Mhd. Basri
Universitas Muhammadiyah Sumatera Utara
Religion Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Other

Published : 52 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 52 Documents
Search

 2   3   4   5   6 
PENGAMANAN DATA PASIEN PADA PUSKESMAS BATAHAN MENGGUNAKAN ALGORITMA AES-128 BERBASIS WEB Charisya Silvara Maligan; Mhd. Basri
JOURNAL SAINS STUDENT RESEARCH Vol. 4 No. 6 (2026): Desember : Jurnal Sains Student Research
Publisher : CV. KAMPUS AKADEMIK PUBLISING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61722/jssr.v4i6.12917

Abstract

Penelitian ini bertujuan menerapkan algoritma Advanced Encryption Standard 128-bit (AES-128) untuk mengamankan data pasien pada Puskesmas Batahan melalui sistem informasi berbasis web. Data identitas dan rekam medis pasien mengandung informasi sensitif sehingga memerlukan perlindungan dari akses yang tidak berwenang. Sistem dikembangkan menggunakan Next.js, React, Prisma, dan MySQL 8.0. AES-128 diterapkan menggunakan mode Cipher Block Chaining (CBC), padding PKCS#7, dan Initialization Vector (IV) yang dibangkitkan secara acak. Mekanisme keamanan dilengkapi autentikasi, kontrol akses berbasis peran, hashing kata sandi menggunakan bcrypt, dan pencatatan audit. Pengujian meliputi black box testing, validasi terhadap vektor uji NIST FIPS PUB 197, pengujian bolak-balik enkripsi dan dekripsi, avalanche effect, dan pengujian kinerja. Hasil penelitian menunjukkan seluruh 38 skenario black box berhasil dengan tingkat keberhasilan 100%. Avalanche effect rata-rata mencapai 50,70% pada perubahan satu bit plaintext dan 49,61% pada perubahan satu bit kunci. Waktu enkripsi rata-rata untuk menyimpan satu data pasien sebesar 0,5329 ms, sedangkan dekripsi 50 data pasien untuk ditampilkan membutuhkan rata-rata 17,5758 ms. Hasil tersebut menunjukkan bahwa AES-128 dapat diterapkan untuk memperkuat kerahasiaan data pasien dengan overhead pemrosesan yang relatif kecil.
Smart Wearable IoT untuk Deteksi Jatuh dan Pemantauan Kesehatan Lansia Secara Real-Time Lubis, Hanif Rahman; Basri, Mhd.
JOURNAL SAINS STUDENT RESEARCH Vol. 4 No. 6 (2026): Desember : Jurnal Sains Student Research
Publisher : CV. KAMPUS AKADEMIK PUBLISING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61722/jssr.v4i6.12949

Abstract

The elderly population is highly susceptible to fall risks and requires continuous health monitoring. Limitations in manual monitoring can lead to delayed emergency responses, while existing visual monitoring solutions often present privacy concerns. This study aims to design and develop an Internet of Things (IoT)-based smart wearable device to detect fall events and monitor heart rate in real time without utilizing visual cameras, thereby safeguarding user privacy. The system employs an ESP32-C3 microcontroller as the central control unit, integrated with an MPU6050 sensor to measure tri-axial acceleration and orientation changes for fall detection, alongside a MAX30102 sensor for heart rate monitoring in beats per minute (BPM). Processed sensor data is transmitted via Wi-Fi to Firebase Realtime Database for web dashboard display, while emergency fall alerts trigger an on-board buzzer and automated Telegram notifications to caregivers. Experimental results across 60 trial activities demonstrate that the MPU6050 sensor accurately classifies 58 activities with an average fall detection latency of 3.93 seconds. The MAX30102 sensor requires an average stabilization time of 8.8 seconds for reliable BPM readings, and Telegram alerts achieve an average response latency of 4.2 seconds. The developed system effectively enhances elderly safety, maintains user privacy, and accelerates emergency response intervention. Populasi lansia sangat rentan terhadap risiko jatuh dan membutuhkan pemantauan kesehatan secara terus-menerus. Keterbatasan pemantauan manual dapat menyebabkan keterlambatan penanganan darurat, sementara solusi pemantauan visual sering kali menimbulkan masalah privasi. Penelitian ini bertujuan untuk merancang dan mengembangkan perangkat wearable cerdas berbasis Internet of Things (IoT) untuk mendeteksi kejadian jatuh dan memantau detak jantung secara real-time tanpa menggunakan kamera visual sehingga privasi pengguna tetap terjaga. Sistem ini menggunakan mikrokontroler ESP32-C3 sebagai unit kontrol utama yang diintegrasikan dengan sensor MPU6050 untuk mengukur percepatan tri-aksial dan perubahan orientasi guna mendeteksi jatuh, serta sensor MAX30102 untuk pemantauan detak jantung dalam satuan beats per minute (BPM). Data sensor yang diproses dikirimkan melalui Wi-Fi ke Firebase Realtime Database untuk ditampilkan pada dashboard web, sedangkan peringatan darurat saat jatuh akan mengaktifkan buzzer dan notifikasi Telegram otomatis kepada pengasuh. Hasil pengujian pada 60 skenario aktivitas menunjukkan bahwa sensor MPU6050 berhasil mengklasifikasikan 58 aktivitas dengan rata-rata latensi deteksi jatuh sebesar 3,93 detik. Sensor MAX30102 membutuhkan waktu stabilisasi rata-rata 8,8 detik untuk pembacaan BPM yang stabil, dan peringatan Telegram mencapai latensi respons rata-rata 4,2 detik. Sistem yang dikembangkan ini efektif meningkatkan keselamatan lansia, menjaga privasi, dan mempercepat intervensi penanganan darurat.
Co-Authors Abdul Fadlil Adinda Nazmi Siregar Akhun Ihsan Hia Al Hamidy Al Khowarizmi Andi Zulherry Andi Zulherry Andi Zulherry Andy Satria Anis Badriah Anton Yudhana Asrar Aspia Manurung Baehaqi Barelvi, Ahmad Charisya Silvara Maligan Defri Aldi Dicky Apdilah Edy Rahman Syahputra Farid Akbar Siregar Fatma Sari Hutagalung G. Gunawan Habib Hamdi Mufid Halim Maulana Hasibuan, Wilda Rina Hayani, Wirda Heru Hizranca Siregar Indah Purnama Sari Indah Purnama Sari Ismail Hanif Batubara Krisna Aditya Krisna Aditya Lubis, Hanif Rahman Lutfi Basit M. Fiqry Arrizal M. Rizki Adhari Mahardika Abdi Prawira Mhd. Adam Nugraha Muhammad Ari Juanda Muhammad Gunawan Muhammad Iqbal Pradipta Muhammad Zulfahmi Khairullah Nurul Hakiki Lubis Ok Muhammad Rehansyah Putra rahayu, Intan dwi Ramadhani, Fanny Raushan Dhamir Rosaldi Alfarizi RR. Ella Evrita Hestiandari Salsabila Humairoh Sihombing, Maissy Masitoh Syafrayani, Putri Rizki Syahri, Alfi Wahyu Purnomo Yohanni Syahra Zaky Soleh Wirawan Zaky, Naufal Zein, Liza Azzahra