cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fendi Aji Purnomo
Contact Email
fendi_aji@mipa.uns.ac.id
Phone
-
Journal Mail Official
ijai@mipa.uns.ac.id
Editorial Address
-
Location
Kota surakarta,
Jawa tengah
INDONESIA
Indonesian Journal of Applied Informatics
Published by Universitas Sebelas Maret
ISSN : 25483846     EISSN : 25985981     DOI : -
Core Subject : Science,
Computer Science & IT
Indonesian Journal of Applied Informatics publishes articles that are of significance in their respective fields whilst also contributing to the discipline of informatics as a whole and its application. Every incoming manuscript will first be examined by the Editorial Board in accordance with sub-fields of research and attention to elements of conformity with the format and guidelines for writing Indonesian Journal of Applied Informatics. Each manuscript is declared eligible by the editor will be returned to the author (if there are repairs) or can be directly issued (if there is no revision required).
Arjuna Subject : -
Articles 97 Documents
 6   7   8   9   10 
Design and Implementation of SDN Firewall Using Pox Controller and Open vSwitch Sinambela, Eka Stephani; Manurung, Jesika L; Kesya, Grace Agnes; Sinabutar, Harli J; Manalu, Istas Pratomo; wowiling, Gerry italiano; Simatupang, Frengki; Sigiro, Marojahan M.T
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.109296

Abstract

Abstrak : Perkembangan Software-Defined Networking (SDN) menghadirkan paradigma baru dalam pengelolaan jaringan melalui pemisahan antara control plane dan data plane, yang memungkinkan penerapan mekanisme keamanan jaringan secara terpusat dan terprogram. Salah satu mekanisme keamanan penting dalam SDN adalah Firewall berbasis flow rules. Penelitian ini mengimplementasikan Firewall berbasis SDN dengan memanfaatkan POX Controller sebagai control plane dan Open vSwitch (OvS) sebagai data plane. Evaluasi dilakukan melalui skenario pengujian konektivitas yang melibatkan komunikasi antara controller, OvS, dan beberapa host dalam jaringan. Hasil pengujian menunjukkan bahwa seluruh skenario berjalan sesuai dengan aturan Firewall yang dirancang. Secara kuantitatif, mekanisme pemfilteran trafik berbasis IP Address mencapai tingkat keberhasilan 100%, ditunjukkan oleh keberhasilan pemblokiran akses dan tetap terjaganya konektivitas pada jalur yang diperbolehkan. Hasil ini membuktikan bahwa integrasi POX Controller dan OvS efektif digunakan sebagai Firewall sederhana berbasis SDN serta berpotensi dikembangkan untuk mekanisme keamanan yang lebih kompleks.==================================================Abstract :The development of Software-Defined Networking (SDN) introduces a new paradigm in network management by separating the control plane from the data plane, enabling centralized and programmable network security mechanisms. One essential security mechanism in SDN is a firewall based on flow rules. This study implements an SDN-based firewall using the POX Controller as the control plane and Open vSwitch (OvS) as the data plane. The system is evaluated through connectivity testing scenarios involving communication between the controller, OvS, and multiple hosts. Experimental results show that all test scenarios operate according to the defined firewall rules. Quantitatively, the IP address–based traffic filtering mechanism achieves a 100% success rate, as indicated by successful blocking of unauthorized access while maintaining permitted network connectivity. These results demonstrate that the integration of POX Controller and OvS is effective as a simple SDN-based firewall and has the potential to be extended to support more advanced network security mechanisms.
Penerapan Algoritma C4.5 untuk Optimalisasi Manajemen Stok Obat di Apotek Nafa Farma Amarullah, Khairunnisa; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.96224

Abstract

Abstrak : Manajemen stok obat menjadi tantangan utama di apotek Nafa Farma untuk mencegah kelebihan atau kekurangan stok. Penelitian ini mengaplikasikan algoritma C4.5 sebagai metode klasifikasi untuk mendukung pengelolaan stok yang optimal. Data stok obat dari Januari sampai Desember 2023 dianalsis menggunakan pendekatan Knowledge Discovery in Database (KDD) dengan software RapidMiner. Penelitian ini menunjukkan bahwa algoritma C4.5 dapat meningkatkan efisiensi manajemen stok obat dengan akurasi 80,67% dan F1-score rata-rata 80.52% ini memberikan rekomendasi strategis untuk pengadaan obat. Obat kategori laku direkomendasikan untuk diutamakan dalam pengadaan, sementara obat tidak laku dapat dikurangi pembeliannya untuk menghindari pemborosan. Algoritma C4.5 efektif untuk meningkatkan efisiensi pengelolaan stok obat====================================================Abstract : Drug stock management is a major challenge at Nafa Farma pharmacy to prevent excess or shortage of stock. This research applies the c4.5 algorithm as a classification method to support optimal stock management. Drug stock data from January to December 2023 was analyzed using a Knowledge Discovery in Database (KDD) approach with RapidMiner software. This study shows that the C4.5 algorithm can improve the efficiency of drug stock management with an accuracy of 80.67% and an average F1-score of 80.52%, providing strategic recommendations for drug procurement.  Sellable category drugs are recommended to be prioritized in procurement, while unsellable drugs can be reduced in purchase to avoid waste. The C4.5 algorithm is effective in improving the efficiency of drug stock management.
Klasifikasi Ancaman Keamanan Siber Menggunakan Algoritma Naive Bayes Budianto, Irwan; Nurchim, Nurchim; Permatasari, Hanifah
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.104668

Abstract

Abstrak : Saat ini keamanan siber menjadi permasalahan utama didalam tata kelola keamanan informasi Pemerintah Daerah. Untuk mencegah terjadinya kerugian akibat serangan siber maka perlu dilakukan identifikasi dan klasifikasi terhadap ancaman siber secara cepat dan akurat. Sehingga diperlukan sebuah system untuk mengklasifikasikan ancaman siber yang terjadi. Penelitian ini adalah membangun sistem klasifikasi ancaman keamanan siber menggunakan algoritma Naive Bayes sehingga dapat dilakukan analisis data ancaman secara efektif dan mengklasifikasikan jenis ancaman dengan akurasi yang tinggi. Metode yang digunakan adalah pengumpulan dataset terkait log aktifitas serangan yang terekam di aplikasi Wazuh. Selanjutnya dilakukan preprocessing data untuk mendapatkan atribut yang sesuai dengan kebutuhan sistem. Penerapan algoritma Naive Bayes digunakan sebagai metode klasifikasi berdasarkan probabilitas atribut terhadap kategori ancaman. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan ancaman keamanan siber dengan akurasi yang baik, sehingga dari system yang dibangun dapat ditentukan bahwa serangan yang terjadi pada area sistem operasi server atau aplikasi web serta mampu memberikan dukungan pengambilan keputusan yang lebih cepat dalam mitigasi serangan. Hasil pengujian menunjukkan performa yang sangat baik dari model Naive Bayes pada kedua kelas yaitu presisi=0.98, recall=1, f1-score=0.99, support=57.===================================================Abstract :Currently, cybersecurity is a major problem in the governance of regional government information security. To prevent losses due to cyber attacks, it is necessary to identify and classify cyber threats quickly and accurately. So a system is needed to classify cyber threats that occur. This study is to build a cybersecurity threat classification system using the Naive Bayes algorithm so that threat data analysis can be carried out effectively and classify types of threats with a high level of accuracy. The method used is collecting datasets related to attack activity logs recorded in the Wazuh application. Furthermore, data preprocessing is carried out to obtain attributes that match system needs. The Naive Bayes algorithm is implemented as a classification technique that evaluates the probability of attributes relative to threat categories. The findings indicate that this algorithm effectively categorizes cybersecurity threats with high accuracy. Consequently, the developed system can identify whether an attack targets the server operating system or the web application, while also enabling faster decision-making to support attack mitigation. The Naive Bayes model performs exceptionally well in both classes according to the test results, with precision=0.98, recall=1, f1-score=0.99, and support=57.
Sistem Identifikasi Jenis Tumbuhan Mangrove Menggunakan Metode Convolutional Neural Network (CNN) Samudra, Imam; Rismawan, Tedy; Nirmala, Irma
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.109260

Abstract

Abstrak : Mangrove merupakan tumbuhan pesisir yang berperan penting dalam menjaga keseimbangan ekosistem. Penelitian ini bertujuan membangun sistem identifikasi jenis tumbuhan mangrove berbasis citra daun dengan metode Convolutional Neural Network (CNN) untuk memudahkan dalam mengidentifikasi jenis mangrove. Dataset yang digunakan terdiri dari 810 citra daun mangrove, masing-masing 270 citra untuk tiga kelas: Acanthus Ilicifolius, Rhizophora Apiculata, dan Sonneratia Alba. Proses pelatihan model CNN dilakukan untuk mengenali pola dan karakteristik visual daun. Pengujian dilakukan menggunakan 81 data uji dengan dua skenario pengujian, yaitu tanpa menggunakan kamera Raspberry Pi dan dengan integrasi kamera Raspberry Pi. Hasil pengujian tanpa kamera Raspberry Pi mendapatkan akurasi 88%, sedangkan menggunakan kamera Raspberry Pi mencapai 96%. Peningkatan akurasi sebesar 8% membuktikan bahwa penerapan sistem pada perangkat keras Raspberry Pi mampu meningkatkan kinerja identifikasi. Selain itu, sistem dapat beroperasi secara portabel tanpa memerlukan koneksi internet, sehingga berpotensi untuk mengidentifikasi mangrove secara mudah di lapangan.=================================================Abstract : Mangroves are coastal plants that play an important role in maintaining ecosystem balance. This study aims to build a mangrove plant species identification system based on leaf images using the Convolutional Neural Network (CNN) method to facilitate the identification of mangrove species. The dataset used consists of 810 mangrove leaf images, 270 images each for three classes: Acanthus Ilicifolius, Rhizophora Apiculata, and Sonneratia Alba. The CNN model training process was carried out to recognize leaf patterns and visual characteristics. Testing was carried out using 81 test data with two test scenarios, namely without using a Raspberry Pi camera and with Raspberry Pi camera integration. The test results without a Raspberry Pi camera achieved 88% accuracy, while using a Raspberry Pi camera reached 96%. The 8% increase in accuracy proves that the implementation of the system on Raspberry Pi hardware is able to improve identification performance. In addition, the system can operate portable without requiring an internet connection, thus having the potential to easily identify mangroves in the field.
Pengembangan Chatbot Penyakit Ringan Menggunakan Metode Long Short-Term Memory Mahardika, Esa Arya; Mahmudi, Ali; Wibowo, Suryo Adi
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95564

Abstract

Abstrak : Penyakit merupakan salah satu masalah bagi manusia baik penyakit ringan lebih-lebih penyakit kronis. Manusia telah mempelajari tentang bagaimana menangani permasalahan penyakit dari zaman ke-zaman demi kesejahteraan manusia. Seiring waktu populasi manusia bertambah dan penyakit semakin banyak baik yang dapat diobati maupun tidak sehingga manusia membangun fasilitas-fasilitas kesehatan. Tujuan penelitian ini supaya dapat memaksimalkan pelayanan IKS An-Nur II di luar jam kerja dokter. Penulis menggunakan AI Project Cycle untuk proses pembuatan chatbot, menggunakan pendekatan Natural Language Processing untuk interaksi dengan pengguna, dan algoritma Long Short-Term Memory untuk membuat model dengan melibatkan pengembangan melalui framework Flask. Hasil evaluasi menunjukkan bahwa model yang dihasilkan memiliki nilai training loss sebesar 12,35%, yang mengindikasikan tingkat error yang rendah pada data pelatihan, serta training accuracy sebesar 100%, menandakan model telah belajar pola data pelatihan dengan sangat baik. Pada data validasi, model mencapai validation loss sebesar 42,44% dan validation accuracy sebesar 94,44%. Nilai validation accuracy yang tinggi menunjukkan kemampuan model dalam menghasilkan respons yang relevan terhadap data baru. Hasil akurasi yang tinggi menjadikan chatbot mampu menjawab pertanyaan dengan akurasi cukup baik.====================================================Abstract :Disease is one of the problems for humans, whether it is a mild disease or a chronic disease. Humans have learned about how to deal with disease problems from time to time for the sake of human welfare. Over time the human population increases and more and more diseases both treatable and not so humans build health facilities. The purpose of this research is to maximize the services of IKS An-Nur II outside of doctor's working hours. The author uses the AI Project Cycle for the chatbot creation process, using the Natural Language Processing approach for interaction with users, and the Long Short-Term Memory algorithm to create models by involving development through the Flask framework. The evaluation results show that the resulting model has a training loss of 12.35%, indicating a low error rate in the training data, and a training accuracy of 100%, indicating that the model has learned the training data patterns very well. On the validation data, the model achieved a validation loss of 42.44% and a validation accuracy of 94.44%. High validation accuracy scores indicate the model's ability to generate relevant responses to new data. The high accuracy results make the chatbot capable of answering user questions with high accuracy.
Deep Learning Architecture Model for Iris Image Segmentation in Biometrics Soebroto, Arief Andy; Mahmudy, Wayan Firdaus; Hidayat, Nurul; Putri, Rekyan Regasari Mardi; Nugroho, Anto Satriyo
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.100566

Abstract

Abstrak : Teknologi biometrik memanfaatkan karakteristik fisik atau perilaku manusia untuk identifikasi dan verifikasi identitas, dengan salah satu implementasi paling signifikan adalah biometrik iris. Teknologi ini menggunakan pola unik pada iris mata untuk tujuan identifikasi yang aman dan andal, namun masih menghadapi tantangan dalam memastikan segmentasi citra yang konsisten. Penelitian ini berfokus pada pengembangan segmentasi citra iris menggunakan deep learning sebagai langkah krusial dalam proses identifikasi biometrik iris. Segmentasi citra bertujuan untuk memisahkan wilayah iris dari bagian mata lainnya, seperti pupil, sklera, dan kelopak mata, namun proses ini memerlukan pendekatan yang lebih canggih untuk mengatasi variasi citra. Penelitian ini mengimplementasikan arsitektur deep learning populer, yaitu DeepLabV3 dan U-Net, untuk segmentasi citra iris. Evaluasi performa dilakukan menggunakan metrik IoU Score, Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian menunjukkan bahwa DeepLabV3 memberikan kinerja terbaik dengan IoU Score sebesar 0,918, Accuracy sebesar 0,993, Precision sebesar 0,962, Recall sebesar 0,952, dan F1-Score sebesar 0,957. Keunggulan DeepLabV3 terletak pada kemampuannya dalam melakukan ekstraksi fitur yang kompleks dan menangkap konteks informasi pada berbagai skala secara efektif. Temuan ini menggarisbawahi potensi besar penerapan deep learning dalam segmentasi citra iris untuk sistem biometrik. Dengan performa optimal yang dicapai oleh DeepLabV3, teknologi ini dapat diandalkan untuk meningkatkan akurasi dan efisiensi proses identifikasi biometrik, membuka peluang luas untuk pengembangan lebih lanjut dalam aplikasi keamanan berbasis iris.===================================================Abstract :Biometric technology is an innovation that uses human physical or behavioral characteristics for identity determination and verification with an aspect of its most significant implementations identified to be iris biometrics. The technology uses unique patterns in iris for secure and reliable identification purposes but certain challenges are encountered in ensuring consistent image segmentation. Therefore, this research focuses on developing iris image segmentation using deep learning as an important step in biometric identification process. Image segmentation aims to separate iris region from other parts of the eye, such as the pupil, sclera, and eyelids. However, the process requires a more sophisticated method to overcome image variations. This research implements popular deep learning architectures, DeepLabV3 and U-Net, for the segmentation. Subsequently, the performance of the models was evaluated based on the IoU Score, accuracy, precision, recall, and F1-score metrics. The results showed that DeepLabV3 provided the best performance with an IoU Score of 0.918, accuracy of 0.993, precision of 0.962, recall of 0.952, and F1-score of 0.957. The advantage of the model was associated with the ability to effectively extract complex features and capture information context at different scales. The observation was an indication of the significant potential possessed by deep learning applications in iris image segmentation for biometric systems. Moreover, the optimal performance achieved by DeepLabV3 showed the possibility of depending on the technology to improve the accuracy and efficiency of biometric identification process, opening up broad opportunities for further development in iris-based security applications.
Integrasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Mamdani pada WebGIS Tawan Narkoba (Studi Kasus : BNNK Cilacap) Nugrahaini, Nugrahaini; Agustin, Ninik; Zein, Mochamad Taufiqurrochman Abdul Aziz
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.109131

Abstract

Abstrak : Penyalahgunaan narkoba merupakan isu yang sangat serius yang berdampak pada kesehatan, aspek sosial, serta keamanan masyarakat, sehingga diperlukan upaya yang terfokus dalam pencegahannya. Penelitian ini bertujuan untuk mengembangkan sebuah sistem informasi berbasis web untuk mengevaluasi tingkat kerawanan narkoba di Kabupaten Cilacap. Data untuk penelitian ini diperoleh melalui wawancara dengan Badan Narkotika Nasional Kabupaten (BNNK) Cilacap dan analisis literatur terkait laporan serta dokumen mengenai narkoba. Sistem ini menggunakan metode Analytical Hierarchy Process (AHP) untuk menetapkan bobot prioritas dari indikator–indikator yang mencakup jumlah bandar, pengedar, pengguna, klien sereta kos/THM (Tempat Hiburan Malam), serta menerapkan Fuzzy Mamdani untuk mengatasi ketidakpastian dalam evaluasi kerawanan. sistem yang dinamakan “Tawan Narkoba” dikembangkan dengan menggunakan PHP, framework CodeIgniter 4 (CI4), dan MySQL dengan arsitektur Model-View-Controller (MVC). Fitur utama dari sistem ini mencakup pengelolaan data indikator, otomatisasi perhitungan tingkat kerawanan, serta penyajian hasil dalam bentuk tabel dashboard. Hasil dari pengujian menunjukkan bahwa sistem mampu mengklasifikasikan tingkat kerawanan ke dalam kategori Siaga, Waspada, dan Rawan dengan akurasi 95% jika dibandingkan dengan penilaian dari BNNK. Kontribusi dari penelitian ini adalah penyediaan model evaluasi kerawanan narkoba yang berbasis AHP-Fuzzy Mamdani terintegrasi ke dalam sistem informasi web sebagai alat bantu dalam pengambilan keputusan.================================================Abstract : Drug abuse is a serious issue that has significant impacts on public health, social conditions, and community security, thereby requiring focused and systematic prevention efforts. This study aims to develop a web-based information system to evaluate the level of drug vulnerability in  Cilacap Regency. The research data were obtained through interviews with the National Narcotics Agency of Cilacap Regency (BNNK Cilacap) and literature analysis of reports and official docuents related to drug abuse. The system employs the Analytical Hierarchy Process (AHP) method to determine the priority weights of indicators, including the number of dealers, distributors, users, client, and boarding houses/night entertainment venues (kos/THM), and applies the Fuzzy Mamdani method to addres uncertainty in vulnerability evaluation. The system, named “Tawan Narkoba”, was developed using PHP, the CodeIgniter 4 (CI4) framework, and MySQL, implementing the Model-View-Controller (MVC) architecture. The main features of the system include indicator data management, automated calculation of vulnerability levels, and visualization of results in the form of tables dashboard. The testing results indicate that the system is able to classify drug vulnerability levels into Alert, Caution, and High-Risk categories with an accuracy 95% when compared with assessments conducted by BNNK Cilacap. The contribution of this research lies in providing an AHP-Fuzzy Mamdani-based drug vulnerability evaluation model integrated into a web-based information system to support decision-making processes. 

Page 10 of 10 | Total Record : 97

 6   7   8   9   10 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol 10, No 1 (2025) Vol 9, No 2 (2025) Vol 9, No 1 (2024) Vol 8, No 2 (2024) Vol 8, No 1 (2023) Vol 7, No 2 (2023) Vol 7, No 1 (2022) Vol 6, No 2 (2022) Vol 6, No 1 (2021) Vol 5, No 2 (2021)