cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ahmad Azhari
Contact Email
ahmad.azhari@tif.uad.ac.id
Phone
+6281294055949
Journal Mail Official
mf.mti@uad.ac.id
Editorial Address
Magister Teknik Informatika Jl. Prof. Dr. Soepomo SH, Janturan, Warungboto, Yogyakarta 55164
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Mobile and Forensics
Published by Universitas Ahmad Dahlan
ISSN : 26566257     EISSN : 27146685     DOI : https://doi.org/10.12928/mf
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Library & Information Science Neuroscience
Mobile and Forensics (MF) adalah Jurnal Nasional berbasis online dan open access untuk penelitian terapan pada bidang Mobile Technology dan Digital Forensics. Jurnal ini mengundang seluruh ilmuan dan peneliti dari seluruh dunia untuk bertukar dan menyebarluaskan topik-topik teoritis dan praktik yang berorientasi pada kemajuan teknologi mobile dan digital forensics.
Arjuna Subject : Teknik (semua kategori) - Teknologi Media
Articles 5 Documents
 1 
Search results for , issue "Vol. 2 No. 1 (2020)" : 5 Documents clear
Ekstraksi Logis Forensik Mobile pada Aplikasi E-Commerce Android Anwar, Nuril; Akbar, Son Ali; Azhari, Ahmad; Suryanto, Imam
Mobile and Forensics Vol. 2 No. 1 (2020)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v2i1.1791

Abstract

Pesatnya perkembangan aplikasi android, terutama aplikasi di bidang e-commerce dan transaksi jual beli online yang populer di Indonesia, memaksa pengguna untuk memberikan izin untuk menggunakan fitur dan layanan aplikasi selama pemasangan dan pasca pemasangan. Kurangnya pemahaman pengguna akan resiko dari izin akses yang diminta oleh aplikasi sebelum atau setelah melakukan instalasi menjadikan celah pada keamanan data pengguna untuk mengakses fitur pada perangkat smartphone seperti kamera, media penyimpanan, kontak, akun dan fitur lainnya. Logical Extraction Method menjadi metode yang digunakan untuk mendapatkan data aplikasi dengan mengakusisi seluruh data file sistem pada smartphone menggunakan bantuan tools MOBILedit Forensic, TWRP (Team Win Recovery Project), dan Aplikasi Migrate. Akusisi data dari masing-masing aplikasi akan diambil Android Package File (APK) yang digunakan untuk proses analisis secara statis dengan menggunakan Tools Forensic MobSF (Mobile Security Framework). Berdasarkan hasil analisis yang dilakukan pada tiga aplikasi teratas e-commerce terdapat 51 izin akses dan dari tiga aplikasi e-commerce terpopuler di Indonesia dengan tingkat keamanan paling berbahaya dengan 49 izin akses, 7 izin akses normal dan 1 izin akses tanda tangan. Aplikasi lazada terdapat 21 izin akses berbahaya yang tidak diketahui pengguna sedangkan aplikasi Tokopedia terdapat 4 izin akses berbahaya yang tidak diketahui pengguna dan aplikasi Blibli.com terdapat 1 izin akses berbahaya yang tidak diketahui pengguna. Berdasarkan temuan celah keamanan dapat disimpulkan bahwa aplikasi e-commerce yang digunakan oleh penggunanya memungkinkan pula disisipi sebuah malware atau virus sejenis yang berpeluang dalam penggambilan data pribadi penggunanya. The rapid development of android applications, especially applications in the field of e-commerce and online buying and selling transactions that are popular in Indonesia, force users to give permission to use the features and services of the application during installation and post-installation. Lack of user understanding of the risk of access permissions requested by the application before or after installation creates a gap in the user's data security to access features on smartphone devices such as cameras, storage media, contacts, accounts, and other features. Logical Extraction Method is a method used to obtain application data by acquiring all system file data on smartphones using the help of MOBILedit Forensic tools, TWRP (Team Win Recovery Project), and Migrate Applications. Data acquisition from each application will be taken by Android Package File (APK) which is used for the static analysis process using Tools Forensic MobSF (Mobile Security Framework). Based on the results of an analysis conducted on the top three e-commerce applications there are 51 access permits and of the three most popular e-commerce applications in Indonesia with the most dangerous level of security with 49 access permits, 7 normal access permits, and 1 signature access permit. The Lazada application has 21 dangerous access permits that the user does not know while the Tokopedia application has 4 dangerous access permits that the user does not know and the Blibli.com application has 1 dangerous access permit that the user does not know about. Based on the findings of a security hole, it can be concluded that the e-commerce application used by its users also allows the insertion of a malware or virus that has the opportunity to capture the user's personal data.
Probabilitas Bernoulli Untuk Cluster Status Sekolah Menengah Atas Di Indonesia Purwaningsih, Tuti; Azhari, Ahmad; Purnaramadhan, Riza
Mobile and Forensics Vol. 2 No. 1 (2020)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v2i1.1953

Abstract

Di pedesaan, biasanya sekolah negeri begitu banyak diminati karena biaya pendidikan yang relatif terjangkau. Namun pada kenyataan, banyak orang tua memilih sekolah swasta untuk mendapatkan fasilitas belajar lebih nyaman baik dari sekolah maupun dari pengajarnya. Unsur-unsur pendidikan menjadi penentu keberhasilan proses peningkatan mutu pendidikan dalam pencapaian tujuan pendidikan di satuan pendidikan. Penelitian ini bertujuan untuk mendeteksi pembagian cluster terkait jumlah sekolah negeri dan swasta tingkat sekolah menengah atas tiap provinsi di Indonesia dengan menerapkan model probabilitas Bernoulli. Berdasarkan analisis yang sudah dilakukan dapat disimpulkan bahwa persebaran cluster menggunakan model probabilitas Bernoulli pada jumlah sekolah negeri tingkat menengah atas di indonesia memiliki 5 cluster dan banyak tersebar di bagian Indonesia wilayah tengah dan timur. Sedangkan pada jumlah sekolah swasta tingkat menengah atas di indonesia memiliki 6 cluster dan banyak tersebar di bagian pulau jawa. Provinsi-provinsi yang masuk ke wilayah cluster tersebut berarti memiliki karakteristik yang mirip yang dimilikinya sehingga mengelompok kedalam satu kelompok yang sama. In rural areas, public schools are usually in great demand because of the relatively affordable costs of education. But in fact, many parents choose private schools to get more comfortable learning facilities from both the school and the teachers. The elements of education are the determinants of the success of the process of improving the quality of education in achieving educational goals in educational units. This study aims to detect the division of clusters related to the number of public and private high school level schools in each province in Indonesia by applying the Bernoulli probability model. Based on the analysis that has been done, it can be concluded that the distribution of clusters using the Bernoulli probability model is that the number of senior high school public schools in Indonesia has 5 clusters and many are scattered in the central and eastern parts of Indonesia. Meanwhile, the number of high school private schools in Indonesia has 6 clusters and many are scattered in parts of the island of Java. Provinces that are included in the cluster area mean that they have similar characteristics so that they are grouped into the same group.
Urinoir Analyzer Pintar Pendeteksi Kelainan Pada Fungsi Ginjal Dengan Analisis Kadar Ph Dan Warna Pada Urin Febryansah, M. Iqbal; Yudhana, Anton; Ma'arif, Alfian
Mobile and Forensics Vol. 2 No. 1 (2020)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v2i1.2032

Abstract

Perkembangan pemeriksaan penyakit kelainan ginjal melalui analisa urin saat ini dilakukan dalam dua proses pemeriksaan secara makroskopis dan mikroskopis. Pada dasarnya dibutuhkan sebuah alat yang mampu memproses dan menganalisis sebuah sampel urin secara otomatis agar tidak terjadinya kesalahan dalam melakukan pemeriksaan penyakit melalui sampel urin. Awalan perkembangan ini menggunakan sebuah Kontroler Arduino UNO dan dua buah variabel masukan yaitu sensor warna TCS3200 dan sensor PH meter SKU SEN0161. Dua buah variabel masukan sensor bekerja secara berdampingan dengan sensor TCS3200 memiliki hasil keluaran berupa nilai frekuensi RGB dan diproses kembali menjadi frekuensi keabuan. Lalu, sensor PH meter SKU SEN0161 menghasilkan sebuah nilai PH pada sampel urin. Hasil dari pemeriksaan tersebut ditampilkan pada sebuah penampil berupa LCD berukuran 16x2. Hasil pemeriksaan dari alat ini dibandingkan dengan hasil analisa pakar dari Balai Laboratorium Kesehatan Yogyakarta bagian Urology. dan mendapatkan tingkatan nilai akurasi 93% dengan keberhasilan data sebanyak 28 dari 30 data yang diambil. The development of examining kidney disorders through urine analysis is currently carried out in two processes of examination, macroscopic and microscopic. Basically, we need a tool that is able to process and analyze a urine sample automatically so that there are no errors in carrying out disease checks through the urine sample. The beginning of this development used an Arduino UNO controller and two input variables, namely the TCS3200 color sensor and the SKU SEN0161 PH meter sensor. Two sensor input variables working side by side with the TCS3200 sensor have an output in the form of RGB frequency values and are processed back into gray frequencies. Then, the PH meter SKU SEN0161 sensor generates a PH value in the urine sample. The results of these checks are displayed on a 16x2 LCD display. The examination results of this tool are compared with the results of the analysis of experts from the Yogyakarta Health Laboratory Center, Urology section. and get an accuracy level of 93% with the success of the data as much as 28 of the 30 data taken.
Pemanfaatan Bahasa Alami Dalam Penelusuran Informasi Skripsi Melalui Digital Library Soyusiawaty, Dewi; Jones, Anna Hendri Soleliza
Mobile and Forensics Vol. 2 No. 1 (2020)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v2i1.2040

Abstract

Daftar judul skripsi yang ada di web digilib.uad.ac.id belum digunakan secara optimal. Kesulitan menentukan topik serta pengelolaan data pada sistem yang belum memadai menjadi beberapa kendala mahasiswa. Penelitian ini bertujuan membangun pencarian informasi skripsi dengan antarmuka bahasa alami agar mudah dalam menulis kriteria pencarian tanpa harus terikat formulir pencarian. Penelitian ini menggunakan data skripsi untuk dikelola. Pengambilan data dilakukan menggunakan pendekatan Natural Language Processing. Masukan dalam bentuk kalimat bahasa alami digunakan untuk mencari data. Proses Parsing dilakukan untuk memecah kalimat input dan mendeteksi kata kunci yang relevan. Pengembangan aturan produksi dalam Context Free Grammar diperlukan untuk menerjemahkan bahasa alami ke dalam query. Kalimat yang melewati tahap parser diterjemahkan ke dalam bahasa SQL. Sistem ini berhasil menampilkan informasi skripsi berupa daftar judul berdasarkan topik, metode, dan objek penelitian sesuai kalimat pencarian dengan nilai precision sebesar 89,3% dan recall sebesar 100%. Keberadaan model pencarian informasi dengan antarmuka bahasa alami dapat menjadi alternatif dalam proses pencarian informasi skripsi guna menyediakan sistem yang lebih fleksibel.  The use of the existing digital library has not been used optimally. Difficulties in determining topics and managing data in an inadequate system are among the obstacles for students. This study aims to build a thesis information search with a natural language interface so that it is easy to write search criteria without having to be tied to a search form. This research uses thesis data to be managed. Data were collected using the Natural Language Processing approach. Input in the form of natural language sentences is used to find data. The parsing process is carried out to break down the input sentence and detect relevant keywords. Development of production rules in Context Free Grammar is necessary to translate natural language into queries. Sentences that go through the parser stage are translated into SQL language. This system succeeds in displaying thesis information in the form of a list of titles based on topics, methods, and research objects according to the search sentence with a precision value of 89% and a recall of 100%. The existence of an information retrieval model with a natural language interface can be an alternative in the thesis information search process in order to provide a more flexible system.
Prediksi Lama Studi Mahasiswa Menggunakan Naïve Bayes Berdasarkan Aspek Sosial Ekonomi Mahasiwa Putri, Desy Pratiwi Ika; Anggreani, Desi; Wibawa, Aji Prasetya
Mobile and Forensics Vol. 2 No. 1 (2020)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v2i1.2137

Abstract

Perguruan tinggi merupakan satuan penyelenggara pendidikan tinggi sebagai tingkat lanjut jenjang pendidikan menengah di jalur pendidikan formal. Kualitas perguruan tinggi, khususnya perguruan tinggi di Indonesia diukur berdasarkan 9 standar utama. Salah satu aspek yang berpengaruh ialah mahasiswa dan lulusan. Ketepatan waktu studi mahasiswa adalah hal yang penting dalam perguruan tinggi. Ketepatan waktu mahasiswa dalam menyelesaikan studi menjadi salah satu penunjang penilaian kualitas perguruan tinggi. Metode Naïve Bayes dapat digunakan untuk memprediksi ketepatan lama studi. Klasifikasi Naïve Bayes dalam penelitian ini menggunakan beberapa variabel yang sangat erat kaitannya dalam menyelesaikan studi khususnya pada aspek sosial ekonomi mahasiswa. Adapun variable dari sisi sosial dan ekonomi tersebut diantaranya jenis kelamin, nilai IPK, tempat lahir, tipe sekolah, jumlah keikutsertaan organisasi, tingkat ekonomi, dan dukungan orang tua. Pada penelitian ini, metode Naïve Bayes diimplementasikan pada kasus prediksi lama studi mahasiswa menggunakan 200 data set. Hasil penelitian menunjukkan tingkat rata-rata akurasi sebesar 80,5% dengan menggunakan K-Fold Cross Validation diperoleh standar deviasi 3,02%.  Higher education is a higher education provider unit as an advanced level of secondary education in the formal education pathway. The quality of tertiary institutions, especially tertiary institutions in Indonesia, is measured according to 9 main standards. One influential aspect is students and graduates. Timeliness of student studies is important in higher education. Timeliness of students in completing their studies is one of the supports for assessing the quality of higher education. The Naïve Bayes method can be used to predict the accuracy of the study duration. Naïve Bayes classification in this study uses several variables that are very closely related in completing studies, especially on the social economic aspects of students. The social and economic variables include gender, GPA, birthplace, type of school, number of organizational participations, economic level, and parent support. In this study, the Naïve Bayes method is implemented in the case of prediction of student study duration using 200 data sets. The results showed an average level of accuracy of 80.5% using K-Fold Cross Validation obtained a standard deviation of 3.02%.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol. 7 No. 2 (2025) Vol. 7 No. 1 (2025) Vol. 6 No. 2 (2024) Vol. 6 No. 1 (2024) Vol. 5 No. 2 (2023) Vol. 5 No. 1 (2023) Vol. 4 No. 2 (2022) Vol. 4 No. 1 (2022) Vol. 3 No. 2 (2021) Vol 3, No 1 (2021) Vol. 3 No. 1 (2021) Vol 2, No 2 (2020) Vol. 2 No. 2 (2020) Vol. 2 No. 1 (2020) Vol 2, No 1 (2020) Vol. 1 No. 2 (2019) Vol 1, No 2 (2019) Vol. 1 No. 1 (2019) Vol 1, No 1 (2019) More Issue