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 99 Documents
 1   2   3   4   5 
Ekstraksi Fitur Pengenalan Emosi Berdasarkan Ucapan Menggunakan Linear Predictor Ceptral Coeffecient Dan Mel Frequency Cepstrum Coefficients Helmiyah, Siti; Riadi, Imam; Umar, Rusydi; Hanif, Abdullah
Mobile and Forensics Vol 1, No 2 (2019)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v1i2.1259

Abstract

Ucapan suara memiliki informasi penting yang dapat diterima oleh otak melalui gelombang suara. Otak menerima gelombang suara melalui alat pendengaran dan menghasilkan suatu informasi berupa pesan, bahasa, dan emosi. Pengenalan emosi wicara merupakan teknologi yang dirancang untuk mengidentifikasi keadaan emosi seseorang dari sinyal ucapannya. Hal tersebut menarik untuk diteliti, karena berkaitan dengan teknologi zaman sekarang yaitu pada penggunaan smartphone di berbagai macam aktivitas sehari-hari. Penelitian ini membandingkan ekstraksi fitur Metode LPC dan Metode MFCC. Kedua metode ekstraksi tersebut diklasifikasi menggunakan Metode Jaringan Syaraf Tiruan (MLP) untuk pengenalan emosi. Masing-masing metode menggunakan data emosi marah, bosan, bahagia, netral, dan sedih. Data dibagi menjadi dua, yaitu data testing dan data data training dengan perbandingan 80:20. Arsitektur jaringan yang digunakan adalah tiga lapisan yaitu lapisan input, lapisan tersembunyi, dan lapisan output. Parameter MLP yang digunakan learning rate = 0.0001, epsilon = 1e-08, epoch = 500, dan Cross Validation = 5. Hasil akurasi pengenalan emosi dengan ekstraksi fitur LPC sebesar adalah 28%. Sedangkan hasil akurasi dengan ekstraksi fitur MFCC sebesar 61,33%. Hasil akurasi ini bisa ditingkatkan dengan menambahkan data yang lebih banyak lagi, terutama untuk data testing. Perlunya pengujian pada nilai parameter jaringan MLP, yaitu dengan mengubah nilai-nilai parameter, karena dapat mempengaruhi tingkat akurasi pengenalan. Selain itu penentuan ekstraksi fitur dan klasifikasi metode yang lain juga dapat digunakan untuk mencari nilai akurasi pengenalan emosi yang lebih baik lagi.
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%.
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.
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.
Malware Static Analysis on Microsoft Macro Attack Aresta, Redho Maland; Pratomo, Ero Wahyu; Geraldino, Vicky; Fauzi, Achmad; Santoso, Joko Dwi
Mobile and Forensics Vol 3, No 1 (2021)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v3i1.3764

Abstract

In the 21st century, technology is increasing rapidly, the increase in technology is the potential for cyber attacks on today's technological infrastructure. Malware that is designed to damage computer systems without the owner's knowledge at a considerable cost becomes a cyber crime. This macro malware analysis is to study the code and behavior of malware when run on an operating system. To analyze this malware, this study uses a static analysis method by analyzing malware without running the program.
Pelabelan Kelas Kata Bahasa Jawa Menggunakan Hidden Markov Model Mursyit, Mohammad; Wibawa, Aji Prasetya; Zaeni, Ilham Ari Elbaith; Rosyid, Harits Ar
Mobile and Forensics Vol 2, No 2 (2020)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v2i2.2450

Abstract

Part of Speech Tagging atau POS Tagging adalah proses memberikan label pada setiap kata dalam sebuah kalimat secara otomatis. Penelitian ini menggunakan algoritma Hidden Markov Model (HMM) untuk proses POS Tagging. Perlakuan untuk unknown words menggunakan Most Probable POS-Tag. Dataset yang digunakan berupa 10 cerita pendek berbahasa Jawa terdiri dari 10.180 kata yang telah diberikan tagsetBahasa Jawa. Pada penelitian ini proses POS Tagging menggunakan dua skenario. Skenario pertama yaitu menggunakan algoritma Hidden Markov Model (HMM) tanpa menggunakan perlakuan untuk unknown words. Skenario yang kedua menggunakan HMM dan Most Probable POS-Tag untuk perlakuan unknown words. Hasil menunjukan skenario pertama menghasilkan akurasi sebesar 45.5% dan skenario kedua menghasilkan akurasi sebesar 70.78%. Most Probable POS-Tag dapat meningkatkan akurasi pada POS Tagging tetapi tidak selalu menunjukan hasil yang benar dalam pemberian label. Most Probable POS-Tag dapat menghilangkan probabilitas bernilai Nol dari POS Tagging Hidden Markov Model. Hasil penelitian ini menunjukan bahwa POS Tagging dengan menggunakan Hidden Markov Model dipengaruhi oleh perlakuan terhadap unknown words, perbendaharaan kata dan hubungan label kata pada dataset.  Part of Speech Tagging or POS Tagging is the process of automatically giving labels to each word in a sentence. This study uses the Hidden Markov Model (HMM) algorithm for the POS Tagging process. Treatment for unknown words uses the Most Probable POS-Tag. The dataset used is in the form of 10 short stories in Javanese consisting of 10,180 words which have been given the Javanese tagset. In this study, the POS Tagging process uses two scenarios. The first scenario is using the Hidden Markov Model (HMM) algorithm without using treatment for unknown words. The second scenario uses HMM and Most Probable POS-Tag for treatment of unknown words. The results show that the first scenario produces an accuracy of 45.5% and the second scenario produces an accuracy of 70.78%. Most Probable POS-Tag can improve accuracy in POS Tagging but does not always produce correct labels. Most Probable POS-Tag can remove zero-value probability from POS Tagging Hidden Markov Model. The results of this study indicate that POS Tagging using the Hidden Markov Model is influenced by the treatment of unknown words, vocabulary and word label relationships in the dataset.
Long Short Term Memory on Bitcoin Price Forecasting Purwaningsih, Tuti; Kusumandari, Gita Evi
Mobile and Forensics Vol 3, No 1 (2021)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v3i1.3857

Abstract

In modern times, many people rely on sophisticated technology to meet their needs. Already many technologies today can replace the role and function of society in the field of investment. There are many ways to fulfill the lives of these people, such as Bitcoin investment. Bitcoin is a digital asset that only exists in digital form by means of peer-to-peer work. To maximize profits, it is necessary to forecast Bitcoin prices when it will go up or down. This study tries to address the changes in Bitcoin prices whether to go up or down the next day with an artificial neural network model. The editor used in this study is the LSTM method. The data used is the Bitcoin blockchain data, namely time-series data in a one-day period from 1 January 2018 to 31 May 2019. Obtained forecasting results in June 2019 for Bitcoin to rise slowly and an accuracy value of 97.5% based on MAPE with the first day worth $8901.50.
Simulasi Aplikasi Real Time Route Selection berbasis Wireless Sensor Network di Kota Makassar Lisangan, Erick Alfons; Sumarta, Sean Coonery; Tandungan, Levi Oktavian
Mobile and Forensics Vol 2, No 2 (2020)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v2i2.2767

Abstract

Seiring dengan pertumbuhan kota yang secara di dunia melebihi 50%, persoalan kota menjadi lebih rumit dan kompleks, salah satunya adalah kemacetan yang dapat disebabkan oleh banjir serta pertumbuhan kendaraan yang melebihi luas jalanan. Hal ini juga terjadi di Kota Makassar sebagai ibu kota provinsi Sulawesi Selatan. Saat ini sering terjadi kemacetan lalu lintas di beberapa ruas jalan di Kota Makassar, terutama pada saat peak hours. Data terakhir Juni 2017 menunjukkan jumlah kendaraan di kota Makassar adalah sebanyak 1.425.635 dimana terjadi kenaikan lebih dari 100% dibandingkan tahun 2007. Pada penelitian ini akan dirancang sebuah aplikasi real time route selection dengan memanfaatkan Wireless Sensor Network sebagai penyedia data traffic condition pada ruas jalan. Algoritma pencarian rute terpendek yang digunakan adalah algoritma Dijkstra serta algoritma Floyd-Warshall yang dikombinasikan dengan fungsi skalar Chebycheff. Hasil penelitian menunjukkan bahwa rute yang dihasilkan oleh kedua algoritma sama tetapi algoritma Dijkstra memiliki waktu pemrosesan lebih cepat dengan rerata 7,45 ms. Kelemahan fungsi skalar Chebycheff adalah proses update jarak antar node yang dinamis bergantung pada perubahan kondisi lalu lintas. Hal ini dapat diatasi dengan menggunakan penggunaan metode inferensi lain untuk kriteria kondisi lalu lintas, seperti fuzzy logic maupun metode Multi Criteria Decision Making.
Live Forensics on GPS inactive Smartphone Anwar, Nuril; Mardhia, Murein Miksa; Ryanto, Luthfi
Mobile and Forensics Vol 3, No 1 (2021)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v3i1.3847

Abstract

Google is known to still track the user's location despite the GPS settings and location history in smartphone settings has been turned off by the user. This requires special handling to prove the location on smartphones with inactive GPS and view its Location History previously used by user. The research investigates if Google is still recording its user data location. Live Forensic requires data from the running system or volatile data which is usually found in Random Access Memory (RAM) or transit on the network. Investigations are carried out using a Google account with a method used by live forensics to obtain results from the location history. Smartphones have been checked manually through data backup through custom recovery that has been installed. When checking the backup filesystem, turned out that no location data is stored. Therefore, researchers conducted an analysis on the Google Account which was analyzed using a forensic tool to analyze cloud services to obtain location data results. The results of the analysis carried out obtained a similarity in location from 8-days investigations. Google can still find the location of smartphones with GPS disabled, but the location results are not accurate. Google can store user location data via cellular networks, Wi-Fi, and sensors to help estimate the user's location. The process of extracting the results from the google maps log using a Google account will be analyzed using the Elcomsoft Cloud eXplorer and Oxygen Forensic Cloud Extractor so that the log location results are still available by Google.

Page 2 of 10 | Total Record : 99

 1   2   3   4   5 

Filter by Year

2019 2025


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