cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Anderias Eko Wijaya
Contact Email
ekowjy09@yahoo.com
Phone
+62260417853
Journal Mail Official
admin@jurnalstmiksubang.ac.id
Editorial Address
Jalan Marsinu No.5 Subang, Jawa Barat, Pos. 41212
Location
Kab. subang,
Jawa barat
INDONESIA
Jurnal Teknologi Informasi dan Komunikasi
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Subang
ISSN : 22524517     EISSN : 27237249     DOI : https://doi.org/10.47561/a.v13i1
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Jurnal Teknologi Informasi dan Komunikasi menerbitkan kajian ilmiah hasil penelitian dan pemikiran di bidang ilmu dan teknologi komputer yang didistribusikan sebagai sumber referensi bagi para akademisi di bidang Ilmu dan Teknologi Komputer. Jurnal Teknologi Informasi dan Komunikasi menerima artikel ilmiah dengan cakupan penelitian: 1. Internet of Things 2. Machine Learning 3. Data Mining 4. Big Data 5. Sistem Pengambilan Keputusan 6. Sistem Artificial Intelligence 7. Jaringan Komputer 8. Sistem Informasi
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 4 Documents
 1 
Search results for , issue "Vol 19 No 1 (2026): April" : 4 Documents clear
KERANGKA FORENSIK JARINGAN BERBASIS NEURAL NETWORK UNTUK DETEKSI DAN ANALISIS SERANGAN SIBER Budiman, Hafidz; Ardiansyah, Ferdy; Sitorus, Sahat Parulian; Rahmi, Eriski Aulia; Sarah, Siti; Sari, Wulan Inda
Jurnal Teknologi Informasi dan Komunikasi Vol 19 No 1 (2026): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v19i1.350

Abstract

Peningkatan kompleksitas serangan siber menuntut metode forensik jaringan yang mampu merekonstruksi, mendeteksi, dan menafsirkan aktivitas berbahaya secara akurat. Pendekatan forensik yang ada masih menghadapi keterbatasan dalam analisis lalu lintas jaringan berskala besar, terutama ketika pola serangan menyerupai aktivitas normal sehingga menyulitkan proses identifikasi insiden dan rekonstruksi kronologi kejadian. Penelitian ini mengusulkan kerangka forensik jaringan berbasis neural network yang mengintegrasikan proses identifikasi serangan, klasifikasi lalu lintas jaringan, serta rekonstruksi aktivitas komunikasi untuk mendukung investigasi digital. Penelitian menggunakan desain eksperimental dengan dataset trafik jaringan yang terdiri atas aktivitas normal dan aktivitas berbahaya, meliputi scanning jaringan, brute force pada layanan autentikasi, serangan denial of service, serta distribusi malware. Model neural network digunakan pada tahap deteksi untuk mengklasifikasikan trafik jaringan, sementara pipeline forensik terstruktur digunakan untuk mengekstraksi artefak digital dan melakukan korelasi metadata jaringan. Hasil penelitian menunjukkan bahwa model yang diusulkan mencapai tingkat akurasi sebesar 97,82 persen dengan nilai false positive rate yang rendah serta waktu pemrosesan yang lebih singkat dibandingkan pendekatan forensik konvensional. Analisis forensik terhadap log jaringan menunjukkan pola serangan yang konsisten dengan karakteristik scanning pada port layanan umum, percobaan autentikasi berulang pada layanan SSH, anomali interval waktu paket pada serangan denial of service, serta peningkatan entropi payload pada komunikasi malware. Temuan ini menunjukkan efektivitas integrasi neural network dalam meningkatkan kemampuan deteksi serta mendukung proses rekonstruksi artefak digital dalam investigasi forensik jaringan.
PENERAPAN DATA MINING UNTUK SEGMENTASI MENU KOPI BERDASARKAN KARAKTERISTIK PEMINAT MENGGUNAKAN ALGORITMA K-MEANS Habibah, Rizki; Siregar, Hikmah Aldinar; Hasibuan, Ade Lestari; Listia, Yolanda; Rahmansyah, Aldi; Sagala, M. Idris
Jurnal Teknologi Informasi dan Komunikasi Vol 19 No 1 (2026): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v19i1.360

Abstract

6Program Studi Teknologi Informasi, Fakultas Sains dan Teknologi, Universitas Labuhanbatu e-mail: rizkihabibah151@gmail.com1*, ramansyahaldi35@gmail.com2, yolaalistia@gmail.com3, hikmahaldinar13@gmail.com4, adelestari.id@gmail.com5, IdrisSagala.id@gmail.com6   ABSTRAK Pertumbuhan variasi menu kopi menuntut pelaku usaha memahami karakteristik peminat secara lebih terstruktur, sementara data terkait menu dan preferensi konsumen sering belum dimanfaatkan secara optimal dalam proses pengambilan keputusan. Penelitian ini bertujuan melakukan segmentasi menu kopi berdasarkan karakteristik peminat dengan pendekatan data mining. Metode yang digunakan adalah clustering menggunakan algoritma K-means yang diimplementasikan melalui perangkat lunak Orange Data Mining dengan atribut utama berupa harga dan kategori peminat. Proses analisis meliputi tahap prapemrosesan data, penentuan jumlah cluster, serta evaluasi kualitas cluster menggunakan silhouette coefficient. Hasil penelitian menunjukkan bahwa algoritma K-means mampu mengelompokkan menu kopi ke dalam tiga cluster dengan karakteristik harga dan tingkat minat konsumen yang berbeda. Evaluasi menghasilkan nilai silhouette coefficient sebesar 0,725 yang menunjukkan struktur cluster yang kuat dengan pemisahan yang jelas antar kelompok. Visualisasi hasil klasterisasi memperlihatkan tiga segmen utama, yaitu cluster ekonomis dengan harga rendah dan minat tinggi, cluster menengah dengan harga sedang dan minat yang bervariasi, serta cluster premium dengan harga tinggi dan minat konsumen yang tetap kuat. Segmentasi tersebut memberikan gambaran pola preferensi konsumen yang lebih terstruktur sehingga dapat digunakan sebagai dasar dalam perencanaan produk dan penetapan strategi harga pada usaha kopi.
PENGEMBANGAN SISTEM PRESENSI DAN MONITORING PEGAWAI DI DINAS PERUMAHAN DAN KAWASAN PERMUKIMAN KOTA SALATIGA Zebua, Oggy Dwi Ziduhu; Latuperissa, Rudy
Jurnal Teknologi Informasi dan Komunikasi Vol 19 No 1 (2026): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v19i1.371

Abstract

This research is motivated by the continued use of manual attendance recording, which often leads to data inaccuracies, delayed reporting, and inefficient data management. The study focuses on how to design and develop a digital attendance system capable of accurately recording employee presence, displaying check-in and check-out times, and automatically generating attendance summaries. The objective of this research is to develop a digital attendance system that improves recording accuracy and simplifies attendance monitoring. The research method consists of requirement identification, system design, implementation, testing, and evaluation. The system is developed with features including user login, check-in and check-out recording, location tracking, attendance history, and automated monthly summaries. System testing is conducted to ensure proper functionality and usability. The results indicate that the system successfully records attendance data in a structured manner, provides time and location information, and automatically generates monthly reports. The novelty of this research lies in the integration of time tracking, location recording, and automated attendance reporting within a single system that enhances monitoring efficiency and effectiveness.
RANCANG BANGUN SISTEM MONITORING PERKEMBANGAN BERAT TERNAK BERBASIS WEB DARI TIMBANGAN TERNAK BERBASIS IOT Raden Sumiharto; Rizqi Raffy Imam Malik
Jurnal Teknologi Informasi dan Komunikasi Vol 19 No 1 (2026): April
Publisher : STMIK Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47561/jtik.v19i1.373

Abstract

Penelitian ini bertujuan merancang dan mengimplementasikan sistem monitoring berat ternak berbasis web yang terintegrasi dengan perangkat timbangan berbasis Internet of Things (IoT). Sistem menggunakan arsitektur web–cloud–IoT dengan basis data terpusat untuk menjaga integritas dan konsistensi data. Perangkat berbasis ESP32 membaca identitas ternak melalui RFID dan nilai berat menggunakan sensor load cell, kemudian mengirimkan data dalam format JSON ke server untuk divalidasi sebelum disimpan pada PostgreSQL (Supabase). Aplikasi dikembangkan menggunakan Next.js dengan pendekatan full-stack yang mengintegrasikan autentikasi, manajemen sesi, pengelolaan data, dan mekanisme ingest dalam satu sistem. Pengendalian akses diterapkan melalui Supabase Auth dan kebijakan Row Level Security (RLS) untuk membatasi akses data berdasarkan kepemilikan pengguna. Endpoint ingest dilengkapi dengan verifikasi API key, validasi struktur data, serta pemeriksaan status perangkat sebelum pencatatan histori dilakukan. Pengujian meliputi uji fungsional, integrasi perangkat, uji beban pada rentang 40–95 request per second (RPS), serta evaluasi keamanan aplikasi. Hasil menunjukkan sistem beroperasi stabil hingga 90 RPS tanpa ditemukan kerentanan tingkat tinggi. Sistem ini berpotensi mendukung digitalisasi pengelolaan data pada sektor peternakan.

Page 1 of 1 | Total Record : 4

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 19 No 1 (2026): April Vol 18 No 2 (2025): October Vol 18 No 1 (2025): April Vol 17 No 2 (2024): October Vol 17 No 1 (2024): April Vol 16 No 2 (2023): Oktober Vol 16 No 1 (2023): April Vol 15 No 2 (2022): Oktober Vol 15 No 1 (2022): April Vol 14 No 2 (2021): Oktober Vol 14 No 1 (2021): April Vol 13 No 2 (2020): Oktober Vol 13 No 1 (2020): April Vol 12 No 2 (2019): Oktober Vol 12 No 1 (2019): April Vol 11 No 2 (2018): Oktober Vol 11 No 1 (2018): April Vol 10 No 2 (2017): Oktober Vol 10 No 1 (2017): April Vol 9 No 2 (2016): Oktober Vol 9 No 1 (2016): April Vol 8 No 1 (2015): Oktober Vol 7 No 1 (2015): April Vol 6 No 1 (2014): Oktober Vol 5 No 1 (2014): April Vol 4 No 1 (2013): Oktober Vol 3 No 1 (2013): April Vol 2 No 1 (2012): Oktober Vol 1 No 1 (2012): April More Issue