cover
Contact Name
Suwanto Raharjo
Contact Email
wa2nlinux@yahoo.com
Phone
+62274866124
Journal Mail Official
jnanaloka@yahoo.com
Editorial Address
Jl. Mulungan Baru, Mulungan Wetan, RT 07, RW 17, No. 130, Mlati, Sleman, Yogyakarta, 55285 Telp. 0274-866124
Location
Unknown,
Unknown
INDONESIA
JNANALOKA
Published by Lentera Dua Indonesia
JNANALOKA merupakan jurnal ilmiah berbasis blind peer review dan open access terbit mulai tahun 2020 dipublikasikan oleh Lentera Dua Indonesia. Jurnal terbit sebanyak 2 (dua) kali dalam setahun yakni bulan Maret dan September. Redaksi Jurnal JNANALOKA menerima artikel ilmiah orisinil lintas bidang ilmu yang memiliki fokus namun tidak terbatas pada bidang sains dan teknologi baik tingkat dasar, menengah, dan tinggi lintas dan multi disiplin ilmu. JNANALOKA juga menerima artikel yang didasarkan pada penelitian ilmiah secara umum.
Articles 64 Documents
Deteksi dan Pencegahan Kerentanan Cross-Site Scripting (XSS) Stored dan Broken Access Control pada Aplikasi Web kaspedia.web.id. Pramono, Eko; Arif, Mukhlis Nur; Marcelinus Erix; Galih Nur
JNANALOKA Vol. 06 No. 02 September Tahun 2025
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2025.v6-no2-87-99

Abstract

Keamanan siber adalah komponen krusial dalam siklus hidup pengembangan aplikasi web modern, terutama dalam menangani sejumlah besar data sensitif. Aplikasi web, meskipun didukung oleh teknologi keamanan yang terus maju, tetap menjadi target utama bagi serangan siber yang berevolusi. Penelitian ini berfokus pada analisis dan mitigasi dua ancaman keamanan paling signifikan: Cross-Site Scripting (XSS) Stored dan Broken Access Control (BAC) pada aplikasi web kaspedia.web.id. Kerentanan XSS Stored memungkinkan penyerang menyuntikkan skrip berbahaya secara permanen ke database, yang kemudian dieksekusi tanpa disadari oleh browser pengguna lain. Sementara itu, BAC timbul akibat kegagalan validasi akses yang memadai di sisi server, memungkinkan pengguna yang tidak berwenang untuk mengakses sumber daya atau fungsi yang seharusnya terbatas. Untuk mengatasi permasalahan ini, penelitian mengadopsi metodologi pengujian penetrasi yang sistematis dan analisis kode statis. Tahap deteksi melibatkan pengujian fungsionalitas aplikasi menggunakan alat bantu khusus untuk mengidentifikasi titik injeksi XSS dan celah otorisasi. Metode pencegahan yang diimplementasikan meliputi input sanitization dan output encoding yang ketat untuk menetralkan payload XSS, serta penerapan mekanisme server-side authorization yang ketat untuk memverifikasi setiap permintaan akses terhadap kebijakan hak pengguna yang ditetapkan. Hasil penelitian menunjukkan bahwa aplikasi kaspedia.web.id memiliki kerentanan XSS Stored pada modul input data dan kerentanan BAC pada beberapa endpoint manajerial. Setelah intervensi pencegahan diterapkan, kedua jenis kerentanan tersebut berhasil dieliminasi, sehingga secara signifikan meningkatkan postur pertahanan aplikasi. Kesimpulannya, deteksi proaktif dan penerapan mekanisme pencegahan yang terstruktur, yang menggabungkan validasi input dan kontrol akses berbasis server, adalah upaya yang sangat efektif dalam memperkuat keamanan aplikasi web modern terhadap ancaman XSS Stored dan Broken Access Control. Hal ini memastikan integritas dan kerahasiaan data pengguna.
Perancangan Desain User Interface (UI) dan User Experience (UX) Aplikasi Pemesanan Tiket Bus dengan Metode User-Centered Design (Studi Kasus: Kota Samarinda) Rayhan Fadlur Rahman; Muhammad Labib Jundillah; Hario Jati Setyadi
JNANALOKA Vol 7 No 01 (2026): Vol. 07 No. 01 Maret Tahun 2026
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2026.v7-no01-%p

Abstract

Kemajuan teknologi menghasilkan transformasi signifikan dalam banyak bidang kehidupan manusia, salah satunya bidang transportasi. Zaman digital membawa perubahan terhadap pola masyarakat menggunakan jasa transportasi, tetapi layanan pemesanan tiket bus masih dianggap kurang efisien karena prosesnya yang belum sepenuhnya optimal. Sistem pemesanan tiket bus secara manual masih menimbulkan banyak kesulitan bagi pengguna, seperti antrean yang panjang dan informasi yang tidak diperbarui secara langsung. Situasi ini menunjukkan kebutuhan untuk mengembangkan solusi yang dapat meningkatkan kemudahan dan pengalaman pengguna saat memesan tiket bus ketika ingin bepergian. Adanya penelitian ini dilakukan untuk menghasilkan desain aplikasi dalam pemesanan tiket bus menggunakan metode User Centered Design, serta menguji tingkat kegunaannya melalui System Usability Scale. Observasi dan wawancara dilakukan di tiga titik terminal berstatus tipe A dan tipe B di kota Samarinda sebagai landasan penelitian yang dilakukan. Hasil pengujian menunjukkan bahwa nilai skor yang didapatkan dalam pengujian System Usability Scale adalah 86, nilai tersebut termasuk dalam kelompok atau kategori sangat baik atau excellent, hal tersebut mengindikasikan bahwa rancangan aplikasi dapat diterima oleh pengguna. Oleh karna itu penerapan metode User Centered Design dinilai efektif dalam proses perancangan antarmuka pengguna serta pengalaman pengguna yang relevan berdasarkan kebutuhan mereka, dengan demikian aplikasi tersebut dapat digunakan secara mudah oleh pengguna.
Analisis Perbandingan Model Decision Tree dan K-Nearest Neighbors (KNN) untuk Estimasi Body Fat Percentage Muhammad Ali fikri; Sinta Khoirinnisa; Siti Ulya Ainur Rohmah; Wahyu Prastyo Hariyadi; Mohammad Nur Fawaiq
JNANALOKA Vol 7 No 01 (2026): Vol. 07 No. 01 Maret Tahun 2026
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2026.v7-no01-%p

Abstract

Persentase lemak tubuh atau Body Fat Percentage (BFP) merupakan parameter penting untuk mengevaluasi kondisi kesehatan dan tingkat obesitas. Namun, pengukuran BFP secara langsung membutuhkan perangkat khusus seperti BodPod atau DEXA yang tidak selalu tersedia dan memerlukan biaya tinggi. Oleh karena itu, prediksi BFP berbasis machine learning menjadi alternatif yang lebih efisien. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma regresi, yaitu Decision Tree Regression dan K-Nearest Neighbors (KNN) Regression, dalam memprediksi BFP berdasarkan variabel antropometri. Dataset yang digunakan terdiri dari 252 sampel dengan 14 fitur seperti density, umur, berat badan, tinggi badan, lingkar perut, pinggul, dan lainnya. Evaluasi model menggunakan metrik MAE, MSE, RMSE, dan R². Hasil penelitian menunjukkan bahwa Decision Tree memiliki performa lebih baik dengan MAE 0,5627, RMSE 1,4049, dan R² sebesar 0,9575, sedangkan KNN menghasilkan MAE 2,4937, RMSE 3,0547, dan R² sebesar 0,7994. Dengan demikian, Decision Tree lebih direkomendasikan untuk estimasi BFP menggunakan data antropometri.
Prediksi Suhu dan Frekuensi Prosesor Berdasarkan Variasi Tegangan Menggunakan Algoritma k-Nearest Neighbor (k-NN) Eko Pramono; Nur Widjiyati; Prasetyo Purnomo
JNANALOKA Vol 7 No 01 (2026): Vol. 07 No. 01 Maret Tahun 2026
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2026.v7-no01-%p

Abstract

Pengaturan tegangan pada prosesor memiliki peran penting dalam meningkatkan kinerja sistem, namun juga berimplikasi langsung terhadap kenaikan suhu yang berpotensi menyebabkan kerusakan perangkat. Oleh karena itu, diperlukan metode prediksi yang mampu memperkirakan perubahan suhu dan frekuensi prosesor sebelum dilakukan peningkatan tegangan. Penelitian ini bertujuan untuk memprediksi suhu dan frekuensi prosesor berdasarkan variasi tegangan menggunakan algoritma k-Nearest Neighbor (k-NN), serta menentukan nilai parameter K yang optimal untuk menghasilkan prediksi yang akurat dan stabil. Data yang digunakan merupakan hasil pengukuran tegangan, suhu, dan frekuensi pada prosesor AMD Ryzen 5 2400G. Proses prediksi dilakukan dengan beberapa variasi nilai K (K=1, K=2, K=3, dan K=4), kemudian dievaluasi menggunakan metrik koefisien determinasi (R²), Mean Absolute Error (MAE), dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa nilai K sangat mempengaruhi performa model. Nilai K=1 menghasilkan akurasi sempurna pada data pelatihan, namun berpotensi mengalami overfitting sehingga kurang baik dalam generalisasi. Sementara itu, nilai K=2 memberikan keseimbangan terbaik antara akurasi dan kompleksitas model, dengan nilai R² mencapai lebih dari 0,9 serta nilai error yang rendah. Selain itu, hasil analisis menunjukkan bahwa suhu prosesor memiliki hubungan non-linear terhadap tegangan, dengan peningkatan yang lebih signifikan pada tegangan tinggi, sedangkan frekuensi menunjukkan hubungan yang cenderung linier terhadap tegangan. Prediksi pada tegangan yang lebih tinggi juga menunjukkan bahwa nilai suhu dan frekuensi masih berada dalam batas aman spesifikasi prosesor. Dengan demikian, algoritma k-NN dengan K=2 terbukti efektif dalam memprediksi perilaku prosesor dan dapat digunakan sebagai alat bantu dalam proses overclocking untuk mengoptimalkan kinerja sekaligus meminimalkan risiko overheating.