cover
Contact Name
Agustin
Contact Email
jurnal.satin@gmail.com
Phone
+6285274752880
Journal Mail Official
jurnal.satin@gmail.com
Editorial Address
Jl. Purwodadi Indah No.KM. 10, Sidomulyo Barat., Kec. Tampan, Kota Pekanbaru, Riau 28294
Location
Kota pekanbaru,
Riau
INDONESIA
SATIN - Sains dan Teknologi Informasi
ISSN : 24600822     EISSN : 25279114     DOI : https://doi.org/10.33372
Core Subject : Science,
Fokus dan Ruang Lingkup Jurnal ini menerbitkan hasil penelitian dalam bentuk artikel penelitian, studi literatur dan artikel dalam bentuk konsep dan kebijakan dalam bidang komputer pada umumnya : Security and Networking Computing Theory and Computational Model E-Learning, E-Business, E-Government, E-Commerce Mobile Computing Software Engineering Soft Computing Computer Software and Applications Image Processing Database, Data Mining, Data Warehouse Intelligent Systems Embedded Systems
Arjuna Subject : Umum - Umum
Articles 372 Documents
Klasifikasi Kualitas Buah Pisang Berdasarkan Waktu Panen dan Tingkat Kematangan Menggunakan Metode SVM dan KNN Doni Andriansyah; Mufida, Elly
SATIN - Sains dan Teknologi Informasi Vol 10 No 1 (2024): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/stn.v10i1.1131

Abstract

Tanaman pisang atau Musa Paradisiaca merupakan tanaman yang masuk kedalam golongan klimakterik, sehingga memerlukan perhatian khusus pasca panen. Tingkat kematangan buah pisang saat dipanen sangat mempengaruhi daya simpan dan kualitas buah. Waktu panen sangat penting untuk mendapatkan buah yang matang dan berkualitas. Penelitian menggunakan algoritma SVM dan KNN dengan tujuan untuk mengetahui algortima terbaik dalam klasifikasi kualitas buah pisang. Kumpulan data yang digunakan merupakan data publik mengenai kualitas buah pisang dengan jumlah data sebanyak 8.000 baris data, dan dengan delapan atribut kolom. Dalam pengolahan data hanya menggunakan atribut kolom waktu panen dan tingkat kematangan serta dilakukan proses pengacakan terhadap kumpulan data agar model dapat belajar lebih baik dan mencegah data dari bias. Hasil penelitian menunjukkan klasifikasi dengan SVM memiliki nilai akurasi sebesar 73,4%, lebih baik dari hasil klasifikasi KNN yang hanya mencapai 69,6%.
Intrusion Detection System (IDS) Pada Snort Dengan Bot Telegram Sebagai Sistem Notifikasi Terhadap Serangan Syn Flood dan Ping Of Death Zuriati Ardila Safitri; Elin Haerani; Rometdo Muzawi; Muhammad Affandes; Pizaini
SATIN - Sains dan Teknologi Informasi Vol 10 No 1 (2024): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/stn.v10i1.1138

Abstract

Keamanan jaringan menjadi prioritas penting dalam era digital. Penelitian ini mengembangkan sistem Intrusion Detection System (IDS) berbasis Snort yang terintegrasi dengan bot Telegram untuk notifikasi real-time dan menggunakan kecerdasan buatan (AI) untuk mendeteksi serta mengelompokkan jenis serangan Syn Flood dan Ping of Death. Snort dikonfigurasi dengan aturan khusus untuk mendeteksi kedua jenis serangan ini. Bot Telegram digunakan untuk mengirimkan notifikasi langsung kepada administrator jaringan saat serangan terdeteksi. Hasil penelitian menunjukkan bahwa sistem ini mampu mendeteksi serangan dengan cepat, memberikan notifikasi real-time, dan mengelompokkan jenis serangan dengan akurasi tinggi. Integrasi ini meningkatkan efektivitas deteksi dan respons terhadap serangan jaringan, menawarkan solusi yang lebih aman dan efisien bagi organisasi.

Filter by Year

2012 2024