Katalog Abjad [P] (Semua Bidang (Umum))
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKatalog Abjad [P] (Semua Bidang (Umum))
Menampilkan 3 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
Pengembangan Intrusion Detection System (IDS) Berbasis Deep Learning CNN-LSTM Untuk Klasifikasi Serangan DDoS
Penulis: Achmad Sholehudin, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Server Open Journal Systems (OJS) Universitas Bina Insani merupakan infrastruktur kritis yang rentan terhadap serangan Distributed Denial of Service (DDoS). Proses pemantauan yang selama ini dilakukan secara manual menggunakan Wireshark terbukti bersifat lambat dan reaktif, serta tidak mampu menganalisis lalu lintas pada protokol terenkripsi (HTTPS) karena bergantung pada inspeksi isi paket (payload). Penelitian ini bertujuan mengembangkan Intrusion Detection System (IDS) berbasis Deep Learning yang mampu mengklasifikasikan serangan DDoS secara otomatis dan real-time tanpa bergantung pada proses dekripsi muatan paket. Sistem dibangun menggunakan arsitektur Hybrid Deep Learning yang menggabungkan lapisan Convolutional Neural Network (CNN) untuk ekstraksi fitur spasial dan Long Short-Term Memory (LSTM) untuk analisis ketergantungan temporal antar-paket jaringan. Pengembangan sistem mengadopsi kerangka kerja Knowledge Discovery in Databases (KDD) dengan memanfaatkan kombinasi dataset standar global CICDDoS2019 dan data simulasi lalu lintas jaringan dari virtual testbed lokal. Evaluasi kuantitatif model menggunakan Confusion Matrix terhadap 141.054 sampel aliran data menghasilkan akurasi global sebesar 87% dengan presisi kelas Normal mencapai 0,99. Pengujian fungsional secara real-time pada seluruh skenario (TCP SYN Flood, HTTP Flood, dan HTTPS) menunjukkan tingkat keyakinan prediksi sebesar 100%. Pengujian latensi inferensi pada server OJS membuktikan sistem beroperasi dengan rata-rata waktu respons 57,91 milidetik dan nilai Persentil ke-99 sebesar 114,22 milidetik, jauh di bawah ambang batas kritis 500 milidetik. Hasil penelitian membuktikan bahwa IDS berbasis CNN-LSTM yang menganalisis Network Flow mampu mengklasifikasikan serangan DDoS pada protokol terenkripsi secara akurat melalui sidik jari temporal Inter-Arrival Time (IAT), tanpa memerlukan dekripsi paket, serta layak dioperasikan pada lingkungan server produksi secara real-time.
#CNN-LSTM
#DDoS
#Deep Learning
#Intrusion Detection System
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENGEMBANGAN WLAN MULTI-ACCESS POINT DAN SISTEM MONITORING PADA RS PELABUHAN JAKARTA
Penulis: M Rizki Lutfiansyah, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Jaringan WLAN di RS Pelabuhan Jakarta awalnya hanya menggunakan satu access point pada setiap lorong ruang rawat sehingga dikembangkan menjadi jaringan multi-access point untuk meningkatkan cakupan layanan. Namun, penerapan metode wireless mesh antar perangkat justru menyebabkan tingginya latensi dan koneksi jaringan menjadi tidak stabil. Penelitian ini bertujuan untuk mengembangkan arsitektur jaringan melalui penerapan wired backhaul dan konfigurasi bridge mode. Selain itu, dibangun sebuah dashboard monitoring berbasis web yang difokuskan secara spesifik untuk memantau status aktif (Up) atau matinya (Down) perangkat access point secara terpusat menggunakan metode ICMP (ping). Pengembangan sistem ini menggunakan metode Network Development Life Cycle (NDLC) yang meliputi tahap analisis, desain, simulasi, dan implementasi, dengan parameter pengujian performa berupa packet loss dan latensi. Hasil penelitian menunjukkan bahwa penerapan wired backhaul mampu meningkatkan stabilitas jaringan secara kuantitatif, dibuktikan dengan hilangnya Request Timed Out (RTO), tercapainya packet loss sebesar 0%, serta rata-rata waktu respons (latensi) yang stabil di angka 7 ms. Implementasi dashboard monitoring juga terbukti berfungsi dengan baik dalam memvisualisasikan status Up dan Down perangkat secara real-time tanpa membebani lalu lintas jaringan.
#ICMP
#monitoring jaringan
#multi-access point
#NDLC
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN APLIKASI PENGELOLAAN TRANSAKSI BANK SAMPAH BERBASIS WEBSITE PADA RW 09 KELURAHAN KRANJI
Penulis: Fazril Mantovani, Jafar Shadiq, S.Kom., M.Kom. |
2026
Pengelolaan Bank Sampah Hijau Berkah selama ini masih berjalan secara manual menggunakan buku fisik, sehingga rentan terhadap kesalahan pencatatan, kehilangan arsip, dan celah manipulasi data timbangan yang berujung pada turunnya kepercayaan warga. Penelitian ini bertujuan merancang dan membangun sistem informasi bank sampah berbasis website untuk mengotomatisasi proses administrasi sekaligus menghadirkan keterbukaan informasi bagi nasabah. Sistem dikembangkan dengan metode prototyping melalui tahapan observasi lapangan, wawancara, dan studi pustaka, lalu dibangun menggunakan Laravel, Next.js, MySQL, serta dijalankan pada Virtual Private Server (VPS) Ubuntu Server LTS. Temuan utama penelitian ini adalah keberhasilan mengintegrasikan validasi timbangan berbasis IoT ke dalam sistem, sehingga data berat sampah tercatat secara otomatis tanpa campur tangan manual. Sistem yang dihasilkan mencakup fitur registrasi nasabah, pencatatan transaksi setor sampah, pengelolaan saldo tabungan, antrian digital, konversi sampah ke emas, hingga cetak laporan PDF dengan pembagian hak akses tiga peran utama yaitu Admin, Petugas, dan Nasabah. Pengujian Black Box Testing membuktikan seluruh fungsi berjalan tanpa kendala berarti, dan User Acceptance Testing (UAT) dari 36 responden menghasilkan skor 85,65% berkategori sangat baik, sehingga sistem ini dinilai layak dan siap digunakan secara penuh dalam mendukung operasional bank sampah tingkat RW.
#Bank Sampah
#IoT
#Metode Prototyping
#Sistem Informasi
|
Skripsi (S1)
Sistem Informasi (S1)
Restricted Fulltext PDF
|