Katalog Program Studi: Teknik Informatika (S1)
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKatalog Program Studi: Teknik Informatika (S1)
Menampilkan 4 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
IMPLEMENTASI SISTEM KEAMANAN CLOSED CIRCUIT TELEVISION DI JALAN ACACIA TAMAN CILEUNGSI
Penulis: Rafly Ammar Gata, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Kekosongan pengawasan fisik di lingkungan perumahan Jalan Acacia, Taman Cileungsi RT 01/RW 09 akibat berhentinya aktivitas operasional petugas keamanan memicu potensi kerawanan tindak kriminalitas dan keresahan warga. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pengawasan keamanan berbasis Closed Circuit Television (CCTV) mandiri terintegrasi yang dapat diakses secara real-time dari jarak jauh. Pengembangan sistem menerapkan metode Prototype yang berfokus pada iterasi pengembangan berbasis kebutuhan pengguna. Infrastruktur jaringan dibangun memanfaatkan transmisi nirkabel dengan menghubungkan empat unit kamera wireless ke Access Point yang dilengkapi antena omnidirectional untuk memperluas jangkauan cakupan sinyal ke peladen pusat berarsitektur Network Video Recorder (NVR) berbasis perangkat lunak Shinobi. Sistem diintegrasikan dengan kecerdasan buatan berbasis TensorFlow Object Detection untuk analisis visual dan deteksi objek otomatis, notifikasi email via SMTP, serta layanan IP Tunneling berbasis Zrok agar antarmuka pemantauan web localhost dapat diakses publik secara aman. Selain itu, diterapkan mekanisme Role-Based Access Control (RBAC) untuk memisahkan hak akses administratif pengurus dan akses view-only bagi warga. Hasil pengujian menunjukkan infrastruktur jaringan nirkabel beroperasi dengan sangat stabil, menghasilkan rata-rata latensi sebesar 94 ms dengan akses website dengan kecepatan 0.64s dengan koneksi lokal dan 4.97s untuk koneksi online, sehingga mampu mentransmisikan stream video dan playback secara lancar. Implementasi sistem CCTV ini terbukti efektif memberikan pengawasan visual 24/7, memulihkan rasa aman warga, serta siap menyediakan barang bukti rekaman digital yang valid apabila terjadi insiden keamanan.
#CCTV
#Keamanan
#NVR
#Object Detection
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
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
|
|
IMPLEMENTASI SISTEM PENGELOLAAN RELAAS MENGGUNAKAN OPTICAL CHARACTER RECOGNITION DENGAN EXTREME PROGRAMMING DI PENGADILAN NEGERI BEKASI
Penulis: Muhammad Arkaan Zain, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Pengelolaan surat relaas di Pengadilan Negeri Bekasi sebelumnya belum didukung oleh website khusus untuk pengiriman dan pengelolaan awal dokumen antara jurusita dan unit Perencanaan, Teknologi Informasi, dan Pelaporan (PTIP). Dokumen surat relaas dikirim dalam bentuk PDF hasil pemindaian sehingga petugas PTIP harus membuka dokumen dan mengetik ulang informasi penting ke dalam sistem, yang berpotensi menimbulkan kesalahan pencatatan data. Penelitian ini bertujuan untuk mengimplementasikan website pengelolaan surat relaas berbasis Optical Character Recognition (OCR) yang mampu mengekstraksi informasi penting dari dokumen secara otomatis sehingga proses pengelolaan data menjadi lebih terstruktur dan efektif. Metode pengembangan sistem yang digunakan adalah Extreme Programming (XP) yang meliputi tahapan Planning, Design, Coding, dan Testing. Website dibangun menggunakan CodeIgniter 3 dengan bahasa pemrograman PHP dan basis data MySQL. Proses OCR memanfaatkan Tesseract OCR sebagai mesin pengenalan karakter dan Ghostscript untuk mengonversi dokumen PDF menjadi citra sebelum dilakukan Preprocessing. Informasi yang diekstraksi meliputi nomor perkara, nama penggugat, nama tergugat, tanggal surat, dan kategori relaas. Hasil pengujian terhadap 5 sampel dokumen surat relaas yang dipilih dari 15 dokumen yang diproses pada hari pengujian menunjukkan bahwa sistem memperoleh Word Accuracy sebesar 81,11%, Precision sebesar 83,00%, Recall sebesar 95,00%, dan F1-Score sebesar 87,78%. Selain itu, hasil evaluasi pengguna menggunakan kuesioner skala Likert memperoleh nilai rata-rata 4,50 atau 90,00% yang termasuk dalam kategori Setuju, sehingga menunjukkan bahwa website yang diterapkan dapat diterima dengan baik oleh pengguna. Berdasarkan hasil tersebut, implementasi website berbasis OCR mampu membantu mengurangi kebutuhan penelusuran dokumen dan pengetikan ulang data dari dokumen PDF, sehingga proses pengelolaan surat relaas menjadi lebih terstruktur dan risiko kesalahan pencatatan data dapat diminimalkan.
#Extreme Programming
#Ghostscript
#Optical Character Recognition (OCR)
#Surat Relaas
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI AGENTIC AI PADA SISTEM LAYANAN INFORMASI PELANGGAN DI PT ABUYA BERKAH INDONESIA
Penulis: Ferrel Hermawan Putra, NADYA SAFITRI, S.T., M.Kom. |
2026
Dalam industri kuliner, kecepatan dan konsistensi penyampaian informasi kepada pelanggan merupakan faktor penting dalam menjaga kualitas layanan. PT Abuya Berkah Indonesia saat ini masih mengandalkan crew outlet yang juga merangkap menangani operasional harian untuk merespons pertanyaan pelanggan secara manual melalui WhatsApp, sehingga menyebabkan keterlambatan respons, ketidakkonsistenan informasi, serta meningkatnya beban kerja terutama ketika volume pertanyaan pelanggan meningkat di tengah kesibukan operasional outlet. Kondisi ini berpotensi menurunkan kepuasan pelanggan dan menghambat efisiensi operasional perusahaan. Untuk menjawab permasalahan tersebut, penelitian ini bertujuan merancang dan mengimplementasikan sistem layanan informasi pelanggan berbasis Agentic AI yang terintegrasi dengan platform WhatsApp. Metode pengembangan yang digunakan adalah metode Prototype, dengan pengumpulan data melalui observasi, wawancara, dan studi pustaka. Sistem dibangun menggunakan platform n8n sebagai automation engine, Large Language Model (LLM) sebagai komponen pemroses bahasa alami, Gateway API sebagai jembatan koneksi WhatsApp, Google Spreadsheet sebagai sumber data menu dan diskon, serta Supabase sebagai basis data penyimpanan log percakapan. Hasil penelitian menunjukkan bahwa sistem mampu memberikan respons otomatis secara akurat sesuai dengan jenis permintaan pelanggan, mencakup informasi menu, harga, lokasi outlet, promo, dan alur pemesanan, serta mampu melakukan eskalasi percakapan kepada admin apabila dibutuhkan. Pengujian fungsional menggunakan metode Black Box Testing terhadap delapan skenario layanan menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan fungsional yang telah ditetapkan. Uji coba pengguna menggunakan metode User Acceptance Testing (UAT) yang melibatkan 24 responden pelanggan memperoleh skor rata-rata keseluruhan sebesar 3,94 dari skala 5, yang berada pada kategori "Setuju", sehingga sistem dinilai telah memenuhi ekspektasi pengguna. Dengan demikian, sistem Agentic AI berbasis n8n dan WhatsApp ini terbukti efektif sebagai solusi otomasi layanan informasi pelanggan dan memiliki potensi untuk dikembangkan lebih lanjut di masa mendatang.
#Agentic AI
#Chatbot
#Customer Service
#Large Language Model
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|