UNIDHAUNIDHA
Jurnal Sistem Informasi Dan InformatikaJurnal Sistem Informasi Dan InformatikaKeamanan siber menjadi isu krusial dalam sistem informasi akademik yang menyimpan data sensitif seperti nilai, identitas mahasiswa, dan dokumen administrasi. Serangan seperti SQL injection, brute force login, hingga akses ilegal dapat menyebabkan kerugian besar dan gangguan operasional. Penelitian ini bertujuan mengembangkan sistem deteksi serangan siber menggunakan algoritma machine learning yang mampu mengenali aktivitas tidak normal (anomali) dalam sistem. Algoritma yang digunakan adalah Decision Tree dan Random Forest karena kemampuannya dalam klasifikasi dan interpretasi hasil. Penelitian dilakukan dengan mengumpulkan data log aktivitas pengguna, membersihkannya, melabeli data, kemudian melatih model ML. Hasil evaluasi menunjukkan bahwa Random Forest lebih unggul dengan akurasi 92% dalam mendeteksi serangan dibandingkan Decision Tree yang mencapai 87%. Penerapan sistem ini mampu membantu pihak IT kampus melakukan pencegahan dan respons lebih cepat terhadap ancaman siber.
Penelitian ini berhasil membangun model deteksi serangan siber berbasis machine learning yang diterapkan pada sistem informasi akademik.Algoritma Random Forest terbukti lebih efektif dibandingkan Decision Tree dalam hal akurasi dan kemampuan deteksi, dengan nilai akurasi mencapai 92%.Model mampu mengenali aktivitas mencurigakan dalam log sistem, terutama pada pola login, perubahan data, dan akses database.Implementasi sistem deteksi dini berbasis ML ini dapat membantu tim IT kampus merespons serangan secara cepat dan mencegah kerusakan data lebih lanjut.
Penelitian lanjutan dapat difokuskan pada pengembangan sistem deteksi serangan siber yang lebih adaptif dengan memanfaatkan dataset real-time dan memperluas cakupan jenis serangan yang dapat dideteksi, seperti phishing, DDoS, atau ransomware. Selain itu, eksplorasi metode deep learning seperti LSTM atau Autoencoder berpotensi meningkatkan akurasi deteksi pada data log yang bersifat sekuensial. Untuk memaksimalkan efektivitas, sistem deteksi ini perlu diintegrasikan langsung ke dalam sistem informasi akademik, sehingga notifikasi otomatis dapat diberikan saat anomali terdeteksi, memungkinkan respons yang lebih cepat dan terarah. Terakhir, penting untuk melakukan pengujian sistem pada berbagai lingkungan sistem akademik guna memastikan generalisasi model dan kemampuannya beroperasi secara efektif dalam berbagai skenario.
| File size | 365.71 KB |
| Pages | 5 |
| DMCA | Report |
Related /
UMIUMI segar, kurang segar, dan busuk, dengan akurasi total 90% dari 30 pengujian. Performa sistem sangat baik pada kategori segar dan busuk, namun masih terdapatsegar, kurang segar, dan busuk, dengan akurasi total 90% dari 30 pengujian. Performa sistem sangat baik pada kategori segar dan busuk, namun masih terdapat
USMUSM Selain itu, aspek etika dan hukum juga merupakan pertimbangan penting. Secara keseluruhan, tinjauan ini memberikan gambaran komprehensif tentang perkembanganSelain itu, aspek etika dan hukum juga merupakan pertimbangan penting. Secara keseluruhan, tinjauan ini memberikan gambaran komprehensif tentang perkembangan
USMUSM Hasil evaluasi dengan rasio data training dan testing 80.20 mencapai akurasi 76%, presisi 72%, dan recall 76%. Hasil ini lebih tinggi dibandingkan penelitianHasil evaluasi dengan rasio data training dan testing 80.20 mencapai akurasi 76%, presisi 72%, dan recall 76%. Hasil ini lebih tinggi dibandingkan penelitian
USMUSM 1 ms. Sistem ini berkontribusi dalam menyediakan solusi pemantauan penyakit yang layak untuk aplikasi real-time, di mana integrasi K-Means terbukti efektif1 ms. Sistem ini berkontribusi dalam menyediakan solusi pemantauan penyakit yang layak untuk aplikasi real-time, di mana integrasi K-Means terbukti efektif
UMPPUMPP Rekomendasi pengembangan selanjutnya mencakup uji lapangan jangka panjang, perbaikan desain sistem, serta pelatihan teknis bagi operator lapangan. DenganRekomendasi pengembangan selanjutnya mencakup uji lapangan jangka panjang, perbaikan desain sistem, serta pelatihan teknis bagi operator lapangan. Dengan
UNAMAUNAMA Model Random Forest mencapai akurasi 92,20% dengan F1-Macro Score 0,9396 dan ROC-AUC 0,9955, sedangkan KNN memiliki akurasi 92,51% dengan F1-Macro ScoreModel Random Forest mencapai akurasi 92,20% dengan F1-Macro Score 0,9396 dan ROC-AUC 0,9955, sedangkan KNN memiliki akurasi 92,51% dengan F1-Macro Score
SUBSETSUBSET Penelitian ini mengevaluasi keberhasilan implementasi SIMRS sekaligus mengidentifikasi determinannya menggunakan model Human-Organization-Technology FitPenelitian ini mengevaluasi keberhasilan implementasi SIMRS sekaligus mengidentifikasi determinannya menggunakan model Human-Organization-Technology Fit
IAESCOREIAESCORE Tujuh metode yang digunakan dalam penelitian ini didasarkan pada turunan, filter digital (DF), jaringan saraf tiruan (NN), dan transformasi wavelet (WT).Tujuh metode yang digunakan dalam penelitian ini didasarkan pada turunan, filter digital (DF), jaringan saraf tiruan (NN), dan transformasi wavelet (WT).
Useful /
UMSUMS Studi ini merekomendasikan pengembangan pedoman yang lebih jelas, peningkatan pelatihan bagi penegak hukum dan pejabat yudisial, serta peningkatan kesadaranStudi ini merekomendasikan pengembangan pedoman yang lebih jelas, peningkatan pelatihan bagi penegak hukum dan pejabat yudisial, serta peningkatan kesadaran
USMUSM Dibandingkan dengan model klasifikasi nanas tanpa PCA dan GridSearchCV, metode yang diusulkan mampu mengurangi kompleksitas fitur dan menekan overfitting,Dibandingkan dengan model klasifikasi nanas tanpa PCA dan GridSearchCV, metode yang diusulkan mampu mengurangi kompleksitas fitur dan menekan overfitting,
IAINFMPAPUAIAINFMPAPUA Islam tidak menolak pemanfaatan AI, namun menuntut landasan etik yang kokoh berdasarkan nilai-nilai seperti niat, kejujuran, dan tanggung jawab. PenggunaanIslam tidak menolak pemanfaatan AI, namun menuntut landasan etik yang kokoh berdasarkan nilai-nilai seperti niat, kejujuran, dan tanggung jawab. Penggunaan
SUBSETSUBSET Penyakit diabetes merupakan salah satu penyakit kronis yang jumlah penderitanya terus meningkat setiap tahun termasuk di Indonesia. Deteksi dini dan klasifikasiPenyakit diabetes merupakan salah satu penyakit kronis yang jumlah penderitanya terus meningkat setiap tahun termasuk di Indonesia. Deteksi dini dan klasifikasi