Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Thesis ini mengemukakan sistem deteksi jarak obyek menggunakan Laser HeNe. Sistim pengukuran jarak ini menggunakan sinar LASER HeNe sebagai media penghantar informasi, sedangkan obyeknya menggunakan dua jenis material yaitu : obyek yang memantulkan sinar sempurna ( memiliki koefisien refleksi tinggi ) dan obyek yang memantulkan sinar tidak sempurna ( memiliki koefisien refleksi rendah ).
Sistim pengukur jarak ini dapat mendeteksi jarak sebuah obyek atau benda, pada jarak tertentu di alam terbuka maupun di dalam ruangan . Obyek yang digunakan pada penelitian ini adalah dua material yang dianggap mewakili semua benda yang ada, cermin pantul mewakili benda yang memantulkan cahaya sempurna dan layar pengamatan mewakili benda yang tidak memantulkan cahaya sempurna. Sistim pengukuran jarak ini dalam pengembangan lebih lanjut suatu alat khusus yang bernama THEODOLIT , alat yang biasa dapat melengkapi dipakai dalam pekerjaan bangunan (sipil), sehingga akan menghasilkan ketepatan dan ketelitian yang lebih baik.

Abstrak :
Keselamatan perkeretaapian merupakan keadaan selamat dalam penyelenggaraan perkeretaapian sehingga terhindar dari suatu kecelakaan yang menimbulkan kerugian baik secara material maupun korban jiwa. Menurut data statistik Komite Nasional Keselamatan Transportasi (KNKT) bahwa kecelakaan kereta api di Indonesia paling banyak disebabkan oleh faktor prasarana yaitu sebesar 69% dari total seluruh faktor penyebab utama kecelakaan. Dengan melihat faktor tersebut maka mitigasi dalam mengurangi kecelakaan dapat diprioritaskan pada faktor prasarana. Berdasarkan laporan investigasi KNKT nomor 19.03.01.02 tahun 2019 menyatakan bahwa kecelakaan jenis anjlokan yang terjadi memiliki faktor berkontribusi yaitu permasalahan pada prasarana jalan rel berupa iregularitas dalam bentuk skilu dinamis. Pendeteksian iregularitas terutama skilu di Indonesia dilakukan pada proses pemeliharaan jalan rel menggunakan kereta api khusus dengan waktu tertentu sehingga membutuhkan waktu yang cukup lama apabila harus menunggu siklus pemeliharaan jalan rel. Di sisi lain perkembangan teknologi digital kian pesat sehingga dapat memecahkan berbagai permasalahan terutama dalam membuat sistem yang mampu menjawab persoalan di lapangan. Sistem yang akan dibuat adalah suatu sistem pendeteksi dini apabila terjadi iregularitas jalan rel berupa skilu yang berpotensi mengakibatkan kecelakaan kereta api. Sistem akan memberikan notifikasi kepada pengguna ketika sistem mendeteksi adanya skilu dinamis melebihi ambang batas. Dari hasil pengujian pengukuran sistem yang telah dilakukan maka diperoleh bahwa endpoint 1 menunjukkan hasil perbedaan pengukuran sebesar 6.16% terhadap alat ukur existing. Endpoint 2 menunjukkan hasil perbedaan pengukuran sebesar 6.14% terhadap alat ukur existing. Untuk pengujian notifikasi peringatan dini menunjukkan bahwa sistem dapat berhasil menyampaikan 100% notifikasi peringatan dini dan tidak terdapat false alarm pada pengujian. Dari hasil analisis nilai keekonomian didapatkan bahwa sistem yang diimplementasikan memiliki nilai material 1,128% lebih mahal dari alat existing. ......Railway safety is a state of safety in the operation of the railway so as to avoid an accident that causes material and loss of life. According to statistical data from the National Transportation Safety Committee (KNKT) that train accidents in Indonesia are mostly caused by infrastructure factors, which are 69% of the total factors that cause accidents. By looking at these factors, mitigation in reducing accidents can be prioritized on the infrastructure factor. Based on the KNKT investigation report number 19.03.01.02 of 2019 stated that the type of slump accident that occurred had a contributing factor, namely problems with rail infrastructure in the form of irregularities in the form of dynamic skids. Detection of irregularities, especially skilu in Indonesia, is carried out in the process of maintaining rail roads using special trains with a certain time so that it takes a long time if you have to wait for the rail road maintenance cycle. On the other hand, the development of digital technology is increasingly rapid so that it can solve various problems, especially in creating systems that are able to answer problems in the field. The system that will be made is an early detection system in the event of an irregularity of the rail road in the form of skilu which has the potential to cause a train accident. The system will notify the user when the system detects that a dynamic skill exceeds the threshold. From the results of the system measurement test that has been carried out, it is obtained that endpoint 1 shows the results of the measurement difference of 6.16% against the existing measuring instrument. Endpoint 2 shows the results of the measurement difference of 6.14% against the existing measuring instrument. For early warning notification testing, it shows that the system can successfully deliver 100% early warning notifications and there are no false alarms in the test conducted. From the analysis of the economic value, it was found that the implemented system has a material value of 1.128% more expensive than existing measurement tools.

Abstrak :
ABSTRAK
Sistem pendeteksian wajah pada citra telah berkembang pesat sampai saat ini. Tujuan dari deteksi wajah adalah untuk mengindentifikasi dan menempatkan wajah manusia dengan pasisi. skala,oarientasi dan kondisi pencahayaan tertentu. Berbagai metode telah diajukan sampai saat ini. Salah satu pengembangan lebih lanjutnya adalah dengan menggunakan jaringan syaraf tiruan (neural network). Pada paper ini dibahas sistem deteksi wajah berdasarkan jaringan syaraf tiruan dengan metode training propagasi balik dengan momentum. Jaringan syaraf tiruan menguji setiap window dari citra, dan memmtukan apakah setiap window berisi wajah atau tidak. Setelah itu sistem menentukan window terbaik, yang akan disimpulkan sebagai wajah. Sistem inl dapat mendeteksi wajah frontal pada citra grayscale dengan latar belakang yang kompleks dan skala yang bervariasi. Agar dapat menguji citra masukan untuk ukuran wajah yang berbeda-beda, maka dilakukan metode piramida terhadap citra masukan.

Pada skripsi ini, ststem deteksi dengan jaringan syaraf tiruan diuji dengan perubahan pada parameter jumlah lapisan tersembunyi dan jumlah epoch yang dilakukan pada proses training. Sistem akan dianalisa kinerjanya berdasarkan lamanya waktu deteksi serta ketepatan hasil proses deteksi. Dari hasil pengujian didapatkan waktu deteksi sangat dipenganthi oleh ukuran citra, dan ketepatan proses deteksi sangat dipengaruhi oleh jumlah lapisan tersembunyi dan banyaknya epoch pada proses training, serta karakteristik dari citra masukan

---

Abstrak :
PENDAHULUAN
Sistim deteksi gas sangat diperlukan untuk bidang industri, seperti industri makanan, minuman dan industri kosmetika. Juga sistim deteksi gas sangat penting untuk memonitor masalah yang berkaitan dengan lingkungan hidup maupun bidang klinis (kedokteran). Seperti diketahui, faktor kualitas yang dominan pada minuman beralkohol adalah aromanya, dan kontrol kualitas dalam pembuatan minuman beralkohol diperlukan untuk dapat menjaga mutu produk yang dihasilkan. Hingga kini kontrol kualitas pembuatan minuman beralkohol dilakukan oleh manusia yang mempunyai keahlian sangat khusus. Akan tetapi manusia-pakar ini mempunyai keterbatasan yang berkaitan dengan masalah kesehatan dan perasaan sesaat (mood), sehingga dapat mempengaruhi kinerja proses kontrol kualitas tersebut. Untuk dapat menanggulangi kelemahan ini, maka sistim deteksi gas yang dapat secara otomatik melakukan kontrol kualitas hasil produk dengan kinerja yang konsisten menjadi kebutuhan yang sangat penting. Metoda pengenalan polo untuk dapat membuat klasifikasi odor, pertama kali dilakukan dengan menggunakan sensor semikonduktor. Akan tetapi karena sensor ini sangat sulit untuk dapat mendeteksi gas dengan konsentrasi yang sangat rendah, maka beberapa peneliti mencoba menggunakan resonator kwarsa sebagai sensornya, atau menggunakan piranti SAW (surface accoustic wave), dan piranti sel elektrokimia. Metoda yang lain, berkaitan dengan penggunaan Gas Chromatography (GC) atau Liquid Chromatography (LC), yaitu sistim analitik yang dapat melakukan pemisahan komponen aroma dengan sangat teliti. Akan tetapi, kedua metodologi analitik yang membutuhkan biaya operasi yang sangat mahal, juga memerlukan waktu pengoperasian yang sangat lama. Penelitian pendahuluan mengenai Pengembangan sistim penciuman elektronik ini telah dilakukan oleh Peneliti Utama di Laboratorium Kecerdasan Komputasional Fakultas Ilmu Komputer Universitas Indonesia. Penelitian pendahuluan ini mendapat pendanaan dari Dewan Riset Nasional melaiui Program RUT IV pada tahun 1996-1998. Di dalam penelitian pendahuluan ini suatu sistim deteksi gas dibuat dengan menggunakan resonator kwarsa yang dipadukan dengan teknik pemetaan (identifikasi) odor dengan metoda pengenalan pola Jaringan Syaraf Tiruan (JST). Jaringan ini akan berkelakuan seperti otak manusia dimana beberapa neuron secara rapi berhubungan satu sama lain, untuk dapat menghasilkan pengenalan pola yang efektif. Sistim penciuman elektronik ini dikembangkan dengan menggunakan 4 buah jenis sensor dan dalam aplikasinya, sistim penciuman elektronik ini telah digunakan untuk membuat klasifikasi beberapa jenis aroma dari produk wewangian Martha Tilaar Cosmetics dan beberapa jenis wewangian dari Splash Cologne Products. Hasil percobaan memperlihatkan bahwa penggunaan 4 buah sensor ini telah mampu membuat klasifikasi aroma Martha Tilaar dengan prosentase pengenalan hingga 100%. Akan tetapi untuk jenis wewangian Splash Cologne, hasilnya hanya berkisar antara 30-40% saja. Hal ini disebabkan karena aroma Splash cologne ternyata merupakan gabungan dari beberapa aroma dasar sehingga mempunyai tingkat kesulitan yang lebih tinggi. Untuk dapat meningkatkan kemampuan Sistim Penciuman Elektronik dalam menyelesaikan persoalan diatas, maka Peneliti Utama mengajukan dua pendekatan. Perdekatan pertama berkaitan dengan peningkatan jumlah sensor hingga mencapai 16 buah sensor secara paralel. Peningkatan jumlah sensor ini akan menyebabkan peningkatan kemampuan JST dalam mengenali pola-pola masukan yang akan diolah. Pendekatamn kedua berkaitan dengan peningkatan frequensi dasar sensor kuarsa yang dipergunakan. Dalam sistim yang lama, frequensi dasar sensor yang digunakan adalah 10 MHz, yang akan ditingkatkan menjadi 20 MHz dalam sistim yang akan dikembangkan. Peningkatan frequensi dasar ini pada akhirnya akan meningkatkan akurasi pengukuran untuk setiap sensor, sehingga diharapkan dapat meningkatkan kemampuan sistim. Perumusan Masalah
Permasalahan dalam proposal riset ini, dapat dibagi dalam tiga bagian besar yaitu pertama, berkaitan dengan pembuatan gas sensor yang mempunyai sensitifitas tinggi. Sistim sensor gas yang diperlukan dalam penelitian ini adalah sistim sensor yang dapat mengkonversikan besaran aroma dari suatu sampel odor menjadi suatu besaran fisika yang dapat diukur. Seperti telah dikemukakan diatas, maka dalam pengembangan sistim yang baru, kita akan menggunakan sensor kuarsa dengan frekuensi dasar 20 MHz, dibandingkan dengan sistim terdahulu yang menggunakan frekuensai dasar 10 MHz. Permasalahan yang kedua, berkaitan dengan perencanaan dan pembuatan rangkaian elektronik beserta rangkaian antar-muka nya agar dapat mengakuisisi besaran fisika yang terukur tersebut secara paralel dari 16 buah sensor (multi sensor) untuk kemudian disimpan dalam memori komputer. Permasalahan pertama dan kedua ini dapat dirangkum menjadi suatu perangkat keras. Peningkatan jumlah sensor yang akan dipergunakan dalam sistim baru, secara dramatis akan merubah sistim antarmuka antara sistim sensor dan sistim komputer. Dalam tahapan berikutnya dikembangkan suatu algoritma dan perangkat lunak yang berkaitan dengan JNB (Jaringan Neural Buatan) untuk dapat mengidentifikasikan dan memetakan gas tersebut, dalam waktu yang singkat dan mempunyai ketelitian yang tinggi. Beberapa jenis algoritma JNB dikembangkan dan diimplementasikan dalam sistim perangkat keras, untuk dapat mempelajari kelebihan dan kekurangan setiap karakteristik arsitektur jaringan, dan perencanaan penggunaannya dalam permasalahan yang berkaitan dengan karakteristik utama dari jaringan tersebut?.

Abstrak :
Dengan perkembangan teknologi informasi yang pesat saat ini, serangan siber terhadap jaringan semakin meningkat dan menyebabkan kerugian finansial yang signifikan. Oleh karena itu, sistem deteksi intrusi (IDS) berbasis anomali menggunakan pembelajaran mesin menjadi salah satu pendekatan untuk mendeteksi serangan siber. Tetapi, penggunaan algoritma tunggal dalam IDS memiliki kekurangan dalam mendeteksi jenis serangan yang memiliki kelas minoritas dalam dataset. Selain itu, penggunaan dataset yang tidak seimbang dan tidak mencerminkan kondisi saat ini juga mempengaruhi kinerja IDS. Untuk meningkatkan kinerja IDS, diusulkan metode hibrid dengan menggunakan Long Short Term Memory (LSTM) dan Random Forest (RF), dengan dataset terbaru CIC-CSE-IDS2018. Dalam pembentukan model hibrid, model lapisan satu menggunakan LSTM untuk klasifikasi biner, mengklasifikasikan aliran data sebagai data normal atau data serangan. Data normal diklasifikasikan kembali dengan model lapisan dua dan data serangan diklasifikasikan kembali dengan model lapisan tiga. Jika hasil model lapisan dua diklasifikasikan sebagai data normal, maka merupakan hasil akhir, dan jika diklasifikasikan sebagai data serangan maka diklasifikasikan kembali dengan model lapisan tiga secara multikelas menggunakan RF. Hasil klasifikasi multikelas lapisan tiga merupakan hasil akhir dari model hibrid ini. Berdasarkan pengujian dan analisis, model hibrid dengan evaluasi terbaik di peroleh menggunakan dataset dengan rasio 3 : 1. Model hibrid ini mencapai hasil klasifikasi multi kelas dengan accuracy 99,7618%, precision 99,1901%, recall 96,8809% dan f1-score 97,9508%. ......With today's rapid development of information technology, cyber attacks against networks are increasing and causing significant financial losses. Therefore, an anomaly-based intrusion detection system (IDS) using machine learning is one approach to detecting cyber attacks. However, the use of a single algorithm in IDS has drawbacks in detecting types of attacks that have a minority class in the dataset. In addition, the use of unbalanced datasets that do not reflect current conditions also affects IDS performance. To improve IDS performance, a hybrid method is proposed using Long Short Term Memory (LSTM) and Random Forest (RF), with the latest CIC-CSE-IDS2018 dataset. In the hybrid model, the layer one model uses LSTM for binary classification, classifying the data stream as normal data or attack data. Normal data is reclassified by layer two model and attack data is reclassified by layer three model. If the result of the second layer model is classified as normal data, then it is the final result, and if it is classified as attack data then it is reclassified with the third layer model in a multiclass manner using RF. The results of the three layer multiclass classification are the final results of this hybrid model. Based on testing and analysis, the hybrid model with the best evaluation was obtained using a dataset with a ratio of 3:1. This hybrid model achieved multiclass classification results with 99.7618% accuracy, 99.1901% precision, 96.8809% recall and f1-score 97.9508%.

Abstrak :

Ancaman keamanan cyber berupa aktivitas Botnet merupakan salah satu ancaman berbahaya yang dihadapi oleh komunitas internet. Para peneliti telah mengusulkan sistem deteksi intrusi (IDS) yang bekerja dengan menggunakan algoritma machine learning sebagai solusi alternatif dari IDS yang menggunakan metode signature dan metode anomali untuk mendeteksi aktivitas Botnet.

Permasalahan yang dihadapi adalah sulitnya membedakan antara trafik normal dengan trafik Botnet. Perlu adanya pemilihan fitur dari data set jaringan sehingga trafik Botnet dapat dideteksi dengan akurat. Dalam penelitian ini diusulkan metode baru yang meningkatkan kinerja IDS dalam mendeteksi Botnet. Metode yang diusulkan adalah dengan menggabungkan dua metode statistik yaitu low variance filter yang dikombinasikan dengan Pearson Correlation Filter yang selanjutnya disebut dengan  Hybrid Pearson Correlation Filter (HPCF) untuk diterapkan dalam tahap  pemilihan fitur. Pemilihan fitur dengan metode yang diajukan yaitu HPCF (Hybrid Pearson Correlation Filter) terbukti dapat meningkatkan efektifitas dan efisiensi dari IDS. Efektivitas diukur dengan menggunakan metrik performasi. Dari hasil eksperimen offline maupun reatime detection, DT lebih unggul dari tujuh model ML lainnya. Model DT-15 merupakan kombinasi terbaik dengan performasi diatas 95% untuk offline detection, 99% untuk Real-time detection.

Pemilihan fitur juga berpengaruh terhadap efisiensi yang diukur dari waktu komputasi pembelajaran mode dan waktu komputasi deteksi di jaringan sebenarnya. Model DT-15 merupakan kombinasi terbaik dengan rata-rata waktu 6,3 detik untuk pembelajaran model (offline detection) and 350 detik untuk waktu deteksi di jaringan sebenarnya (Real-time detection).

Tantangan untuk membuat arsitektur IDS yang dapat beradaptasi dengan  tekonologi komputasi awan juga menjadi topik dalam penelitian ini. Perubahan dinamis dalam arsitektur komputasi awan membutuhkan kemudahan dan fleksibilitas didistribusikan dan dikonfigurasi, dan sarana transportasi data yang paling andal ke defense center. Selain itu teknologi komputasi awan secara signifikan meningkatkan volume, kecepatan, dan variasi data yang harus diproses di pusat pertahanan. Ini berarti bahwa defense center membutuhkan teknologi big data. Snort adalah sistem deteksi dan pencegahan intrusi jaringan berbasis signature yang populer dan berpengaruh di komunitas Internet. Kekurangan dari Snort adalah keterbatasannya dalam menempatkan sensor dengan defense center yang harus terhubung dalam satau sama lain dalam satu jaringan. Hal ini bertolak belangkang dengan kebutuhan dari teknologi komputasi awan. Pada penelitian ini digunakan referensi arsitektur lambda. Dalam pengembangannya arsitektur terbagi menjadi tiga bagian: data source, data collecting dan data serving. Untuk data source dikembangkan aplikasi docker yang didalamnya terdapat aplikasi Snort IDS. Sedangkan untuk collecting data ddigunakan protokol MQTT sebagai saluran pengirimannya. MQTT lebih unggul dalam kemampuan pengirimanya dengan message rate 12 kali lebih besar dan latensi 62 kali lebih rendah dibandingkan dengan protokol Kafka Pub/Sub. Secara keseluruhan penelitian menghasilkan arsitektur baru big data penerapan sistem deteksi intrusi jaringan berbasis Snort di lingkungan komputasi awan.  Aplikasi NIDS Snort yang dibangun dengan merujuk dari arsitektur yang telah dibangun dapat diakses di https://github.com/Mata-Elang-Stable/MataElang-Platform/wiki. ......

Cyber security threats in the form of botnet activities are one of the dangerous threats faced by the internet community. Researchers have proposed an intrusion detection system (IDS) that works using machine learning algorithms as an alternative solution to IDS that uses signature and anomaly methods to detect botnet activity.

The problem faced is the difficulty of distinguishing between normal traffic and Botnet traffic. There needs to be a selection feature from the network data set to detect Botnet traffic accurately. This study proposes a new method to improve IDS performance in detecting botnets. The proposed method combines two statistical methods, namely the low variance filter and the Pearson Correlation Filter, referred to as the Hybrid Pearson Correlation Filter (HPCF), to be applied in the feature selection stage. Feature selection with the proposed method, namely HPCF (Hybrid Pearson Correlation Filter), is proven to increase the effectiveness and efficiency of IDS. Effectiveness is measured using performance metrics. From the results of offline and real-time detection experiments, DT is superior to the other seven ML models. The DT-15 model is the best combination, with over 95% performance for offline detection and 99% for real-time detection.

The selection of features also affects the efficiency measured by the computational time of mode learning and the computational time of detection in the real network. The DT-15 model is the best combination, with an average time of 6.3 seconds for the learning model (offline detection) and 350 seconds for detecting in the real network (real-time detection).

Developing an IDS architecture that can adapt to cloud computing technology is also a topic in this research. Dynamic changes in cloud architecture require the flexibility of configuring and the most reliable means of data transportation for the defense center. In addition, cloud computing significantly increases the volume, speed, and variety of data that must be centralized in the defense center. So this means that the defense center needs big data technology. Snort is a signature-based network intrusion detection and prevention system that is popular and influential in the Internet community. The drawback of Snort is its limitation in placing sensors with central defenses that must be connected to a single network, which is contrary to the needs of cloud computing technology.

In this study,  we refer to lambda architecture, which consists of three parts: data source, data collecting and serving. A docker application for the data source is developed, including the Snort IDS application. Meanwhile, the MQTT protocol is used as the delivery channel for collecting data. MQTT is superior in its delivery capabilities, with a message rate of 12 times more significant and latency 62 times lower than the Kafka Pub/Sub protocol. Overall, the research resulted in a new big data architecture for implementing a Snort-based network intrusion detection system in a cloud computing environment. Our proposed design and implementation can be accessed at https://github.com/Mata-Elang-Stable/MataElang-Platform/wiki.

Abstrak :
Teknologi informasi menjadi kebutuhan yang tidak dapat dipisahkan dalam kehidupan masyarakat zaman sekarang. Pengguna peralatan mobile menghendaki koneksi yang simultan dimanapun dan kapanpun dan teknologi wireless menjawab tantangan kebutuhan tersebut. Selain memiliki banyak keunggulan, satu kekurangan dari teknologi wireless adalah celah keamanan pada infrastuktur jaringan. Rogue access point merupakan tindakan pencurian informasi User oleh attacker dimana attacker membuat fake access point, yang bisa dimanfaatkan oleh User untuk terkoneksi ke jaringan. Pada penelitian ini telah dibuat suatu aplikasi deteksi dan automated response rogue access point yang berbasis web dan diimplementasikan pada jaringan wireless. Parameter yang digunkan untuk deteksi adalah rata-rata RTT dari setiap User ke gateway jaringan wireless. Dari aplikasi dan sistem testbed yang dibangun dilakukan pengujian akurasi deteksi terhadap perubahan jumlah User, beban jaringan dan jumlah rogue access point. Hasil dari uji coba menunjukkan bahwa jumlah User, beban jaringan dan jumlah rogue access point sangat mempengaruhi performa deteksi dan autoamated response terhadap keberadaan rogue access point dengan mode repeater. ......Todays the necessary of information technology can?t be separated from human lives. Users of mobile device require a simultaneous connection in everywhere and everytime and wireless technologies meet the challenges that needs. Besides having many advantages, a drawback of wireless technology is a security hole in it?s network infrastructure. Rogue access point is an act of theft of User information by the attacker in which the attacker made a fake access point, that can be exploited by User to connect to the network. In this research has been made and implemented an application detection and automated response rogue access point based on web and implemented on the wireless network. Average RTT of each User to the wireless gateway is the parameter used for the detection system. From the applications and systems testbed that have been built, researcher tested the accuracy of detection toward the changes of number of Users, network load and number of rogue access points. The results of this experiments showed that the number of Users, network loads and number of rogue access point greatly affect the performance of detection and autoamated response to the presence of rogue access point with repeater mode.