Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas tentang pengujian kapabilitas mesin deteksi dari IDS yang dikembangkan oleh ID-SIRTII, yaitu Mata Garuda dengan menggunakan framework Pytbull dan hasilnya akan dibandingkan dengan IDS lain yang sudah banyak didistribusikan di masyarakat dan bersifat open source, yaitu Snort dan Suricata. Pada skripsi ini akan dijelaskan mengenai konsep dasar dari IDS, berbagai macam bentuk serangan yang dapat menyerang jaringan, pengujian serangan pada Mata Garuda, Snort, dan Suricata, serta analisis hasil pengujian pada ketiga IDS tersebut. Hasil pengujian menggunakan Pytbull yang dilakukan memberikan hasil bahwa akurasi deteksi Mata Garuda dan Snort secara keseluruhan (86.95%) lebih baik dibandingkan dengan Suricata (78.26%), namun dalam perbandingan ketepatan pendeteksian Suricata masih lebih unggul (73.91%) dibandingkan dengan Mata Garuda dan Snort (63.04%). Sedangkan dalam penggunaan resource CPU dan memori, Suricata lebih unggul dalam lingkungan multi core (40.67% pada core1 dan 5.39% pada core2, memori 919,917 bytes) daripada Mata Garuda (52.81% pada core1 dan 0.68% pada core2, memori 1,192,627 bytes) dan Snort (52.84% pada core1 dan 0.62% pada core2, memori 1,166,965 bytes).

---

This research is concerned about the capability of detection engine from the IDS that developed by ID-SIRTII, called Mata Garuda using Pytbull framework and compared the result with the other well-known open source IDS, Snort and Suricata. This research will explain about the basic concept of IDS, some example of network attacks, penetration test to Mata Garuda, Snort, and Suricata, as well as the analysis about the result of the test from the three IDS.

The result of the test using Pytbull shows that the detection accuracy of Mata Garuda and Snort overall (86.95%) is better than Suricata (78.26%), but in the comparison of full detection ratio, Suricata (73.91%) is better than Mata Garuda and Snort (63.04%). In the comparison of CPU and memory usage, Suricata is better in multi core environment (40.67% on core1 and 5.39% on core2, memory 919,917 bytes) than Mata Garuda (52.81% on core1 and 0.68% on core2, memory 1,192,627 bytes) and Snort (52.84% on core1 and 0.62% on core2, memory 1,166,965 bytes)."

"Beberapa teknologi dikembangkan untuk mendukung utilisasi server yang lebih optimal, salah satu di antaranya adalah virtualisasi. Akan tetapi seiring dengan perkembangannya tersebut tentu menyisakan pertanyaan tentang seberapa besar tingkat keamanan dari virtualisasi. Ada beberapa teknik virtualisasi yang telah dikembangkan, diantaranya adalah Paravirtualization Hardware Virtual Machine (PVHVM) yang dikembangkan oleh Xen. Xen PVHVM menggabungkan masing- masing keunggulan dari Paravirtualization (PV) dan Hardware Virtual Machine (HVM). Skripsi ini membahas mengenai analisis keamanan teknik virtualisasi, khususnya mesin virtual pada Xen PVHVM jika dibandingkan dengan PV maupun HVM. Teknik virtualisasi PV akan diimplementasikan dengan menggunakan Xen dan teknik virtualisasi HVM diimplementasikan dengan Oracle VirtualBox. Kemudian sebagai tambahan, ketiga teknik virtualisasi tersebut juga dibandingkan dengan kondisi tanpa virtualisasi. Sistem pengujian dilakukan pada dua buah PC yang berfungsi sebagai host dan penyerang. Penyerangan dilakukan dengan DoS attack TCP SYN flood. Selanjutnya pengukuran kinerja dilakukan berdasarkan empat parameter benchmark yaitu CPU, memory, file I/O, dan bandwidth pada kondisi tanpa dan dengan penyerangan. Secara keseluruhan hasil penelitian menunjukkan bahwa ketahanan environment virtual pada saat terjadi serangan DoS tidak lebih baik daripada kondisi tanpa virtualisasi. Selain itu hasil benchmark kinerja Xen PVHVM menunjukkan tingkat degradasi yang lebih tinggi jika dibandingkan dengan PV, yaitu dengan rata-rata sebesar 24.43%. Namun keamanan Xen PVHVM terhadap DoS attack ini lebih unggul daripada HVM.

---

Various technologies have been developed to provide more optimize server utilization. One kind of them is virtualization. Meanwhile those developments appearently make some questions about how much the security level of virtualization. There are kind of virtualization techniques, such as Paravirtualization Hardware Virtual Machine (PVHVM) which developed by Xen. Xen developed PVHVM with combination of each advantage of Paravirtualization (PV) and Hardware Virtual Machine (HVM). This thesis explains the virtualization techniques security analysis, specifically the virtual machine on Xen PVHVM comparing with PV and HVM. Xen will be chosen to implement PV and Oracle VirtualBox will be chosen to implement HVM. Also for addition, those three techniques will be compared with unvirtualized system. This experiment implements two PCs as host and attacker. The attacker uses DoS attack TCP SYN flood. Then the performance test conducted based on four benchmark parameters, these are CPU, memory, file I/O, and bandwidth with and without attack condition. This experiment shows that the virtual environment doesn‟t provide better performance than unvirtualized system when it‟s attacked by DoS. Moreover, a Xen PVHVM benchmark result shows more degradation compared with PV by 24.43%. But fortunately it shows better result than HVM."

"Skripsi ini bertujuan untuk mengetahui pengaruh dari kepadatan traffic wireless terhadap performa Kismet WIDS dalam mendeteksi spoofed Access Point (AP) dengan parameter kepadatan traffic di channel yang sama dan berbeda yang dihasilkan dari jumlah spoofed AP dan serangan beacon flood serta performa Kismet WIDS dengan GPS untuk mendeteksi posisi spoofed AP dengan metode warwalking. Berdasarkan hasil pengujian dan analisis, kepadatan traffic wireless di channel wifi yang sama mempengaruhi performa Kismet WIDS dalam mendeteksi spoofed AP. Sedangkan kepadatan traffic wireless di channel wifi yang berbeda tidak mempengaruhi performa Kismet WIDS dalam mendeteksi spoofed AP. Kismet dan GPS tidak dapat mendeteksi letak spoofed AP. Kismet hanya mendeteksi posisi dari sinyal pertama yang terdeteksi dan menggunakan SSID pertama yang terlihat untuk mac address tersebut. Perubahan data pada kepadatan traffic di channel yang sama dari jumlah spoofed AP dan beacon flood, jumlah alert -30,17% dan -36,72%, persentase false negative -7,93% dan -7,46%, response time 42,17% dan 53,09%. Perubahan data pada kepadatan traffic di channel yang berbeda dari jumlah spoofed AP dan beacon flood, jumlah alert - 1,38% dan -7,14%, persentase false negative 12,42% dan 9,62%, response time - 41,56% dan 40,14%.

---

This thesis aims to determine the effect of wireless traffic density on the performance of Kismet WIDS to detect spoofed Access Point (AP) with traffic density parameters on the same and different channel produced from the number spoofed AP and the beacon flood attack as well as the performance of Kismet WIDS with GPS to detect spoofed AP position with warwalking method. Based on the results of testing and analysis, wireless traffic density on the same wifi channel affects the performance of Kismet WIDS to detect spoofed AP. While the density of wireless traffic on different wifi channels does not affect the performance of Kismet WIDS to detect spoofed AP. Kismet and a GPS can not detect the location of the spoofed AP. Kismet only detect the position of the detected first signal and using the first SSID visible for that the mac address. Data changes on traffic density in the same channel from the number of spoofed AP and beacon flood attack, the number of alerts -30.17% and -36.72%, the percentage of false negative -7.93% and -7.46%, response time 42.17% and 53.09%. Data changes on traffic density in different channel from the number of spoofed AP and beacon flood attack, the number of alerts -1.38% and -7.14%, the percentage of false negative 12.42% and 9.62%, response time -41.56% and 40.14%."

"Skripsi ini membahas mengenai serangan Man in the Middle yang dikombinasikan dengan SSLstrip. Tipe serangan ini adalah jenis serangan yang hanya bisa dilakukan dalam satu jaringan dengan korbannya. Serangan ini secara umum bertujuan untuk mengambil data-data penting dari korbannya, seperti username, password, dan data-data penting lainnya yang bersifat rahasia. Metode serangan ini tentu sangat berbahanya mengingat data-data yang diambil sifatnya sangatlah penting. Analisis serangan MitM dan SSLstrip dilakukan untuk mengetahui tingkat bahaya dari serangan ini. Variasi-variasi skenario dilakukan untuk mengetahui secara detail teknik serangan ini. Dari hasil penelitian ini didapatkan bahwa untuk melakukan serangan ini tidak dibutuhkan spesifikasi komputer yang tinggi. Hanya dibutuhkan waktu kurang dari 0.2 detik dampak sudah bisa dirasakan oleh target. Akibat dari serangan ini adalah meningkatnya waktu yang dibutuhkan untuk mengakses halaman web. Terjadi peningkatan waktu hingga sebesar 381,7 % ketika penyerangan terjadi.

---

This final project discussing about Man in the Middle attack combined with SSLstrip. The type of the attack only can be done in the same network with the victim. Generally this attack is intended to steal any important data from the victim, like username, password and the other important datas. The kind of the attack is absolutely dangerous because the purpose its self is for stealing the privacy of the victim. Analysis MitM attack and SSLStrip conducted to determine the danger level of these attacks. Variations scenarios conducted to determine the details of this attack technique. From the results of this study found that this attack is not high specification computer needed. It took less than 0.2 second impact could be felt by the target. The result of this attack is the increased time needed to access web pages. An increase of time up to 381.7% when the attack occurred."

"ABSTRAKSkripsi ini bertujuan untuk mendukung pemeliharaan aset budaya bangsa, terkhusus dalam hal sistem penulisan atau aksara kuno. Implementasinya akan membahas aspek teknologi yaitu pengolahan citra. Pada penelitian kali ini objek yang dikhususkan adalah aksara kuno dari suku Batak. Implementasi dari ide ini akan berbentuk program yang dapat mendeteksi karakter-karakter pada citra dari sebuah dokumen aksara Batak yang bebas dari noise. Program akan memproses citra dari tahapan segmentasi, preprocessing, ekstraksi fitur hingga tahapan klasifikasi. Secara khusus pada ekstraksi fitur dan juga klasifikasi akan ada dua metode yang digunakan yaitu Geometric Moment Invariant dan juga K-Nearest Neighbor. Hasil dari uji coba terdiri dari dua yaitu akurasi atau ketepatan pembacaan, dan juga waktu pemrosesan. Jangkauan hasil pada akurasi berada pada 42% - 96% sementara waktu pemrosesan berada pada 1.9 – 34 detik.

---

ABSTRACTThis undergraduate thesis is intended to support the preservation of national cultural asset, especially for the ancient characters. The implentation uses technological approach in image processing field. The researched object for this thesis is Batak ancient character. The implementation of the idea will result an application program that will detect the characters in a sample image of a Batak’s document which is still free from any noise. The application program will process the image through several phases. The phases are segmentation, preprocessing, feature extraction, and classification. There is a special method used in each feature extraction and classification. Feature extraction uses Geometric Moment Invariant whereas classification phases uses K-Nearest Neighbour. There will be two results for this test, the first is accuration of the detection and second is the procesing time. The range for the accuration is 42% - 96% and the processing time ranged from 1.9 – 34 seconds."

"ABSTRAKSkripsi ini membahas pengenalan struktur kalimat pada sistem penilaian esai otomatis Simple-O. Pengenalan struktur kalimat meliputi subjek, predikat, dan objek serta jenis kalimat aktif atau pasif. Proses pengenalan struktur kalimat dilakukan dengan cara mencari kata predikat dari kalimat input. Pencarian kata predikat dilakukan dengan cara memeriksa kata yang mengandung awalan huruf me-, di-, ber-, dan ter-. Setelah didapatkan kata predikat maka dapat ditentukan jenis kalimat dan kalimat dapat dibagi menjadi tiga bagian. Sehingga dapat ditentukan subjek dan objek kalimat sesuai dengan predikat yang terdeteksi. Hasil pengujian menunjukan bahwa pendeteksian kalimat tunggal dengan keterangan subjek dan/atau objek sebesar 63,33%, sedangkan tanpa keterangan subjek dan/atau objek sebesar 90%. Jumlah kata pada kalimat juga mempengaruhi persentase pengenalan kalimat dan waktu proses pengenalan, dimana waktu proses akan semakin lama seiring dengan bertambahnya jumlah kata yang terkandung pada kalimat.

---

ABSTRACTThis thesis discusses the recognition of sentence structure in automated essay scoring system Simple-O. Recognition of sentence structure covering the subject, predicate, and object as well as the type of active or passive sentences. Sentence structure recognition process is done by searching for the predicate words of the input sentence. Predicate word searches done by checking words that contain the letter prefix me-, di-, ber-, and ter-. After obtained the predicate word, it can be determined the type of sentence and the sentence can be divided into three parts. So the subject and object sentence can be determined according to detected predicate. The test results showed that the detection of a single sentence with a description of the subject and/or object is 63,33%, while without a description of the subject and/or object is 90%. Number of words in the sentence also affects the percentage of sentence recognition and time process of recognition, in which the processing time will be longer as the number of words contained in the sentence increase."

"ABSTRAKSistem Monitoring Gelombang Otak adalah salah satu sistem untuk memantau kondisi otak seseorang dengan memanfaatkan metode Neuro Imaging, yaitu EEG.Sistem ini memantau tingkat kesadaran pada manusia berdasarkan gelombang otaknya, seperti pada saat tertidur orang akan cenderung menghasilkan lebih banyak gelombang Delta. Sistem Monitoring Gelombang Otak mampu mengukur perubahan tingkat kesadaran berdasarkan gelombang otak yang diperoleh, yaitu pada saat tidur dihasilkan lebih banyak gelombang delta (19-20 gelombang delta) jika dibandingkan pada saat sadar (13 gelombang delta) dalam waktu 3 menit . Sistem monitoring ini diharapkan mampu untuk memantau kondisi kesadaran pada orang yang mengalami koma berdasarkan gelombang otak delta yang direkam.

---

ABSTRACTBrain Wave Monitoring System is a system for monitoring the condition of a person's brain by utilizing the method of Neuro Imaging, which is EEG.Sistem monitor the level of consciousness in humans by brain waves, such as when asleep people will tend to result in more waves of Delta. Brain Wave Monitoring System is capable of measuring changes in the level of consciousness by brain waves are obtained, which at the time generated more sleep delta waves (delta waves 19-20) when compared at the time aware (13 delta waves) within 3 minutes. The monitoring system is expected to be able to monitor the state of consciousness in people who fell into a coma by delta brain waves are recorded."

"Di Universitas Indonesia, tengah dikembangkan sebuah sistem penilaian esai secara otomatis berbasis web yang bernama SIMPLE-O. Sistem ini masih memilik beberapa kekurangan, yang salah satunya adalah ketidakmampuan sistem untuk mendeteksi kalimat negasi. Skripsi ini merancang dan kemudian menguji modul tambahan yang dapat mendeteksi kalimat negasi pada sistem SIMPLE-O. Modul tambahan tersebut mendeteksi kata negasi (“tidak” dan “bukan”) kemudian menggabungkannya dengan kata yang akan dinegasikan dengan kata hubung (-). Bila kata kunci atau kata bobot yang dinegasikan, maka nilai user tidak akan bertambah. Program-program yang diujikan adalah program SIMPLE-O yang asli, program yang dapat mendeteksi negasi dengan input yang dipecah per 10 kata (Program Deteksi Negasi 1), dan program yang dapat mendeteksi negasi dengan input yang dipecah per kalimat (Program Deteksi Negasi 2). Nilai hasil proses program-program tersebut dibandingkan dengan nilai dari human rater. Dari analisis yang dilakukan didapatkan kesimpulan bahwa program deteksi negasi dapat diimplementasikan ke dalam sistem SIMPLE-O. Selain itu, program negasi yang paling baik untuk diimplementasikan adalah Program Deteksi Negasi 2.

---

In Universitas Indonesia, a web based automatic essay grading system named SIMPLE-O is currently being developed. This system still has some deficiencies, one of them is system’s inability to detect negation sentences. This essay devises and then tests additional module that can detect negation sentences in SIMPLE-O system. This additional module detects negation words (“tidak” and “bukan”), then combines them with words that will be negated with dash (-). If it’s keywords or weighted words that are negated, user’s score will not increase. The programs that are tested are real SIMPLE-O program, program that can detect negation with input being separated by 10 words (Negation Detection Program 1), and program that can detect negation with input being separated by a sentence (Negation Detection Program 2). Those scores of programs’ process result is compared with human rater scores. From the analysis that has been done, it can be concluded that negation detection program can be implemented into SIMPLE-O’s system. Beside that, the best negation program that can be implemented into SIMPLE-O’s system is Negation Detection Program 2."

"Electronic learning (e-learning) merupakan cara pengajaran baru dalam dunia pendidikan dengan memanfaatkan teknologi informasi. Salah satu contoh e-learning yaitu penggunaan internet sebagai sarana pengujian kemampuan pelajar dan mahasiswa berupa ujian dengan metode pilihan ganda dan esai. Agar ujian esai dinilai secara otomatis, di Indonesia, sedang dikembangkan sistem penilaian esai otomatis dalam bahasa Indonesia dengan menggunakan sistem LSA (Latent Semantic Analysis). Pada tulisan ini akan dipaparkan mengenai salah satu fitur sistem penilaian esai otomatis yaitu dalam pendeteksian kata frase pada kalimat yang terdapat pada esai. Terdapat empat jenis frase yang akan diidentifikasi. Keempat jenis frase yang dapat diidentifikasi yaitu frase direktif, frase nondirektif, frase ajektival, dan frase nominal. Selain itu, akan menunjukkan perbedaan nilai dan waktu dari esai tanpa pengidentifikasian frase dan dengan pengidentifikasian frase. Keakurasian pendeteksian frase dalam pengujian sebesar 90 %.

---

Electronic learning (e-learning) is a new teaching method in educational that using IT. One of the e-learning models is using internet as student capability’s research tool that is exam with multiple choice and essay choices. For automatic grading purpose, in Indonesia, is developing automatic essay grader system using LSA (Latent Semantic Analysis) system. This paper will explain about one of automatic essay grader system features which is phrase detection in a sentences on essay. There are four kinds of phrase, they are directive phrase, nondirective phrase, adjective phrase, and nominal phrase.Other than that, this paper will show the score and time differences from essay with phrase identification or without phrase identification. The accuration of this phrase identification on testing is about 90%."

"Komputasi terdistribusi merupakan salah satu kemajuan teknologi dalam mengolah data. Penggunaan komputasi terdistribusi memudahkan user untuk mengolah data menggunakan beberapa komputer yang secara fisik terpisah atau terdistribusi. Salah satu teknologi yang menggunakan konsep komputasi terditribusi adalah Hadoop. Hadoop merupakan framework software berbasis Java dan open source yang berfungsi untuk mengolah data yang memiliki ukuran yang besar secara terdistribusi. Hadoop menggunakan sebuah framework untuk aplikasi dan programming yang disebut dengan MapReduce. Enam skenario diimplementasikan untuk menganalisa performa kecepatan MapReduce pada Hadoop. Berdasarkan hasil pengujian yang dilakukan diketahui penambahan jumlah physical machine dari satu menjadi dua physical machine dengan spesifikasi physical machine yang sesuai perancangan dapat mempercepat kecepatan rata-rata MapReduce. Pada ukuran file 512 MB, 1 GB, 1.5 GB, dan 2 GB, penambahan physical machine dapat mempercepat kecepatan rata-rata MapReduce pada masing-masing ukuran file sebesar 161.34, 328.00, 460.20, dan 525.80 detik. Sedangkan, penambahan jumlah virtual machine dari satu menjadi dua virtual machine dengan spesifikasi virtual machine yang sesuai perancangan dapat memperlambat kecepatan rata-rata MapReduce. Pada ukuran file 512 MB, 1 GB, 1.5 GB, dan 2 GB, penambahan virtual machine dapat memperlambat kecepatan rata-rata MapReduce pada masing-masing ukuran file sebesar 164.00, 504.34, 781.27, dan 1070.46 detik. Berdasarkan hasil pengukuran juga diketahui bahwa block size dan jumlah slot map pada Hadoop dapat mempengaruhi kecepatan MapReduce.

---

Distributed computing is one of the advance technology in data processing. The use of distributed computing allows users to process data using multiple computers that are separated or distributed physically. One of technology that uses the concept of distributed computing is Hadoop. Hadoop is a Java-based software framework and open source which is used to process the data that have a large size in a distributed manner. Hadoop uses a framework for application and programing which called MapReduce. Six scenarios are implemented to analyze the speed performance of Hadoop MapReduce. Based on the study, known that the additional the number of physical machines from one to two physical machines with suitable specifications design can speed up the average speed of MapReduce. On file 512 MB, 1 GB, 1.5 GB, and 2 GB size additional the number of physical machines can accelerate MapReduce average speed on each file size for 161.34, 328.00, 460.20, and 525.80 seconds. Meanwhile, additional the number of virtual machines from one to two virtual machines with suitable specifications design can slow down the average speed of MapReduce. On file 512 MB, 1 GB, 1.5 GB, and 2 GB size, additional the number of virtual machines can slow down the average speed of each MapReduce on a file size for 164.00, 504.34, 781.27, and 1070.46 seconds. Based on the measurement result is also known that the block size and number of slot maps in Hadoop MapReduce can affect speed."