Claim Missing Document
Check
Articles

Found 6 Documents
Search

Dampak dan Pencegahan Serangan File Inclusion: Perspektif Developer Muhammad Koprawi
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 4, No 2 (2020): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v4i2.2332

Abstract

File Inclusion adalah salah satu celah keamanan yang memiliki dampak cukup besar terhadap website dan server. File Inclusion sendiri terdiri dari Local File Inclusion (LFI) dan Remote File Inclusion (RFI). Celah keamanan ini terjadi salah satunya karena kurangnya kesadaran terhadap secure programming atau bagaimana menuliskan kode program dengan cara yang aman. Dampak serangan yang paling bisa dirasakan adalah diambil alihnya akses terhadap website ataupun server, jika server sudah berhasil diambil alih, otomatis database beserta hak akses yang lainnya pun berhasil dikuasai.  Untuk itu pentingnya seorangan developer memahami dampak yang ditimbulkan oleh serangan File Inclusion dan memahami bagaimana menuliskan kode yang aman serta pengetahuan tambahan untuk pencegahan terjadinya serangan ini disisi server. Pada penelitian ini akan dijelaskan mengenai skenario, dampak dan pencegahan serangan File Inclusion dalam perspektif seorangan developer. Penelitian ini setidaknya akan membantu developer-developer muda dalam memahami dan menuliskan kode yang aman. Salah satu contohnya adalah menerapkan konsep pengujian kode website dengan pola attack, defense dan validasi sebelum website tersebut masuk ke fase produksi atau live.
Deteksi Anomali Konduktivitas Air Menggunakan Kalman Filter Wahyu Sukestyastama Putra; Muhammad Koprawi; Wahid Miftahul Ashari; Jeki Kuswanto
Buletin Ilmiah Sarjana Teknik Elektro Vol. 4 No. 1 (2022): April
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/biste.v4i1.6188

Abstract

Water quality is an essential part of shrimp farming. Data integrity is one of the challenges in building a water conductivity monitoring system. Data read by the sensor should represent the physical conditions that occur. However, some factors can cause abnormal data changes. This abnormal data change can occur due to sensor damage or an attempt to sabotage the pool. In this study, a data anomaly detection algorithm was built using the Kalman filter and standard deviation to solve the problem of determining the normal range of data. The designed algorithm was then tested and evaluated using Arduino nano, Arduino mega, and Wemos D1 Microcontrollers to determine the algorithm's performance on limited computing devices. Based on the data analysis that has been carried out, it is found that the anomaly detection algorithm based on the Kalman filter has an accuracy of 92.5% and can detect anomaly data that occurs with TPF = 1 and FNR = 0 values. The implementation of the detection algorithm on the microcontroller shows that WEMOS D1 (ESP8266) has an excellent average computational speed of 27.99 us. As for the stability of the Arduino Nano (ATMEGA328) and Arduino Mega 2560 (ATMEGA 2560) microcontrollers, the computation time deviation is about 2.8 us. Kualitas air merupakan bagian penting pada budidaya udang. Salah satu tantangan dalam membangun sebuah sistem monitoring konduktivitas air adalah Keutuhan data. Suatu data yang terbaca oleh sensor seharusnya mewakili kondisi fisik yang terjadi. Akan tetapi ada faktor-faktor dapat menyebabkan perubahan data yang tidak wajar. Perubahan data yang tidak wajar ini dapat terjadi karena disebabkan kerusakan sensor maupun adanya upaya sabotase pada kolam. Pada penelitian ini dibangun sebuah algoritma deteksi anomali data menggunakan Kalman filter dan standar deviasi untuk mengatasi masalah penentuan rentang data normal. Algoritma yang dirancang kemudian diuji dan dievaluasi dengan menggunakan Mikrokontroller Arduino nano, Arduino mega dan Wemos D1 untuk mengetahui performa algoritma yang dirancang pada perangkat komputasi terbatas. Berdasarkan analisis data yang telah dilakukan didapatkan hasil bahwa algoritma deteksi anomali berbasis kalman filter memiliki akurasi 92,5% dan dapat mendeteksi data anomali yang terjadi dengan nilai TPF =1 dan FNR=0. Implementasi algoritma deteksi pada mikrokontroller menunjukkan bahwa WEMOS D1 (ESP8266) memiliki rata-rata kecepatan komputasi yang baik yaitu 27,99 us. Sedangkan untuk kestabilan mikrokontroller Arduino Nano (ATMEGA328) dan Arduino Mega 2560 (ATMEGA 2560) memiliki deviasi waktu komputasi sekitar 2,8 us.
Pelatihan Peningkatan dan Penguatan Daya Saing Usaha Menggunakan Media Internet Marketing Muhammad Koprawi; Hafizh Dhiya Ulhaq Almeyda Ulya Dharmawan
BERNAS: Jurnal Pengabdian Kepada Masyarakat Vol. 4 No. 1 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (301.517 KB) | DOI: 10.31949/jb.v4i1.3977

Abstract

Kondisi pandemi sangat berimbas kepada banyak sektor usaha seperti sektor usaha kecil, menengah dan sektor usaha besar. Imbas yang paling dirasakan adalah penurunan permintaan di masyarkat dan banyaknya pengurangan para pekerja pada sektor usaha tertentu. CV. Vania Salsabila merupakan bentuk usaha yang bergerak di bidang jasa konstruksi, produksi dan pengadaan barang. Selama ini dalam pemasaran produk dan jasa sudah menggunakan media online seperti media sosial tapi hasil yang diperoleh belum optimal, hal ini disebabkan karena kurang luasnya jangkauan serta platform lainnya untuk memasarkan produk dan jasa melalui media internet. Untuk mengatasi permasalahan tersebut diperlukan pelatihan dan penerapan iptek tepat guna. Dengan adanya pelatihan dan penerapan iptek tepat guna diharapkan bisa membantu mitra memasarkan produk dan jasa lebih luas lagi melalui media seperti website, media sosial, pengetahuan tentang SEO (Search Engine Optimization), pengetahuan tentang target iklan yang efektif. Jika usaha bisa berkembang melalui penerapan iptek tepat guna yang diusulkan harapannya akan berimbas positif juga kepada masyarakat banyak yang menjadi bagian dari mitra.
Implementasi Web Scraping pada Google Cendekia sebagai Sarana Profiling Penelitian Dosen Muhammad Koprawi; Wahyu Sukestyastama Putra
Science Tech: Jurnal Ilmu Pengetahuan dan Teknologi Vol 9 No 1 (2023): Februari
Publisher : Universitas Sarjanawiyata Tamansiswa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30738/st.vol9.no1.a14188

Abstract

Google Scholar is an online platform that provides access to scholarly literature such as articles, theses, books and conference proceedings from various scientific publishers. As educators or lecturers, they should have scientific research works that can be accessed by anyone at any time. To measure achievement and access to publication of scientific papers quickly and to profiling educators, lecturers or researchers, universities must have a centralized database that comes from a Google Scholar account and can be updated periodically or automatically based on a specified period. To solve this problem, the researcher implements a web scraping technique combined with a cron job as a command that will run a task on a scheduled basis. The method used is the RAD (Rapid Application Development) method which focuses on a fast system development process. This study succeeded in scraping data for 2983 documents, displaying document citation data globally and successfully carrying out an automatic scheduling synchronization process that is set with scheduling configurations every week, every month, every quarter, every semester and every year, and scripts on cron jobs are run every 5 minutes on the server to check if any scheduling is active.
RANCANG BANGUN SISTEM PEMANTAU KUALITAS DAN POLUSI UDARA PM2.5 YANG TERINTEGRASI DENGAN PLATFORM IOT Rifa Aghorru; Muhammad Koprawi
Technologia : Jurnal Ilmiah Vol 14, No 3 (2023): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v14i3.12029

Abstract

Polusi udara adalah ancaman serius bagi kesehatan manusia dan penyebab kematian kedua terbesar di dunia setelah merokok, dengan 7 juta kematian setiap tahun. Penyebab utama peningkatan PM2,5 melibatkan faktor sosial seperti industri, urbanisasi, dan pertumbuhan penduduk. Perubahan lingkungan dan penggunaan lahan juga memengaruhi PM2,5 secara makroskopis. Salah satu upaya mitigasi polusi udara adalah deteksi dini tingkat pencemaran udara di sekitar. Dalam penelitian ini, dirancang sebuah alat terintegrasi dengan platform IoT untuk memantau kualitas dan tingkat polusi udara sebagai solusi untuk buruknya kualitas udara. Alat ini menggunakan dua sensor utama, yaitu sensor debu PM2.5 GP2Y1010AU0F dan sensor suhu dan kelembapan DHT22. Semua sensor dihubungkan ke platform IoT melalui mikrokontroler nodemcu dengan modul Wifi esp8266. Data dari sensor ditampilkan secara real-time pada platform dan dapat dipantau melalui smartphone atau perangkat desktop dengan koneksi internet yang memadai. Platform ini juga dapat mengirimkan notifikasi tentang kondisi udara di sekitar sesuai dengan nilai ambang batas PM2.5 BMKG. Pengujian alat menunjukkan bahwa sensor PM2.5 yang dirancang memiliki standar deviasi sebesar 22,1 dan rata-rata sebesar 47,0. Hal ini menunjukkan bahwa sensor PM2.5 memiliki presisi yang baik. Alat ini memiliki potensi sebagai deteksi dini tingkat pencemaran udara di sekitar dan dapat menjadi salah satu solusi mitigasi polusi udara.
Implementasi Neural Network 1-Dimensi Dalam Identifikasi Malware Android Rofik Hidayat; Muhammad Koprawi; Pramudhita Ferdiansyah
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9587

Abstract

Permasalahan malware setiap saat menjadi ancaman serius pada keamanan sistem informasi sehingga perlu adanya penanganan. Dengan meningkatnya penggunaan perangkat mobile ponsel pintar android menjadikannya target yang rentan terkena serangan malware. Untuk mencegah terjadinya serangan malware maka perlu adanya deteksi dini aplikasi yang berpotensi malware. Tiap aplikasi android memiliki permission untuk membuka hak akses agar aplikasi tersebut dapat mengakses informasi pada perangkat android, begitu juga dengan malware yang juga mempunyai permission tersebut. Teknologi Machine Learning dapat menyelesaikan masalah masalah yang rumit dengan meniru kecerdasan pada manusia. Salah satu teknologi tersebut adalah Neural Network yang merupakan Teknik Machine learning dengan strukturnya meniru cara kerja otak manusia, jenis neural network diantaranya adalah Convolutional Neural Network 1-Dimensi. Dengan menggunakan dataset sebanyak 510 aplikasi, model Convolutional Neural Network 1-Dimensi mampu mendapatkan 92.1% untuk tingkat akurasi, 93.4% untuk recall dan 89.5% untuk precision, dapat dikatakan model yang diusulkan sudah cukup baik dalam mengidentifikasi malware berdasarkan permission.