Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Komunikasi Teknik: Jurnal Ilmu Teknik dan Informatika
Dendy Kurniawan
Universitas Sains dan Teknologi Komputer Semarang
Computer Science & IT Education Electrical & Electronics Engineering Engineering Mechanical Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
METODE ENTERPRISE ARCHITECTURE PLANNING DALAM SISTEM INFORMASI PENGELOLAAN DATA INVENTARIS Ahmad Ashifuddin Aqham; Edy Siswanto; Dendy Kurniawan
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol 14 No 1 (2023): Maret
Publisher : UNIVERSITAS STEKOM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/jtikp.v14i1.555

Abstract

Schools are formal government-owned or private institutions engaged in education, which are held for the community and aim to educate knowledge, self-development, skills and abilities. SMP Negeri 04 Cepiring is the first level educational institution that was established in 1998. So far, school inventory data processing has used MS. Word and MS Excel however, the process takes a long time so it is less effective and efficient. SMP Negeri 04 Cepiring requires an inventory data processing management information system to solve this problem. Inventory data processing information system was built using Enterprise Architecture Planning and using BDMS MySQL as database. The resulting inventory data processing management information system can perform data processing such as entry and exit data, data destruction, mutation or changes that are more accurate.
Deteksi Anomali Menggunakan Extended Isolation Forest (Eif) Milka Wijayanti Sunarto; Dendy Kurniawan; Edy Siswanto; Haris Ihsanil Huda
Teknik: Jurnal Ilmu Teknik dan Informatika Vol 1 No 2 (2021): Oktober : Teknik: Jurnal Ilmu Teknik dan Informatika
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/teknik.v1i2.324

Abstract

Tujuan Utama: Tujuan dari penelitian ini adalah untuk mengembangkan algoritma deteksi anomali yang lebih efektif dan akurat menggunakan Extended Isolation Forest (EIF) dan mengimplementasikannya ke dalam platform sumber terbuka Machine Learning (ML) H2O-3. Background problem: Algoritma Isolation Forest (IF) asli menghadirkan bentuk deteksi baru, meskipun algoritme mengalami bias yang berasal dari percabangan pohon. Perpanjangan algoritme menghilangkan bias dengan menyesuaikan percabangan, dan algoritme asli hanya menjadi kasus khusus. EIF diimplementasikan ke dalam platform sumber terbuka ML H2O-3. kebaharuan: Kebaruan dari penelitian ini adalah penggunaan algoritma EIF dalam deteksi anomali. Selain itu, penelitian ini juga mengimplementasikan EIF ke dalam platform sumber terbuka ML H2O-3 untuk dijalankan pada sistem komputasi terdistribusi dengan pustaka Map/Reduce. Research Method: Penelitian ini menggunakan metode deteksi anomali dengan fokus pada algoritma EIF. temuan: Hasil pengujian menunjukkan bahwa Extended Isolation Model perlu disesuaikan. Tes kinerja deteksi anomali mengungkapkan sedikit ketidaksempurnaan dalam deteksi struktur data jika dibandingkan dengan satu-satunya implementasi algoritma Python yang tersedia. Hasil ujian untuk tahap evaluasi dinyatakan lulus dan waktu komputasi secara logaritmik lebih kecil dengan jumlah utas. Kesimpulan: pada penelitian selanjutnya, algoritma dapat ditingkatkan lebih lanjut dengan menskalakan anomali deteksi untuk data dimensi tinggi. Ini dapat diimplementasikan dengan menambahkan parameter lain yang memungkinkan metode pemilihan fitur dalam perhitungan..
Deteksi Malware Statis Menggunakan Deep Neural Networks Pada Portable Executable Dieta Wahyu Asry; Eko Siswanto; Dendy Kurniawan; Haris Ihsanil Huda
Teknik: Jurnal Ilmu Teknik dan Informatika Vol 3 No 1 (2023): Mei: Teknik: Jurnal Ilmu Teknik dan Informatika
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/teknik.v3i1.325

Abstract

Latar Belakang: Dua komponen utama pada analisismalware adalah analisis malware statis yang melibatkan pemeriksaan struktur dasar malware yang dapat dieksekusi tanpa mengeksekusinya sedangkan analisis malware dinamis bergantung pada pemeriksaan perilaku malware setelah menjalankannya di lingkungan yang terkendali. Analisis malware statis biasanya dilakukan oleh perangkat lunak anti-malware modern dengan menggunakan analisis berbasis tanda tangan atau analisis berbasis heuristik. Tujuan Utama: Tujuan dari penelitian ini adalah megusulkan dan mengevaluasi deep neural network untuk menganalisis file portabel secara statis guna mempelajari fitur-fitur dari portable executable malware untuk meminimalkan terjadinya false positive saat mengenali malware baru. Metode penelitian: Model yang diusulkan dalam penelitian ini adalah model Neural Network with Dropout terhadap model pohon keputusan untuk memeriksa seberapa baik kinerjanya dalam mendeteksi file PE berbahaya yang sebenarnya. Metode format-agnostik digunakan untuk mengekstrak fitur dari file. Dataset digunakan untuk melatih model yang diusulkan dan membandingkan hasil dengan dataset malware lain yang diketahui. hasil: Hasil dari penelitian ini menunjukkan bahwa penggunaan jaringan saraf dalam yang sederhana untuk mempelajari fitur PE vektor tidak hanya efektif, tetapi juga kurang intensif sumber daya dibandingkan dengan metode deteksi heuristik konvensional. kesimpulan: Model yang diusulkan dalma penelitian ini mencapai AUC sebesar 99,8% dengan 98% true positive pada 1% false positive pada kurva ROC. Untuk menunjukkan bahwa model ini berpotensi melengkapi atau menggantikan perangkat lunak anti-malware konvensional maka untuk penelitian dimasa depan diusulkan untuk mengimplementasikan model ini secara praktis
Co-Authors Ahmad Ashifuddin Aqham Dieta Wahyu Asry Edy Siswanto Eko Siswanto Haris Ihsanil Huda Milka Wijayanti Sunarto