Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKBadan Meteorologi, Klimatologi, dan Geofisika (BMKG) merupakan lembaga yang ditunjuk untuk mengelola data-data cuaca yang diolah menjadi informasi meteorologi dan klimatologi. Namun, harapan terhadap tingkat akurasi data cuaca yang dikelola belum terpenuhi disebabkan belum benarnya proses validasi data cuaca yang mengelompokkan data cuaca valid dan data cuaca yang tergolong suspect. Oleh karenanya, penelitian ini bertujuan untuk mengetahui cara memvalidasi data cuaca dengan menguji algoritma k-NN dan D-NN dengan pendekatan data mining klasifikasi serta K-Medoids dan DBSCAN dengan pendekatan data mining clustering. Proses Knowledge Discovery in Database diterapkan hingga kedua pendekatan data mining diuji untuk mendapatkan cara terbaik yang dijadikan dasar proses validasi data cuaca. Hasil penelitian merekomendasikan algoritma D-NN untuk pendeteksian data suspect karena memiliki nilai specificity lebih baik daripada k-NN sedangkan teknik clustering dengan dua algoritma yang diujikan pada penelitian ini tidak direkomendasikan.

---

ABSTRACT"

"Aktivitas anomali pada jaringan internet BMKG belum seluruhnya dapat dianalisis secara manual, sehingga beberapa sistem BMKG terdampak oleh aktivitas siber ini. Deteksi dan klasifikasi intrusi merupakan upaya penting yang dapat dilakukan BMKG dalam menangani serangan siber. Penelitian ini bertujuan untuk membuat model klasifikasi terbaik untuk mengklasifikasikan intrusi. Dataset yang digunakan adalah dataset CICIDS2017 dan data internet BMKG yang kemudian dilakukan penanganan data tidak seimbang menggunakan SMOTE. Untuk meningkatkan performa klasifikasi, dilakukan seleksi fitur dan diusulkan tiga variasi jumlah fitur, yaitu 7 fitur, 18 fitur, dan 82 atau keseluruhan fitur. Klasifikasi yang dilakukan mencakup klasifikasi biner untuk membedakan serangan dan normal, serta multikelas untuk mengklasifikasikan beberapa jenis serangan. Algoritma klasifikasi yang digunakan dalam penelitian ini adalah KNearest Neighbor (KNN), Decision Tree (DT), dan Random Forest (RF). Hasil model klasifikasi terbaik untuk kelas biner adalah DT dengan 82 atau keseluruhan fitur dengan akurasi 99,1%. Sedangkan model terbaik untuk multikelas adalah DT dengan 82 atau keseluruhan fitur dengan akurasi 99,2%. Penelitian ini menunjukkan bahwa model klasifikasi berbasis pembelajaran mesin dapat meningkatkan deteksi dan klasifikasi serangan siber dengan akurasi tinggi. BMKG dapat mengimplementasikan model ini untuk deteksi otomatis dan respons cepat terhadap ancaman, melakukan uji coba lapangan, memberikan pelatihan staf, dan memastikan pemeliharaan serta pemantauan rutin model. Langkah-langkah ini dapat membantu BMKG dalam meningkatkan keamanan jaringan dan melindungi data serta layanan dari serangan siber di masa mendatang.

---

Anomalous activity on the BMKG's internet network cannot be fully analyzed manually, so several BMKG systems have been affected by this cyber activity. Intrusion detection and classification is an important effort that can be made by BMKG in dealing with cyber attacks. This research aims to create the best classification model to classify intrusions. The datasets used are the CICIDS2017 dataset and BMKG internet data, which are then handled with unbalanced data using SMOTE. To improve classification performance, feature selection is performed, and three variations in the number of features are proposed, namely 7 features, 18 features, and 82 or all features. The classification includes binary classification to distinguish between normal and attack and multiclass classification to classify multiple types of attacks. The classification algorithms used in this research are K-Nearest Neighbor (KNN), Decision Tree (DT), and Random Forest (RF). The best classification model for binary classes is DT with 82 or all features with 99.1% accuracy. While the best model for multiclass is DT with 82 or all features with 99.2% accuracy. This research shows that a machine learning-based classification model can improve cyberattack detection and classification with high accuracy. BMKG can implement this model for automated detection and rapid response to threats, conduct field trials, provide staff training, and ensure regular model maintenance and monitoring. These steps can help BMKG improve network security and protect data and services from future cyberattacks."

"Badan Meteorologi Klimatologi dan Geofisika (BMKG) adalah salah satu badan pemerintahan yang mempunyai tugas untuk memberi layanan kepada masyarakat dalam hal informasi di bidang Meteorologi, Klimatologi, Kualitas Udara dan Geofisika. Banyaknya kejadian bencana menyadarkan masyarakat akan pentingnya informasi MKKuG (Meteorologi, Klimatologi, Kualitas udara, dan Geofisika). Menurut UU No 31 no 2009 tentang MKG bahwa pelayanan data dan informasi MKKuG serta peringatan dini kepada pihak terkait dan masyarakat bermuara dari BMKG, sehingga data dan informasi BMKG dituntut memiliki service availability dan reliability yang tinggi. Untuk mendukung hal tersebut sebagai Organisasi pemerintah, bencana berarti gangguan tiba-tiba bagi seluruh atau sebagian dari operasi bisnisnya, yang secara langsung ataupun tidak langsung dapat mengakibatkan kepercayaan terhadap institusi negara. Untuk meminimalkan kerugian bencana tersebut, maka diperlukan rencana pemulihan bencana yang baik untuk setiap sistem organisasi. Penelitian dilakukan untuk mengembangkan disaster recovery plan (DRP). Pengembangan DRP tersebut dilakukan dengan menggunakan acuan dari NIST yang disesuaikan dengan kebutuhan organisasi. Tahap-tahap yang dilakukan adalah melakukan risk assessment, risk mitigation dan strategy contigency untuk penerapan DRP. Pengumpulan data dilakukan dengan melakukan studi kepustakaan, melakukan wawancara dengan para user dan administrator aset BMKG, mengobservasi aset-aset BMKG, serta studi dokumen organisasi. Hasil dari penelitian ini adalah dokumen DRP yang disesuaikan dengan tupoksi BMKG. Dokumen tersebut memuat peran dan tanggung jawab personel serta langkah-langkah penyelamatan aset. Dengan dikembangkannya dokumen tersebut, diharapkan bisa meningkatkan availability dan reliability dari sistem yang dimiliki BMKG.

---

Meteorology Climatology and Geophysics Agency (BMKG) is one of the government agencies with an obligation to provide services to the public in terms of information of Meteorology, Climatology, Air Quality and Geophysics Agency. Number of disasters occured, make people aware the importance of MKKuG (meteorology, climatology, air quality, and Geophysics) information. According to Law No. 31 of 2009 on MKG that MKKuG information and data services as well as an early warning to the parties concerned and the lead of the BMKG, data and information required BMKG to have service availability and high reliability. To support such as government organizations, disaster means a sudden interruption of all or part of its business operations, which directly or indirectly may lead to confidence in the state institutions. To minimize disaster losses, it would require a good disaster recovery plan for each system organization. The study was conducted to develop a disaster recovery plan (DRP). DRP development is done by using a reference from NIST that are tailored to the needs of the organization. The stages are done is to risk assessment, risk mitigation and contingency strategy for the implementation of the DRP. The data was collected by conducting library research, interviews with the users and administrators BMKG assets, assets BMKG observe and study of organizational documents. The results of this study are tailored to the DRP documents with principal of BMKG function. The document contains the roles and responsibilities of personnel and rescue assets measures. With the development of the document, expected to increase the availability and reliability of the system owned BMKG."

"Perguruan tinggi memerlukan pengetahuan yang lebih dalam untuk evaluasi, perencanaan dan pengambilan keputusan yang lebih baik. Sebagian dari pengetahuan ini dapat diekstrak dari data operasional yang tersimpan dalam database perguruan tinggi tersebut. Cara yang dapat dilakukan antara lain dengan pembangunan data warehouse dan analisis data menggunakan teknik data mining. Data warehouse adalah kumpulan dari database yang terintegrasi yang dapat digunakan untuk mendukung proses pengambilan keputusan. Sedangkan teknik data mining adalah analysis tools yang dapat digunakan untuk mengekstrak informasi yang berguna yang ada di database yang besar. Penelitian ini mengkaji perancangan data warehouse dan penerapan teknik data mining untuk data akademik di Universitas Nasional untuk menggali informasi-informasi yang penting dan membangun model yang dapat membantu operasional sehari-hari agar dapat memberikan pelayanan yang terbaik buat mahasiswa. Penelitian ini dimulai dengan membangun sebuah data warehouse. Data-data yang ada dalam data warehouse tersebut yang digunakan untuk analisa data menggunakan teknik data mining. Hasil dari penelitian ini adalah pengembangan data warehouse dengan media presentasi aplikasi berbasis web. Sedangkan untuk analisa data menggunakan teknik data mining menghasilkan pola karakteristik mahasiswa yang mengambil suatu program peminatan tertentu.

---

High learning institutions need broader knowledge for evaluating, planning and better decision making. Some of this knowledge can be developed from operational data in the database of available at the institution. To get the above-mentioned purpose, we can build data warehouse and analyzing it by data mining technique. Data warehouse is an integrated database which can be used to support decision making process, while data mining is analysis tools which can be used to extract information from large database.

This study which deals with data warehouse planning and the application of data mining technique for academic data at Universitas Nasional is aimed at obtaining important informations and developing a model for rendering best services for student. The first step is to develop a data warehouse. Data from the data warehouse is then used to analyze data by data mining technique. The result of this study is developed data warehouse through web-based presentation, while data analysis is obtained from data mining to get characteristic pattern of previous student who were good in a given program."

"ABSTRAKPerlindungan hukum terhadap database dan informasi berbasis databaseyang berasal dari data strategis bidang meteorologi di Badan MeteorologiKlimatologi dan Geofisika (BMKG) hingga kini masih belum jelas. Bagaimana dansejauh apa perlindungan hukumnya, khususnya dalam perspektif hak cipta sangatdiperlukan dalam internal BMKG, karena database yang berbasis data murni (puredata) bidang meteorologi tersebut berisi data - data strategis yang selain dapatdiolah menjadi informasi meteorologi, juga mempunyai nilai ekonomi yang tinggidan memiliki nilai pertahanan dan keamanan nasional.Perlindungan data strategis dalam perspektif hak cipta terhadap databasesebagai sui generis protection belum diatur secara tegas dalam Undang – UndangNomor 19 tahun 2002 tentang Hak Cipta (UUHC), tetapi hak cipta atas databasestrategis meteorologi dapat didasarkan pada pasal 33 ayat 2 dan 3 perubahan keempat UUD 1945 sehingga negara berhak menguasai dan memiliki hak cipta atasdata strategis meteorologi tersebut. Lebih lanjut diperlukan ketentuan tersendiriyang mengatur perlindungan database strategis tersebut dalam Undang – UndangNomor 31 tahun 2009 tentang Meteorologi, Klimatologi, dan Geofisika.Perlindungan hak ekonomi oleh negara terhadap pemanfaatan databasemeteorologi yang bukan informasi publik telah diatur dalam Undang – UndangNomor 31 tahun 2009 tentang Meteorologi, Klimatologi, dan Geofisika, tetapiperlu diatur perlindungan pemanfaatan database meteorologi tersebut bila terjadipenyalahgunaan.

---

ABSTRACTLegal protection of database and database-based information derived fromstrategic data in the field of meteorology of the Indonesian Agency forMeteorology, Climatology and Geophysics (BMKG) is still unclear. How and towhat extent of legal protection, in particular in the perspective of copyright isneeded in BMKG because the database which based on that meteorological puredata is strategic data which can be processed into meteorological information,also has a high economic value and has value of national defense and security.Strategic data protection in copyright perspective on database as the suigeneris protection has not been strictly regulated in Law of the Republic ofIndonesia Number 19 Year 2002 regarding Copyright (UUHC), but the copyrightof the meteorological strategic database can be based on Article 33 paragraph 2and 3 of the fourth change of Indonesia Constitution Year 1945 (UUD 1945) thatthe State is entitled to control and own the copyright of the meteorologicalstrategic data. Further, required separate provisions governing the protection ofthe strategic database in Law of the Republic of Indonesia Number 31 Year 2009regarding Meteorology, Climatology and Geophysics.Protection of economic rights by the State to use the meteorologicaldatabase which is not public information has been regulated in Law of theRepublic of Indonesia Number 31 Year 2009 regarding Meteorology,Climatology and Geophysics, but it needs to be regulated the protection of themeteorological database utilization in case of abuse."

"Persaingan dalam dunia bisnis khususnya perbankan yang semakin ketat membuat para pelakunya harus selalu memikirkan strategi-strategi terobosan yang dapat menjamin keberlangsungan bisnis mereka. Kepuasan pelanggan merupakan salah satu faktor yang sangat perlu diperhatikan untuk mengikat pelanggan agar tetap setia pada produk atau layanan yang ditawarkan. Salah satu aset utama yang dimiliki oleh perusahaan perbankan dewasa ini adalah data transaksi bisnis dalam jumlah yang sangat besar. Hal ini menciptakan sebuah kebutuhan akan adanya teknologi yang dapat memanfaatkannya untuk menggali pengetahuan-pengetahuan baru, yang dapat membantu dalam perencanaan strategi bisnis di masa depan. Dalam hal tersebut teknologi data mining hadir sebagai sebuah solusi yang dapat diterapkan. Dalam tulisan ini akan dibahas implementasi data mining untuk menemukan model berupa association rules yang bisa diinterpretasikan menjadi pengetahuan baru mengenai karakteristik beberapa obyek layanan perbankan Bank XYZ. Pengetahuan baru tersebut nantinya bisa digunakan sebagai bahan analisis untuk menentukan rencana strategis ke depan khususnya dalam rangka meningkatkan kinerja layanan sehingga pelanggan tetap setia terhadap produk dan layanan Bank XYZ.

---

The tighter competition in banking industry motivates the actors to always think of new strategies to ensure their business sustainability. Customer satisfaction must be maintained to make customers remain loyal to the offered products or services. One of the main assets of banking organization or corporate is a large number of business transaction data. This creates a need of new technologies to mine new knowledges, which can assist management in making future business strategy plans. Data mining technology is one applicable solution.

This thesis describes the implementation of data mining in order to find association rules model which can be further interpreted as new knowledges on banking service characteristic of Bank XYZ. The new knowledges will be useful to determine strategic plans in the future, especially in increasing the performance of products or services. They finally can make the customers loyal to products or services of Bank XYZ."

"ABSTRAKBalai Jaringan Informasi dan Komunikasi (BJIK) sebagai salah satu balai di Badan Pengkajian dan Penerapan Teknologi (BPPT) memiliki tugas dalam penerapan teknologi informasi dan komunikasi (TIK) untuk kepentingan pemerintah pusat, daerah, publik, komunitas ilmu pengetahuan teknologi, dan industri. Tugas tersebut diwujudkan salah satunya dengan membangun sistem informasi monitoring teknologi informasi dan komunikasi yang bernama Simontik. Kemajuan tren teknologi dan ancaman siber yang tidak dapat dihindari membutuhkan adanya penerapan data mining untuk monitoring intrusi dalam melindungi informasi penting dimana perangkat lunak anti virus dan firewall tidak cukup memberikan perlindungan penuh sesuai dengan kondisi BJIK saat ini. Sejalan dengan hal tersebut, beberapa penelitian terdahulu juga menjelaskan teknik deep learning atau deep neural network pada data mining yang telah mencapai keberhasilan jauh lebih baik di berbagai aplikasi khususnya big data sets classification karena memberikan hasil yang akurat dalam menyelesaikan permasalahan sistem monitoring intrusi. Berdasarkan hal tersebut, penelitian ini menggunakan teknik classification dengan algoritme deep learning, support vector machine, dan random forest sebagai pembanding. Penelitian ini menggunakan metodologi knowledge discovery from data (KDD) dimana data mining hanya merupakan suatu langkah penting dalam urutan prosesnya. Hasil akhir dari penelitian ini merupakan model prediksi yang dikemudian diuji dengan dataset Simontik untuk diketahui akurasinya. Hasil yang didapatkan dari penelitian ini adalah algoritme deep neural network dan random forest menghasilkan akurasi yang paling baik, yaitu sebesar 99,91% dibandingkan dengan algoritme support vector machine yang memiliki akurasi sebesar 98,11%.ABSTRACTThe Information and Communication Network Center (BJIK) as one of the centers in the Agency for the Assessment and Application of Technology (BPPT) has the task of implementing information and communication technology (ICT) for the benefit of the central, regional, public, technological and industrial science communities. One of the tasks is realized by building an information and communication technology monitoring information system called Simontik. The unavoidable progress of technological trends and cyber threats requires the application of data mining for intrusion monitoring in protecting important information where anti-virus software and firewalls do not provide full protection in accordance with current BJIK conditions. In line with this, several previous studies also explained that deep learning techniques or deep neural networks in data mining that have achieved success are far better in various applications, especially the big data sets classification because they provide accurate results in solving intrusion monitoring system problems. Based on this, this study uses classification techniques with deep learning algorithms, support vector machines, and random forest as a comparison. This study uses the knowledge discovery from data (KDD) methodology where data mining is only an important step in the sequence of the process. Result of this study is a prediction model which is then tested with the Simontik dataset to determine its accuracy. The results obtained from this study are that deep neural network and random forest algorithms produce the best accuracy, which is 99.91% compared to the support vector machine algorithm which has an accuracy of 98.11%."

"Pada suatu sistem komunikasi yang menggunakan udara sebagai media transmisi, seringkali ditemui gangguan yang berakibat menurunnya sinyal yang diterima secara astis atau bahkan hilang sama sekali yang disebut dengan fading. Karena fading ini disebabkan oleh perubahan besaran phisis alam yaitu tekanan udara, temperatur dan lembahan udara, maka kapan terjadinya fading tidak dapat ditentukan dengan pasti. Fading yang, terjadi pada sistem telekomunikasi radio dimasukkan sebagai saran redaman tambahan Semakin besar redaman tambahan membuat redaman total menjadi besar. Untuk mengatasi redaman yang besar diperlukan daya pancar yang besar pula, sehingga akhirnya harga sistem menjadi semakin mahal yang, ingin diketahui adalah berapa besar fading yang sesungguhnya agar dengan harga peralatan yang, minimal mutu sistem tetap dapat terpenuhi.Penelitian ini dibuat untuk melihat pengaruh besaran-besaran phisis alam kanan udara, temperatur dan kelembaban) lterhadap terjadinya fading. Perhitungan keliling ini dikerjakan berdasarkan data besaran-besaran phisis alam yang diperoleh dari Meteorologi dan Geofisika khususnya untuk wilayah Jakarta ( 1981 - 1989 ), bogor ( 1984 - T989 ) sorta Bandung ( 1984 - 1987 ). Data besaran-besaran phisis alam tersebut diolah untuk mendapatkan perubahan level sinyal yang diterima jika komunikasi radio dianggap berlangsung pada ketinggian rata-rata pemancar dan menerima tertentu. Data besaran phisis alam yang diperoleh merupakan data rata-rata kanan. Data tersebut dikelompokkan berdasarkan wiiayah, dan dari data tersebut dibuat file yang dapat dibaca oleh perangkat lunak yang dibuat. Keluaran perhitungan slow Fading ini berupa grafik maupun tabel penubahan 31 sinyal yang diterima untuk wilayah, tahun, dan ketinggian rata-rata pemancar menerima tertentu."

"ABSTRAKPada suatu sistem komunikasi yang menggunakan udara sebagai media transmisi, seringkali ditemui gangguan yang berakibat menurunnya sinyal yang diterima secara drastis atau bahkan hilang sama sekali yang disebut dengan fading. Karena fading ini disebabkan oleh perubahan besaran phisis alam yaitu tekanan udara, temperatur dan kelembaban udara, maka kapan terjadinya fading tidak dapat ditentukan dengan pasti.Fading yang terjadi pada sistem telekomunikasi radio dimasukkan sebagai besaran redaman tambahan. Semakin besar redaman tambahan membuat redaman total menjadi besar. Untuk mengatasi redaman yang besar diperlukan daya pancar yang besar pula, sehingga akhirnya harga sistem menjadi semakin mahal. Yang ingin diketahui adalah berapa besar fading yang sesungguhnya agar dengan harga peralatan yang minimal mutu sistem tetap dapat terpenuhi.Penelitian ini dibuat untuk melihat pengaruh besaran-besaran phisis alam (tekanan udara, temperatur dan kelembaban) terhadap terjadinya fading. Perhitungan fading ini dikerjakan berdasarkan data besaran-besaran phisis alam yang diperoleh dari Badan Meteorologi dan Geofisika khususnya untuk wilayah Jakarta ( 1981 - 1989 ), Bogor ( 1984 - 1989 ) serta Bandung ( 1984 - 1987 ). Data besaran-besaran phisis alam tersebut diolah untuk mendapatkan perubahan level sinyal yang diterima jika komunikasi radio dianggap berlangsung pada ketinggian rata-rata pemancar dan penerima tertentu. Data besaran phisis alam yang diperoleh merupakan data rata-rata bulanan. Data tersebut dikelompokkan berdasarkan wilayah, dan dari data tersebut dibuat file yang dapat dibaca oleh perangkat lunak yang dibuat.Keluaran perhitungan slow fading ini berupa grafik maupun tabel perubahan level sinyal yang diterima untuk wilayah, tahun, dan ketinggian rata-rata pemancar penerima tertentu."