Hasil Pencarian  ::  Simpan CSV :: Kembali

"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%."

"ABSTRAKPenelitian ini dilakukan untuk mendapatkan perbedaan pola interaksi antara pemelajaran tatap muka dan forum diskusi asinkronus dalam blended learning di Universitas Indonesia. Vrasidas and McIsaac (1999) mendefinisikan interaksi sebagai proses yang terdiri dari tindakan timbal balik dari dua atau lebih pelaku dalam konteks yang tersedia. Pola interaksi yang dilihat adalah pelaku interaksi yang paling banyak melakukan interaksi, kategori interaksi yang paling banyak dilakukan dosen, dan kategori interaksi yang paling banyak dilakukan mahasiswa baik pada forum diskusi asinkronus maupun pemelajaran tatap muka. Konten interaksi dari sampel Matakuliah Pengembangan Terintegrasi B (MPKT B) tersebut dianalisis menggunakan Analisis Interaksi Pembelajaran Campuran. Hasil analisis konten kualitatif dari penelitian ini menunjukkan bahwa terdapat perbedaan pola interaksi pada pelaku interaksi dan kategori interaksi yang paling banyak dilakukan dosen. Sementara itu, tidak ditemukan perbedaan kategori interaksi yang paling banyak dilakukan mahasiswa.

---

ABSTRACTThis research was conducted to find the differences of patterns of interaction in face-to-face learning and asynchronous discussion forums in blended learning at the University of Indonesia. Vrasidas and McIsaac (1999) defines the interaction as a process that consists of reciprocal action of two or more actors in the given context. Patterns of interaction which is seen are which actors who do more interactions, which category of interaction that most teachers do, and which category of interaction that most students do both on the asynchronous discussion forums and face-to-face learning. Content of interactions of the sample from Matakuliah Pengembangan Kepribadian Terintegrasi B (MPKT B) were analyzed using the Analisis Interaksi Pembelajaran Campuran. Results of the qualitative content analysis of this research shows that there are differences in patterns of interaction of interaction actors and category of interaction that most teachers do. Meanwhile, there is no differences in the category of interaction that most students do."

"Pandemi Covid-19 menyebabkan metode blended learning menjadi alternatif metode pembelajaran yang digunakan sejak tahun 2021. Metode pembelajaran blended learning proses pembelajaran yang mengkombinasikan antara model pembelajaran langsung dan tidak langsung. Pembelajaran dengan metode blended learning menimbulkan beragam persepsi pada mahasiswa terhadap penerapannya. Penelitian ini bertujuan untuk mengetahui persepsi mahasiswa program sarjana Universitas Indonesia terhadap metode blended learning di masa pandemi Covid-19. Penelitian menggunakan desain dekriptif dengan pendekatan kuantitatif. Pengambilan sampel dilakukan dengan teknik Accidental Sampling, dengan jumlah responden sebanyak 433 mahasiswa program sarjana Universitas Indonesia, yang mengalami pembelajaran blended learning pada masa pandemi Covid-19. Hasil analisa data didapatkan sebesar 80,55% mahasiswa program sarjana Universitas Indonesia memberikan tanggapan positif terhadap penerapan pembelajaran blended learning. Dengan hasil yang didapatkan berdasarkan dua kuesioner yang digunakan, sebesar 63,1% pada dimensi kontribusi mahasiswa terhadap pembelajaran (kuesioner PBLEQ) dan sebesar 65,86% pada aspek interaksi sosial (kuesioner PST). Diharapkan dari hasil penelitian ini, metode blended learning dapat dijadikan sebagai salah satu metode pembelajaran di masa pascapandemi Covid-19 seperti saat ini, karena telah terbukti dapat membantu keefeketifan pembelajaran di UI, terutama pada penerapan jenis pembelajaran station rotation

---

The Covid-19 pandemic has caused the blended learning method to become an alternative learning method that has been used since 2021. The blended learning learning method is a learning process that combines direct and indirect learning models. Learning with the blended learning method raises various perceptions on students regarding its application. This study aims to determine the perceptions of undergraduate students at the University of Indonesia towards the blended learning method during the Covid-19 pandemic. This research uses a descriptive design with a quantitative approach. Sampling was carried out using the Accidental Sampling technique, with a total of 433 undergraduate students at the University of Indonesia who experienced blended learning during the Covid-19 pandemic. The results of data analysis obtained by 80.55% of undergraduate students at the University of Indonesia gave positive responses to the application of blended learning. The results obtained based on the two questionnaires used were 63.1% in the dimensions of student contribution to learning (PBLEQ questionnaire) and 65.86% in the aspect of social interaction (PST questionnaire). It is hoped that from the results of this study, the blended learning method can be used as a learning method in the post-Covid-19 pandemic as it is today, because it has been proven to be able to help the effectiveness of learning at UI, especially in the application of station rotation learning types

"

"Blended Learning merupakan proses pembelajaran yang menggabungkan model pembelajaran Traditional Learning dengan Online Learning dimana pada Blended Learning, sejumlah kegiatan-kegiatan penting yang biasanya dilakukan di dalam kelas akan dipindahkan ke dalam lingkungan berbasis online sehingga akan menghemat waktu dari kegiatan-kegiatan tersebut di dalam kelas, misalnya kuis yang biasanya dilakukan di dalam kelas akan dilakukan secara online. Pada tesis ini akan dilakukan evaluasi keefektivitasan dan kinerja terhadap proses belajar mengajar secara Blended Learning dengan mengambil studi kasus pada STMIK Mikroskil Medan pada Jurusan / Program Studi Teknik Informatika, dimana Blended Learning telah dilaksanakan oleh Jurusan / Program Studi Teknik Informatika sejak tahun 2005 dengan memanfaatkan website organisasi kemahasiswaan yakni www.bitsmikro.com sebagai tool untuk Blended Learning, tetapi belum menunjukkan adanya peningkatan mutu dari pelaksanaan Blended Learning tersebut, dan belum optimalnya pemanfaatan tool untuk Blended Learning oleh mahasiswa dan dosen, serta kurangnya keterlibatan alumni dalam membantu pelaksanaan proses belajar mengajar secara Blended Learning. Adapun metodologi yang digunakan adalah dengan mengumpulkan data melalui kuesioner. Evaluasi yang dilakukan pada penelitian ini dilakukan terhadap para dosen, mahasiswa, dan alumni yang juga memanfaatkan tool untuk Blended Learning sebagai media untuk memperoleh pengetahuan terkini meskipun telah tamat. Hasil dari evaluasi adalah keefektivitasan dan kinerja dari aktivitas mahasiswa, dosen, dan alumni dalam proses belajar mengajar dengan memanfaatkan tool Blended Learning, serta kendala yang dihadapi dalam proses belajar mengajar tersebut, misalnya keterbatasan waktu yang dimiliki dalam mengakses tool Blended Learning.

---

Blended Learning is a study process that combines Traditional Learning and Online Learning study model. In Blended Learning, some activities that usually hold in the class will be moved to online-based environment in order to retrench time of the activities, such as quiz that usually hold in class will be hold in an online manner. This study explores the effectiveness and performance evaluation toward learning process with Blended Learning by taking case studies in STMIK Mikroskil Medan in the field of Informatic Technology. Blended Learning has been hold by the field of Informatic Technology since 2005 by using the website of students organization, namely www.bitsmikro.com as tool for Blended Learning. It hasn?t shown the qualities improvement of Blended Learning. Neither students nor lecturers have yet to utilize the Blended Learning tool optimumly. In addition, alumnus? involvement is still not adequate in facilitating Blended Learning. The methodology used is gathering data through questionaire. Evaluation that hold in this research done toward the lecturers, students, and alumnus that also using tool for Blended Learning as a media to obtain the latest knowledge although have been graduated. The outcome of this evaluation is the effectiveness and performance if students, lecturers, and alumnus? activities in learning process with Blended Learning, as well as hindrances encountered in the learning process, such as the limited time in accessing Blended Learning tools."

"Dalam beberapa tahun terakhir, keamanan data pada sistem informasi organisasi telah menjadi perhatian serius. Banyak serangan menjadi kurang terdeteksi oleh firewall dan perangkat lunak antivirus. Untuk meningkatkan keamanan, intrusion detection systems (IDS) digunakan untuk mendeteksi serangan dalam lalu lintas jaringan. Saat ini, teknologi IDS memiliki masalah kinerja mengenai akurasi deteksi, waktu deteksi, pemberitahuan alarm palsu, dan deteksi jenis serangan baru atau belum diketahui. Beberapa studi telah menerapkan pendekatan pembelajaran mesin (machine learning) sebagai solusi, dan mendapat beberapa peningkatan. Penelitian ini menggunakan pendekatan pembelajaran ensemble (ensemble learning) yang dapat mengintegrasikan manfaat dari setiap algoritma pengklasifikasi tunggal. Pada penelitian ini, dibandingkan tujuh pengklasifikasi tunggal untuk mengidentifikasi pengklasifikasi dasar yang digunakan untuk model ensemble learning. Kemudian dataset IDS terbaru dari Canadian Institute for Cybersecurity yaitu CSE-CIC-IDS2018 digunakan untuk mengevaluasi model ensemble learning. Hasil percobaan menujukan bahwa implementasi metode ensemble learning khususnya majority voting dengan tiga algoritma dasar (gradient boosting, decision tree dan logistic regression) dapat meningkatkan nilai akurasi lebih baik dibandingkan implementasi algoritma klasifikasi tunggal, yaitu 0,988. Selanjutnya, implementasi teknik pemilihan fitur spearman-rank order correlation pada dataset CSE-CIC-IDS2018 menghasilkan 23 dari 80 fitur, dan dapat meningkatkan waktu pelatihan model, yaitu menjadi 11 menit 4 detik dibanding sebelumnya 34 menit 2 detik.

---

In recent years, data security in organizational information systems has become a serious concern. Many attacks are becoming less detectable by firewall and antivirus software. To improve security, intrusion detection systems (IDSs) are used to detect anomalies in network traffic. Currently, IDS technology has performance issues regarding detection accuracy, detection times, false alarm notifications, and unknown attack detection. Several studies have applied machine learning approaches as solutions. This study used an ensemble learning approach that integrates the benefits of each single classifier algorithms. We made comparisons with seven single classifiers to identify the most appropriate basic classifiers for ensemble learning. Then the latest IDS dataset from the Canadian Institute for Cybersecurity, CSE-CIC-IDS2018, was used to evaluate the ensemble learning model. The experimental results show that the implementation of the ensemble learning method, especially majority voting with three basic algorithms (gradient boosting, decision tree and logistic regression) can increase the accuracy rate better than the implementation of a single classification algorithm, which is 0.988. Furthermore, the implementation of the spearman-rank order correlation feature selection technique in the CSE-CIC-IDS2018 dataset produced 23 of the 80 features, and could increase the model training time, which was 11 minutes 4 seconds compared to 34 minutes 2 seconds before."

"Latar Belakang Persepsi mahasiswa berhubungan erat dengan proses pembelajaran yang ada. Seiring dengan perubahan dan peralihan sistem pembelajaran menuju sistem pembelajaran bauran, staf pengajar mengalami penyesuaian peran. Penelitian ini bertujuan untuk menggali persepsi mahasiswa preklinik pendidikan kedokteran FKUI terhadap peran staf pengajar di masa pembelajaran bauran. Metode Pendekatan kualitatif dengan desain studi fenomenologi digunakan untuk mengeksplorasi persepsi mahasiswa preklinik FKUI terhadap peran staf pengajar dalam masa pembelajaran bauran. Focus group discussion (FGD) dilakukan pada mahasiswa preklinik, dengan minimal dua FGD dari setiap tingkatannya. Setelah pengumpulan data, dilakukan member checking dan analisis tematik berdasarkan transkripsi FGD yang dilakukan secara verbatim. Hasil Hasil penelitian ini diperoleh melalui enam FGD yang melibatkan 44 narasumber dari mahasiswa preklinik Fakultas Kedokteran UI dengan mempertimbangkan jenis kelamin dan IPK mahasiswa. Dari hasil penelitian ini didapatkan tiga tema besar, yakni (1) Komunikasi dan interaksi staf pengajar dengan mahasiswa dalam pembelajaran bauran, (2) Faktor staf pengajar dalam memfasilitasi pembelajaran bauran, dan (3) Adaptasi staf mengajar dan mahasiswa dalam pembelajaran bauran. Kesimpulan Pembelajaran bauran memberikan fleksibilitas pada staf pengajar dan mahasiswa dalam berkomunikasi dan berinteraksi. Apa pun pendekatan pembelajarannya dan peran staf pengajar yang diterapkan, mahasiswa mengharapkan staf pengajar yang mendorong partisipasi aktif mereka dalam pembelajaran di berbagai kesempatan.

---

Introduction Students' perceptions are closely related to the existing learning process. Along with the change and transition of the learning system towards a blended learning system, teaching staff have changing roles. This study aims to explore the perceptions of FKUI preclinical students on the role of teaching staff in the blended learning period. Method A qualitative approach with a phenomenological study design will be used to explore the perceptions of FKUI preclinical students on the role of teaching staff in blended learning environment. Focus group discussions (FGD) will be conducted for pre-clinical students, with a minimum of two FGDs from each study year. After data collection, member checking and thematic analysis will be carried out based on the FGD verbatim transcripts. Results These research results were obtained through six Focus Group Discussions (FGD) involving 44 informants, including pre-clinical students from the Faculty of Medicine at the University of Indonesia, taking into account the students' gender and GPA. From this research, three major themes were identified, namely (1) Communication and interaction between teaching staff and students in blended learning, (2) Factor of teaching staff in facilitating blended learning, and (3) The adaptation of teaching staff and students in blended learning. Conclusion The blended learning provides flexibility for teaching staff and students in communication and interaction. Regardless of the learning approach and the role of the teaching staff applied, students expect teaching staff to encourage their active participation in learning on various occasions."

"Pandemi Covid-19 membuat metode pembelajaran bauran berpotensi makin sering digunakan dalam pendidikan kedokteran. Berbagai studi menunjukkan bahwa terdapat hubungan antara kemampuan regulasi diri mahasiswa dengan lingkungan pembelajaran bauran. Blended Learning Questionnaire (BLQ) merupakan instrumen yang dikembangkan di University of Western Sydney, Australia untuk mengukur regulasi diri mahasiswa kedokteran dalam lingkungan pembelajaran bauran. Penelitian ini bertujuan untuk memperoleh BLQ versi bahasa Indonesia untuk digunakan pada mahasiswa kedokteran Indonesia.Penelitian ini dilakukan dalam beberapa tahap, yaitu penerjemahan, telaah ahli, wawancara kognitif, uji pilot, dan pengumpulan data akhir dengan BLQ versi bahasa Indonesia. Validitas isi diukur berdasarkan nilai Content Validity Index (CVI). Validitas konstruksi diukur dengan metode exploratory factor analysis (EFA). Reliabilitas diukur dari konsistensi internal dengan nilai Cronbach’s alpha.Seluruh butir pernyataan yang menyusun BLQ versi bahasa Indonesia mendapatkan nilai CVI≥0.83. Hasil EFA mengekstraksi 5 faktor. Faktor 4 dan 5 memiliki nilai Cronbach’s alpha≤0,7. Hasil-hasil tersebut menunjukkan bahwa BLQ versi bahasa Indonesia memiliki validitas isi yang baik untuk mengukur tingkat regulasi diri mahasiswa kedokteran Indonesia dalam lingkungan pembelajaran bauran. Namun, instrumen ini belum memiliki validitas konstruksi yang baik sehingga saat ini belum dapat digunakan pada mahasiswa kedokteran Indonesia. Diperlukan penelitian lebih lanjut untuk meningkatkan validitas konstruksi dan konsistensi internal dari instumen ini.

---

Covid-19 pandemic has made blended learning as a more common learning environment design in medical education. Many studies have shown that there is a relationship between students' self-regulation and blended learning environment. The Blended Learning Questionnaire (BLQ) is an instrument developed at the University of Western Sydney, Australia to measure self-regulation of medical students in a blended learning environment. This study aims to obtain the Indonesian version of the BLQ to be used in Indonesia’s medical education setting.

This research was conducted in several stages, namely translation, expert review, cognitive interviews, pilot testing, and final data collection using the Indonesian version of the BLQ. Content validity is measured based on the value of the Content Validity Index (CVI). Construct validity was measured by exploratory factor analysis (EFA) method. Reliability is measured from internal consistency with Cronbach's alpha value.

All of the items of Indonesian version of the BLQ get CVI≥0.83. EFA results extract 5 factors. Factors 4 and 5 have a Cronbach's alpha value≤0.7. These results indicate that the Indonesian version of the BLQ has good content validity for measuring the level of self-regulation of Indonesian medical students in a blended learning environment. However, this instrument does not have good construct validity so that currently it cannot be used on Indonesian medical students. Further research is needed to improve the construct validity and internal consistency of this instrument."

"Efektivitas suatu inovasi pembelajaran tidak bisa mengabaikan aspek penting karakteristik siswa. Tujuan penelitian ini adalah untuk (1) mendeskripsikan respons siswa SMA terhadap pembelajaran kimia yang di-sampaikan secara blended learning (BL), dan (2) menjaring harapan siswa terhadap konten dan pe-ngelolaan pembelajaran kimia yang disampaikan secara BL. Untuk memperoleh gambaran tentang respons dan harapan siswa tersebut, 140 angket disebarkan secara online ke siswa SMA kelas XI MIA yang tersebar di 7 SMA di 7 kabupaten/kodya di Bali, yaitu SMAN 1 Gianyar, SMAN 1 Side-men Karangasem, SMAN 2 Semarapura, SMAN 5 Denpasar, SMAN 1 Singaraja, SMAN 1 Kuta Utara, dan SMAN 1 Kediri Tabanan. Hasil penelitian menunjukkan bahwa hanya 110 siswa yang mengisi angket respos siswa terhadap BL dan 106 responden yang mengisi angket harapan siswa terhadap konten online dan pengelolaan BL. Siswa SMA memberikan respon yang positif terhadap penerapan BL dan memberikan masukan yang berguna untuk mengembangkan konten online dan pengelolaan BL untuk siswa SMA."

"ABSTRAKSalah satu komponen penting dalam Sistem Monitoring Keamanan Jaringan adalah Intrusion Detection System IDS yang berfungsi untuk mendeteksi setiap potensi serangan yang mengancam keamanan jaringan. Keunggulan sebuah IDS ditentukan oleh kemampuannya untuk mendeteksi serangan siber secara akurat dan mudah beradaptasi terhadap perubahan lingkungan sistem yang terus berkembang. Sebuah IDS yang akurat mampu mendeteksi berbagai jenis serangan secara tepat dengan sedikit kesalahan deteksi false alarm .Penelitian ini merancang dan mengimplementasikan metode machine learning ke dalam IDS yang digunakan untuk mendeteksi serangan dalam jaringan sebenarnya secara akurat dan cepat. Dalam pengembangan model machine learning untuk IDS ini digunakan dataset KDDCUP rsquo;99 dan NSL-KDD. Dengan melakukan analisis pemilihan fitur diperoleh subset 28 fitur dari total 41 fitur dataset KDD yang paling relevan dan dapat diimplementasikan dalam jaringan sebenarnya. Dalam pengembangan model machine learning diperoleh hasil bahwa metode terbaik adalah menggunakan SVM.Pada tahap implementasi digunakan metode multi-stage detection yang memberikan hasil deteksi serangan yang lebih cepat dan akurat. Hasil ujicoba model IDS yang telah dikembangkan menggunakan metode machine learning dengan implementasi multi-stage detection mampu mendeteksi serangan dengan tingkat akurasi sampai 99,37 . Lebih jauh lagi, kecepatan proses deteksi meningkat dengan rata-rata 24 pada data testing dan rata-rata 10 pada lingkungan jaringan sebenarnya.

---

ABSTRACTAn important component in Network Security Monitoring System is Intrusion Detection System IDS . IDS serves to detect any potential attacks that threaten network security. The reliability of an IDS is determined by its ability to detect cyber attacks accurately, and to dynamically adapt to ever-evolving system environment changes. An accurate IDS is able to detect different types of attacks appropriately with minimum false alarm.This research designs and implements machine learning method into IDS to detect actual network attacks accurately and quickly. In the development of machine learning model for IDS, KDDCUP 39;99 and NSL-KDD dataset are used. By performing feature selection analysis, a subset of 28 most relevant features of a total of 41 features of KDD dataset is obtained and can be implemented in the actual network. In the development of machine learning model it is found that the best method for our approach is by using SVM.In the implementation phase the proposed multi-stage detection method provides faster and more accurate attack detection. The experiments also show that combining machine learning method with multi-stage detection implementation improves detection accuracy up to 99.37 . Further, the proposed method increases the average speed of detection process up to 24 in data testing and up to 10 average in the real network environment."