📚 Eksplorasi & Komparasi Topik Dokumen

PEMBANGKITAN NATURALISTIC ADVERSARIAL PATCH MENGGUNAKAN GENERATIVE AI UNTUK EVALUASI KETAHANAN TRAFFIC SIGN RECOGNITION SYSTEM

Traffic Sign Recognition System (TSRS) merupakan komponen krusial pada kendaraan otonom, namun sangat rentan terhadap serangan adversarial. Serangan berbasis patch yang ada saat ini seringkali tidak realistis dan tidak tangguh dalam kondisi dunia nyata yang dinamis. Penelitian ini bertujuan untuk mengembangkan sebuah metode pembangkitan adversarial patch yang naturalistik dan efektif untuk mengevaluasi ketahanan TSRS. Metode ini menggunakan Generative Adversarial Network (GAN) dengan menambahkan modul transformasi yang menyimulasikan penempatan dan pencahayaan realistis, serta menargetkan model deteksi objek modern, YOLOv8. Eksperimen dilakukan menggunakan dataset rambu lalu lintas Indonesia yang dikustomisasi dan dataset Quick, Draw! sebagai sumber seed patch untuk meniru vandalisme umum. Hasil eksperimen menunjukkan bahwa patch yang dihasilkan berhasil menurunkan kinerja model target YOLOv8x dengan Attacking Success Rate (ASR) mencapai 8.02% pada metrik mAP50-95 dalam skenario white-box. Serangan ini juga menunjukkan kemampuan transferabilitas yang cukup tinggi, dengan ASR mencapai 9.85% pada model YOLO12x dalam skenario black-box. Namun, survei subjektif yang melibatkan 24 partisipan mengungkap adanya trade-off fundamental: patch yang paling efektif menyerang secara konsisten dinilai paling tidak natural, dengan skor kenaturalan rata-rata untuk adversarial patch (32.6%) lebih rendah dibandingkan dengan seed patch asli (43.1%). Penelitian ini menggarisbawahi tantangan dalam menyeimbangkan efektivitas serangan dan realisme visual, serta memberikan kontribusi berupa kerangka kerja untuk menghasilkan serangan yang lebih realistis guna pengujian ketahanan TSRS.

PENGEMBANGAN INTRUSION DETECTION SYSTEM PADA LINGKUNGAN INTERNET OF THINGS BERBASIS DEEP REINFORCEMENT LEARNING

Pemanfaatan Internet of Things (IoT) yang meningkat secara eksponensial telah memperluas risiko keamanan akibat banyaknya perangkat yang terhubung. Keterbatasan sumber daya komputasi pada perangkat IoT menjadi tantangan utama, di mana solusi keamanan seperti Intrusion Detection System (IDS) tidak hanya dituntut akurat, tetapi juga harus efisien dan ringan (lightweight) agar dapat diimplementasikan secara praktis. Pada penelitian ini, dikembangkan sebuah IDS dengan mengimplementasikan modul traffic collector, analysis engine, dan aplikasi user interface. Menggunakan dataset CICIoT2023, dibangun sebuah model deteksi berbasis Deep Reinforcement Learning (DRL) dengan algoritma Deep Q-Network (DQN) yang kemudian di-deploy pada perangkat Raspberry Pi 4 Model B. Hasil analisis pengujian menunjukkan bahwa model DRL yang diimplementasikan mampu mendeteksi lalu lintas jaringan dengan metrik F1-Score 0.8142 yang menyeimbangkan antara precision 0.8734 dan recall 0.7814. Dari aspek lightweight, model ini menunjukkan performa yang sangat baik dengan ukuran model hanya 100.40 KB dan latensi inferensi sangat cepat sebesar 11.53 ms, membuktikan potensinya untuk deployment real-time pada perangkat IoT. Meskipun demikian, penggunaan memori statis menjadi tantangan yang teridentifikasi untuk optimisasi di masa depan

HODRICK PRESCOTT (HP) FILTER DAN ALGORITMA GENETIKA UNTUK PERAMALAN JANGKA PENDEK STUDI KASUS : KONSUMSI LISTRIK PELANGGAN TAMBAK UDANG DI PLN SUMBAWA

Penelitian ini berfokus pada peramalan jangka pendek atau harian yang dalam hal ini menggunakan studi kasus konsumsi listrik pelanggan tambak udang di PLN Sumbawa yang dipengaruhi oleh faktor cuaca iklim tropis (2 musim). Data bersumber pada data BPO, BMKG, Library Meteostat dari Januari 2019 hingga Juni 2024. Tantangan pada penelitian ini adalah data cuaca yang nonlinear, outlier, korelasi antar fitur, yang mana dapat berpotensi mengurangi akurasi peramalan. Untuk mengatasi masalah tersebut, pada penelitian ini menerapkan Teknik dekomposisi Hodrick-Prescott (HP) Filter guna mengurai data konsumsi listrik menjadi komponen yang lebih sederhana dan mudah dipahami berupa komponen tren dan siklus. Kedua komponen dijadikan fitur tambahan dan digabungkan dengan data cuaca. Kemudian dilakukan penerapan teknik Algoritma Genetika untuk melakukan seleksi untuk menemukan korelasi dan kombinasi antar fitur. Selain itu deteksi outlier menggunakan Inter Quatile Range (IQR) dan interpolate linear akan berguna agar data lebih representative untuk digunakan, dengan model yang digunakan adalah Bidrectional LSTM (BiLSTM) Hasil eksperimen menunjukkan bahwa kombinasi model BiLSTM dengan HP Filter dan Algoritma Genetika menghasilkan nilai yang lebih baik daripada model BiLSTM. Model HP-GA-BiLSTM meningkatkan nilai akurasi R² 0,21% pada pelanggan A. Pada Pelanggan B nilai akurasi R² meningkat sebanyak 1,75%. Pada Pelanggan C nilai akurasi R² meningkat sebanyak 4,06%. Pada Pelanggan D nilai akurasi R² meningkat sebanyak 4,06% sedangkan pada pelanggan E nilai akurasi R² meningkat sebanyak 2,85%. Hal ini membuktikan kombinasi HP Filter dan Algoritma Genetika efektif meningkatkan akurasi model BiLSTM dalam melakukan peramalan konsumsi listrik pelanggan tambak udang di PLN Sumbawa yang dipengaruhi oleh cuaca iklim 2 musim.

IMPLEMENTASI DAN EVALUASI KINERJA PERANGKAT LUNAK PROSESOR RISC-V DUAL-CORE BERBASIS NEORV32 MENGGUNAKAN TOLOK UKUR BERBASIS TUGAS

Karya tulis ini menganalisis eksekusi komputasi paralel pada DuoRisc, sebuah soft-processor RISC-V 32-bit dual-core. Diimplementasikan pada FPGA yang memiliki keterbatasan sumber daya, seperti Zybo Z7020, DuoRisc menawarkan alternatif berkinerja tinggi yang hemat biaya dibandingkan dengan arsitektur set instruksi (ISA) berlisensi. Tugas ini berfokus pada pemahaman dan optimasi kapabilitas komputasi DuoRisc melalui paralelisasi algoritma yang efisien pada sistem memori bersama (shared memory) yang sederhana. Beragam algoritma komputasi seperti perkalian matriks, konvolusi, merge sort, dan demo Tetris diimplementasikan dan dianalisis sebagai kasus uji, yang merepresentasikan berbagai pola komputasi. Analisis mencakup dependensi tugas, pembagian (partisi) tugas, strategi alokasi, dan evaluasi kinerja. Metrik yang digunakan seperti siklus CPU, throughput, dan speedup (percepatan) untuk membandingkan implementasi paralel dengan implementasi serialnya. Temuan utama menunjukkan potensi kuat DuoRisc untuk kinerja paralel pada beban kerja data-parallel yang berat, menghasilkan percepatan ~1,5x-1,6x untuk perkalian matriks dan konvolusi. Namun, percepatan dibatasi oleh komponen serial (~1,4x untuk merge sort) dan overhead yang signifikan pada tugas-tugas kecil atau akibat sinkronisasi yang berlebihan (misalnya, penurunan kinerja pada demo Tetris karena busy-waiting). Karya tulis ini berkontribusi dalam studi kasus empiris dan panduan praktis untuk mengoptimalkan aplikasi multi-core dalam komunitas embedded NEORV32 maupun RISC-V.

PENGEMBANGAN APLIKASI UJIAN BERBASIS WEB UNTUK PENYANDANG DISABILITAS PENGLIHATAN (PDP) DENGAN PENGGUNAAN TEXT TO SPEECH DAN SPEECH TO TEXT

Sistem ujian di Indonesia bagi penyandang disabilitas penglihatan (PDP) masih kebanyakan dilakukan dengan penggunaan kertas braille serta ujian secara lisan. Penggunaan sistem ujian berbasis komputer itu sendiri masih terbatas pada ujian berskala nasional saja. Jumlah PDP di Indonesia secara persentase bisa dibilang kecil di angka 1.5%, namun dengan penduduk Indonesia yang berjumlah 270 juta orang, 1.5%-nya adalah 4 juta penduduk. Teknologi Text to Speech dan Speech to Text yang terus berkembang seiring waktu dapat menjadi salah satu solusi agar dapat menciptakan sebuah sistem ujian berbasis web yang dapat menjadi alternatif pelaksanaan ujian bagi PDP. Pengembangan perangkat lunak akan dilakukan secara bertahap dengan menggunakan metode waterfall, mulai dari Planning, Design, Implementation, Testing. Proses testing dilakukan dengan 3 metode, pengujian dengan skenario, pengujian secara langsung kepada non-PDP dan pengujian secara langsung dengan PDP. Hasil dari pengujian yang dilakukan kemudian akan ditambahkan kepada sistem. Perangkat lunak yang dihasilkan dapat dipergunakan dengan baik oleh PDP, namun masih ada beberapa kekurangan seperti perlunya tambahan perintah suara untuk fungsi khusus atau perlunya tambahan perangkat keras lainnya untuk mempermudah proses ujian.

Observatorium Imahnoong merupakan sebuah bangunan yang di dalamnya terdapat sebuah teropong bintang. Saat ini, teropong Imahnoong dapat dikendalikan melalui komputer. Apabila ingin mengaksesnya secara remote, maka harus diatur secara manual dengan menggunakan AnyDesk. Tugas Akhir ini menghasilkan implementasi dari akses jarak jauh ke teleskop Imahnoong yang saat ini belum memiliki kemampuan nirkabel dan terkendala oleh lokasi fisik. Masalah yang terjadi adalah tidak adanya antarmuka berbasis jaringan lokal untuk mengendalikan teleskop dengan menggabungkan kebutuhan-kebutuhan fungsional melalui pendekatan Internet of Things (IoT). Dalam pengerjaan tugas akhir ini, dikembangkan sistem yang mampu mengeksekusi perintah secara real-time dan akurat melaluijaringan dan menyediakan akses data penelitian darijarakjauh tanpa menghalangi penggunaan teleskop secara lokal sebagai bentuk integrasi dengan infrastruktur yang sudah ada. Cakupan dari tugas akhir ini meliputi hal-hal sebagai berikut: kendali melalui jaringan lokal dengan mengasumsikan perangkat pengendali yang terhubung sudah diotorisasi, dan kompatibilitas yang luas pada berbagai sistem operasi milik pengguna. Cakupan tersebut mengecualikan akses yang berbasis intemet dan generalisasi ke teleskop selain Imahnoong. Pengembangan dilakukan dengan metodologi Agile, yang melibatkan tahapan­tahapan iteratif untuk identifikasi persyaratan, perancangan sistem, implementasi, pengujian, dan evaluasi. Temuan-temuan utama menunjukkan bahwa sistem yang diimplementasikan dapat melakukan perintah secara real-time, menggunakan protokol yang dioptimalkan untuk kinerja sistem, memungkinkan akuisisi data jarak jauh, dan kompatibel dengan arsitektur yang ada. Sistem antarmuka ini diharapkan dapat meningkatkan kemampuan Imahnoong untuk penelitian astronomi dengan memungkinkan operasi jarak jauh dan membuka jalan bagi perluasan IoT di masa mendatang.

PENGEMBANGAN APLIKASI BERBASIS WEB UNTUK SISTEM PENGENDALIAN TELESKOP OBSERVATORIUM IMAHNOONG SECARA REMOTE

Pengembangan sistem pengendalian teleskop Observatorium Imahnoong secara remote bertujuan untuk memungkinkan pengguna mengakses dan mengoperasikan teleskop melalui jaringan internet secara aman, terpusat, dan real-time tanpa perlu hadir secara fisik di lokasi. Dalam tugas akhir ini, tujuan tersebut diwujudkan melalui aplikasi web yang menyediakan antarmuka komunikasi antara pengguna dan antarmuka sistem teleskop. Aplikasi dibuat untuk menyediakan layanan bagi astronom agar dapat menggunakan teleskop Imahnoong secara remote melalui jaringan internet. Studi ini berfokus pada pengembangan backend dan frontend aplikasi web yang memungkinkan kontrol dan pemantauan teleskop secara real-time melalui jaringan internet. Protokol WebSocket digunakan untuk mengimplementasikan komunikasi dua arah yang rendah latency antara server dan klien, termasuk untuk streaming video langsung dari observatorium. Sistem diuji dengan simulasi perintah kendali dan pemantauan visual, menunjukkan bahwa komunikasi berjalan stabil dan responsif. Hasilnya menunjukkan bahwa aplikasi web yang dibangun dapat menjadi dasar bagi sistem kendali teleskop jarak jauh tanpa ketergantungan pada antarmuka fisik lokal. Solusi ini berpotensi meningkatkan pengamatan dan riset astronomi di Indonesia dan dapat menjadi dasar untuk integrasi multi-teleskop di Indonesia.

PENGEMBANGAN BACKEND SISTEM DETEKSI GOLONGAN DAN PELAT NOMOR KENDARAAN DI JALAN TOL PADA INFRASTRUKTUR RENDAH

Pertumbuhan volume kendaraan yang pesat di Indonesia menuntut adanya solusi teknologi yang cerdas untuk manajemen lalu lintas. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah arsitektur backend yang mendukung sistem deteksi golongan dan pelat nomor kendaraan yang memanfaatkan stream video dari infrastruktur CCTV yang sudah ada. Metodologi yang digunakan adalah model Waterfall, yang mencakup tahapan perancangan, implementasi, dan pengujian secara sekuensial. Solusi yang dikembangkan mengadopsi pendekatan arsitektur layanan terpisah, terdiri dari dua komponen utama: model service untuk pemrosesan visual dan data service untuk manajemen data. Hasil dari penelitian ini adalah sebuah prototipe arsitektur backend yang fungsional. Melalui serangkaian pengujian, sistem telah terbukti berhasil mengorkestrasi alur data secara end-to-end dengan menangani beberapa stream video secara konkuren dan menyediakan layanan data sesuai dengan rancangan. Arsitektur yang dikembangkan ini menunjukkan kelayakan sebagai fondasi untuk sistem pemantauan kendaraan cerdas yang lebih luas.

PENGEMBANGAN ANTARMUKA WEB UNTUK SISTEM MONITORING DETEKSI GOLONGAN DAN PELAT NOMOR KENDARAAN SECARA REAL-TIME DI JALAN TOL PADA INFRASTRUKTUR RENDAH

Kemacetan di jalan tol Indonesia memerlukan solusi Intelligent Transportation Systems (ITS) yang efisien dan terjangkau. Tugas akhir ini berfokus pada pengembangan antarmuka web untuk sistem monitoring deteksi golongan dan pelat nomor kendaraan secara real-time yang dirancang untuk beroperasi pada infrastruktur rendah menggunakan CCTV generik. Tujuannya adalah membangun antarmuka yang intuitif dan responsif sebagai alat pendukung keputusan bagi operator. Sistem ini dikembangkan sebagai Single-Page Application (SPA) dengan stack teknologi modern (React.js, Vite, Tailwind CSS) dan arsitektur client-server. Komunikasi data real-time menggunakan WebSocket, sementara data historis dikelola melalui REST API. Hasil pengujian menunjukkan fungsionalitas sistem 100% berhasil dan kinerja yang sangat memuaskan berdasarkan skor Google Lighthouse (Performance 97, Accessibility 100). Dengan waktu muat cepat (Largest Contentful Paint 1.0 detik), ukuran build ringan (1.2 MB), dan penggunaan memori yang stabil, aplikasi ini terbukti efisien dan cocok untuk implementasi pada infrastruktur rendah. Proyek ini berhasil membuktikan kelayakan pengembangan solusi ITS yang hemat biaya dan dapat diskalakan untuk menjawab tantangan transportasi di Indonesia.

PENGENALAN MICRO-EXPRESSION MENGGUNAKAN TRANSFER LEARNING DARI MACRO-EXPRESSION DENGAN PENDEKATAN SPASIAL-TEMPORAL

Pengenalan micro-expression merupakan tantangan dalam bidang computer vision akibat durasi ekspresi yang singkat, intensitas rendah, serta keterbatasan data pelatihan. Penelitian ini mengajukan sebuah kerangka kerja spasial-temporal berbasis transfer learning yang efektif untuk mengatasi masalah tersebut. Pendekatan yang diusulkan mengadaptasi dua model state-of-the-art (SOTA) dari domain macro-expression, yaitu DDAMFN++ dan POSTER++, untuk mengekstraksi fitur spasial. Selanjutnya, fitur spasial tersebut diintegrasikan dengan Temporal Convolutional Network (TCN) untuk menangkap dinamika temporal yang sangat penting dalam pengenalan micro-expression. Evaluasi kinerja model dilakukan dengan skema validasi Leave-One-Subject-Out (LOSO) serta cross-dataset validation pada tiga dataset benchmark, yaitu CASME 11, SAMM, dan SMIC. Hasil eksperimen menunjukkan bahwa pendekatan hibrida POSTER++ TCN berhasil mencapai performa terbaik dengan nilai Unweighted F 1-score (UFl) sebesar 90% dan Unweighted Average Recall (UAR) sebesar 90% pada dataset CASME 11 (3 kelas), secara signifikan mengungguli metode-metode baseline. Penelitian ini membuktikan bahwa kombinasi transfer learning dari model ekstraksi fitur spasial yang kuat dengan analisis temporal yang tepat dapat meningkatkan performa pengenalan micro-expression secara efektif.

DETEKSI KERENTANAN SQL INJECTION PADA APLIKASI DENGAN KERANGKA KERJA DJANGO MENGGUNAKAN GRAPH NEURAL NETWORK

Popularitas Python dan kerangka kerja Django dalam pengembangan aplikasi web telah menciptakan risiko keamanan yang signifikan, terutama kerentanan SQL Injection. Meskipun Django memiliki Object-Relational Mapper (ORM) untuk keamanan, pengembang sering kali menggunakan kueri SQL mentah yang membuka celah serangan. Pendekatan deteksi saat ini seperti Static Application Security Testing (SAST) sering kali tidak dapat diandalkan karena menghasilkan banyak false positive. Kelemahan ini muncul karena alat tersebut gagal memahami konteks kode secara menyeluruh, bahkan ketika menggunakan representasi graf tunggal seperti Abstract Syntax Tree (AST), Control Flow Graph (CFG), atau Data Flow Graph (DFG) yang masing-masing memiliki keterbatasan dalam melacak aliran data dan kontrol secara bersamaan. Penelitian ini mengatasi tantangan tersebut dengan mengembangkan sebuah kakas deteksi kerentanan yang memanfaatkan graph neural network melalui model Devign. Inovasi utamanya adalah penggunaan representasi graf gabungan yang mengintegrasikan AST, CFG, dan DFG untuk menangkap semantik program secara komprehensif. Hasil pengujian membuktikan bahwa pendekatan gabungan ini adalah yang paling efektif, dengan mampu mencapai akurasi deteksi sebesar 90.9%. Akan tetapi, kakas yang diusulkan belum dapat mengungguli performa alat analisis statis seperti Bandit, meskipun dibangun di atas representasi graf yang lebih kompleks dibandingkan Bandit yang hanya berbasis AST dan aturan.

PENGEMBANGAN FRONT END DAN MEKANISME PEMBATASAN AKSES DATA UNTUK SALES DASHBOARD

PT ABCD, sebuah perusahaan Fast-Moving Consumer Goods (FMCG), memanfaatkan sales dashboard berbasis Tableau Server untuk visualisasi data penjualan bagi 170-180 pengguna aktif. Permasalahan utama yang dihadapi adalah ketiadaan mekanisme pembatasan akses data yang relevan dengan peran pengguna dan keterbatasan desain antarmuka yang menghambat efektivitas analisis. Tugas Akhir ini bertujuan untuk mengembangkan sebuah sales dashboard baru yang mampu mengatasi kedua masalah tersebut dengan merancang mekanisme kontrol akses yang sesuai dengan peran dan tanggung jawab pengguna, serta membangun modul frontend yang memenuhi kebutuhan visualisasi data secara efektif. Pendekatan yang digunakan adalah pengembangan perangkat lunak dengan arsitektur modular yang mengimplementasikan model hybrid Role-Based Access Control (RBAC) dan Attribute-Based Access Control (ABAC) yang terintegrasi dengan dynamic row-level security. Solusi ini menggunakan Django REST Framework sebagai Identity Provider dan Vue.js untuk presentation layer. Hasil dari implementasi ini menunjukkan bahwa mekanisme pembatasan akses berhasil membatasi data berdasarkan atribut area, brand, dan channel sesuai dengan peran dan atribut kontekstual pengguna melalui token JWT. Perangkat lunak yang dikembangkan juga berhasil mengatasi masalah keterbacaan label pada visualisasi, menyediakan fitur pagination untuk tabel data besar, dan memberikan informasi kontekstual melalui tooltips. Pengujian end-to-end dengan data analyst PT ABCD menunjukkan bahwa seluruh fungsionalitas sistem berjalan sesuai spesifikasi, dengan 10 dari 10 skenario pengujian memberikan hasil yang diharapkan. Dengan demikian, sales dashboard yang dikembangkan telah berhasil memenuhi kebutuhan PT ABCD dalam pengelolaan akses data yang aman dan penyajian informasi yang efektif.

IMPLEMENTASI AUTENTIKASI BERBASIS PASSKEY DAN PEMULIHAN BERBASIS SEED PHRASE PADA PASSWORD MANAGER

Ketergantungan pada autentikasi berbasis password menjadi tantangan fundamental dalam keamanan digital. Meskipun password manager ada untuk mengelola kredensial, arsitektur yang umum digunakan saat ini masih bergantung pada satu titik kelemahan kritis: master password. Ketergantungan pada rahasia tunggal ini membuka celah terhadap serangan siber seperti phishing dan credential stuffing, yang dapat mengkompromikan seluruh data pengguna. Kinerja pendekatan saat ini semakin dibatasi oleh mekanisme pemulihan akses yang bergantung pada platform pihak ketiga seperti SMS atau email. Ketergantungan eksternal ini menciptakan vektor serangan baru, penyerang dapat mengambil alih akun melalui pembajakan kartu SIM (SIM swapping) atau serangan pada akun email, menjadikan model keamanan yang ada sebagai rantai kelemahan. Penelitian ini mengembangkan arsitektur password manager baru yang mengubah paradigma keamanan dengan mengimplementasikan passkey berbasis standar FIDO sebagai metode autentikasi utama, sehingga berhasil mengeliminasi kerentanan terkait master password. Sebagai metode pemulihan, digunakan seed phrase kriptografis yang memberikan kedaulatan penuh kepada pengguna. Hasil evaluasi menunjukkan arsitektur ini secara signifikan lebih unggul dari sisi keamanan. Evaluasi kemudahan penggunaan dengan metode System Usability Scale (SUS) menghasilkan skor 75,25, yang mengindikasikan bahwa solusi yang ditawarkan unggul dari sisi kemudahan penggunaan. Meskipun demikian, mekanisme pemulihan berbasis seed phrase teridentifikasi sebagai tantangan baru bagi pengguna awam.

DESAIN INTERAKSI GAMIFIKASI UNTUK PEMBELAJARAN DAN PENGUJIAN EMOTIONAL, SOCIAL, SERTA ADVERSITY QUOTIENT

Emotional Quotient (EQ), Social Quotient (SQ), dan Adversity Quotient (AQ) merupakan bagian dari domain kecerdasan yang esensial dalam kehidupan sehari-hari, tetapi belum didukung oleh adanya aplikasi atau website pembelajaran dan pengujian yang terintegrasi. Sebagian besar fasilitas belajar hanya cenderung berfokus kepada satu domain kecerdasan saja dengan pengalaman pembelajaran dan pengujian yang kurang menarik, minim variasi media, hingga desain antarmuka yang belum mendukung kemudahan serta keterlibatan pengguna. Tugas akhir ini bertujuan untuk mengembangkan solusi desain interaksi yang melibatkan komponen gamifikasi untuk mendukung proses pembelajaran EQ, SQ, dan AQ. Pengembangan dilakukan dengan menggunakan metodologi user-centered design (UCD) sesuai dengan standar internasional ISO 9241-210:2010. UCD dipilih karena desain interaksi yang dikembangkan perlu melibatkan karakterstik, permasalahan, hingga kebutuhan pengguna untuk memastikan solusi desain telah mencapai user experience goals dan usability goals. Hasil akhir dari tugas akhir ini berupa prototipe high-fidelity dari aplikasi pembelajar dan pengujian domain kecerdasan EQ, SQ, dan AQ yang telah diuji selama dua kali iterasi oleh lima partisipan. Berdasarkan evaluasi akhir, solusi desain dinyatakan dapat memenuhi user experience goals dan usability goals dengan Task Completion Rate bernilai 100%, Number of Errors bernilai 0 (tidak ada error), Time on Task sebesar 74,98 detik, Single Ease Question (SEQ) mencapai 6,95 dari 7, System Usability Scale (SUS) bernilai 90 dari 100, User Experience Scale mencapai 4,7 dari 5, IMI: Value/Usefulness sebesar 6,77 dari 7, serta Net Promoter Scale mencapai 9,8 dari 10. Pengukuran kuantitatif tersebut menunjukkan bahwa solusi desain berhasil menciptakan pengalaman pengguna yang efektif, efisien, menarik dan menyenangkan, relevan, dan mendukung keterlibatan pengguna dalam proses pembelajaran dan pengujian EQ, SQ, dan AQ secara menyeluruh. Dengan demikian, hasil perancangan ini diharapkan dapat menciptakan pengalaman interaksi yang intuitif, memuaskan, dan mendorong keterlibatan secara optimal.

PEMBANGUNAN SISTEM DETEKSI DAN PENCEGAHAN INTRUSI (IDPS) PADA LINGKUNGAN CLOUD

Pesatnya adopsi komputasi awan (cloud computing) menghadirkan tantangan besar dalam aspek keamanan terhadap ancaman seperti Distributed Denial of Service (DDoS), eksploitasi kerentanan, dan port scanning, sementara implementasi Intrusion Detection and Prevention System (IDPS) di lingkungan cloud sering terkendala oleh penurunan kinerja dan konsumsi sumber daya yang tinggi. Untuk mengatasi tantangan tersebut, penelitian ini mengembangkan IDPS berbasis arsitektur cloud-native yang mengintegrasikan deteksi berbasis signature dan anomali menggunakan Zeek untuk analisis jaringan dan Wazuh untuk pemantauan host. Sistem ini diuji di Google Cloud Platform dengan model machine learning Isolation Forest dan Local Outlier Factor (LOF) yang dilatih pada dataset CIC-IDS2017 dan AIT_IDS. Hasil evaluasi menunjukkan bahwa integrasi model Local Outlier Factor (LOF), yang terbukti lebih unggul, mampu meningkatkan deteksi anomali secara signifikan dengan akurasi mencapai 99,83% pada lalu lintas jaringan (Zeek) dan 99,43% pada log sistem (Wazuh) dalam skenario simulasi serangan zero-day. Dari sisi kinerja, pengujian benchmark menggunakan sejumlah tools simulasi menunjukkan bahwa sistem ini sangat efisien, di mana implementasi pada Wazuh bahkan meningkatkan throughput requests/sec pada layanan web sebesar 2,86%. Hasil ini membuktikan bahwa sistem yang dikembangkan tidak hanya akurat tetapi juga efisien, sehingga layak digunakan pada server berspesifikasi rendah di lingkungan cloud.