📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 101,300 dokumenPRODUCT MANAGEMENT APLIKASI PERENCANAAN PEMBANGUNAN RUMAH
Sebagian besar masyarakat Indonesia membangun rumah secara mandiri tanpa melibatkan jasa profesional khususnya arsitek karena keterbatasan pemahaman, biaya, dan akses, sehingga menghasilkan rumah yang kurang memenuhi prinsip dasar arsitektur, terutama aspek keindahan (venustas). Untuk menjawab permasalahan ini, dikembangkanlah BuildBetter, aplikasi mobile yang membantu perencanaan pembangunan rumah melalui rekomendasi desain terpersonalisasi, konsultasi arsitek, dan edukasi persiapan pembangunan. Fokus tugas akhir ini adalah pada Product Management aplikasi BuildBetter dengan menggunakan pendekatan Double Diamond Framework dan metode Iterative Development melalui empat tahap: Discover, Define, Develop, dan Deliver. Evaluasi dilakukan melalui User Acceptance Testing (UAT) pada tiga iterasi pengembangan serta UAT akhir, dengan hasil menunjukkan aplikasi telah memenuhi kebutuhan pengguna dan mencapai product fit, ditandai tingkat penyelesaian skenario UAT sebesar 100% serta rata-rata tingkat keterbantuan pengguna terhadap keberadaan fitur-fitur di aplikasi yang mencapai angka di atas 4,5 dari skala 5. Meskipun demikian, ada pula pengembangan lanjutan di luar cakupan tugas akhir ini untuk mencapai productmarket fit secara optimal.
IDENTIFIKASI GEN DAN KLASIFIKASI LEUKEMIA MELALUI PENDEKATAN MACHINE LEARNING
Leukemia merupakan salah satu jenis kanker dengan jumlah kasus terbanyak di dunia dan di Indonesia. Keterlambatan diagnosis menjadi salah satu penyebab tingginya jumlah kasus ini. Gejala dari leukemia yang tidak spesifik menjadi tantangan dalam melakukan diagnosis. Selain itu, jenis kanker ini dapat menyerang berbagai tipe sel darah putih dengan karakteristik yang berbeda-beda sehingga menyulitkan diagnosis yang tepat. Diagnosis leukemia tidak cukup hanya dengan menentukan apakah seseorang memiliki leukemia, tetapi juga dengan mencari tahu tipe leukemia yang diderita oleh pasien agar dapat diberikan pengobatan yang tepat dan spesifik. Kemajuan teknologi sequencing DNA mendukung pengambilan informasi genetik pada manusia yang lebih cepat. Sequencing keseluruhan data genetik manusia dapat dilakukan dengan lebih cepat dan mudah. RNA-seq sebagai salah satu metode sequencing keseluruhan data genetik semakin sering digunakan dalam studi-studi terkait kanker. Peningkatan penggunaan RNAseq dalam studi-studi ini meningkatkan potensi pemanfaatan data ekspresi gen dalam membantu diagnosis kanker, terutama leukemia. Kesulitan dalam penggunaan data ekspresi gen adalah dimensinya yang tinggi. Hal ini menyulitkan analisis data secara manual. Beberapa riset telah mencoba memanfaatkan machine learning untuk melakukan klasifikasi leukemia dari data ekspresi gen ini. Namun, riset-riset yang berfokus pada data dari RNA-seq masih terbatas. Selain itu, risetriset yang dilakukan kebanyakan hanya melakukan klasifikasi terhadap 2 kelas leukemia saja. Tugas akhir ini berfokus pada identifikasi gen dan klasifikasi leukemia dari data ekspresi gen yang diperoleh dari RNA-seq. Dataset yang digunakan memiliki 5 kelas, yaitu ALL, AML, CLL, CML, dan non-leukemia. Dataset diambil dari basis data TCGA dan GEO. 39 dataset yang diperoleh ini diintegrasi menjadi satu dataset besar. Dataset ini melalui beberapa tahapan preprocessing sebelum dilakukan pemilihan fitur. Data ekspresi gen yang belum diproses ini perlu melalui tahapan normalisasi antarsampel dan transformasi data. Untuk mengurangi batch effect akibat sumber data yang berbeda-beda, dilakukan koreksi batch effect. Analisis 2 differentially expressed genes (DEG) dilakukan untuk memperoleh gen-gen yang memiliki nilai ekspresi berbeda. Fitur-fitur penting dipilih melalui 3 metode, yaitu MRMR, LASSO, dan Random Forest. Fitur-fitur ini kemudian diuji pada 4 model machine learning, yaitu SVM, KNN, Random Forest, dan Naive Bayes. Pengaruh pengurangan dimensi dengan PCA juga diuji pada model ini. Dari pemilihan fitur, diambil 30, 40, dan 50 fitur penting dari masing-masing metode. Fitur-fitur terpilih ini merupakan fitur-fitur yang memiliki korelasi tinggi terhadap label dan memiliki ekspresi yang tinggi pada salah satu label. Model-model machine learning menunjukkan performa di atas 90% untuk metrik akurasi, f1 score, precision, recall, dan AUC. Performa paling baik ditunjukkan oleh model Random Forest yang menggunakan 4 principal component dari 30 fitur yang dipilih MRMR-MIQ. Model ini menunjukkan performa 100% pada metrik yang digunakan. Dari model ini, gen C21orf2, SSSCA1, dan LINC00282 merupakan fitur dengan nilai relevansi tertinggi terhadap label. Model Random Forest juga dicoba terhadap 2 fitur tertinggi dari masing-masing metode. Model dengan 2 fitur tertinggi dari MRMR ini menunjukkan performa lebih dari 99% pada seluruh metrik. Hasil ini menunjukkan potensi penggunaan data ekspresi gen dari RNA-seq dengan machine learning sebagai metode klasifikasi leukemia multi-class yang akurat.
DETEKSI KEJANG EPILEPSI BERBASIS SINYAL EEG: PERBANDINGAN MODEL KLASIFIKASI DAN PENDEKATAN PEMILIHAN KANAL EFISIEN
Kejang epilepsi merupakan kejang yang disebabkan oleh aktivitas sinyal otak yang abnormal. Dengan begitu, EEG menjadi salah satu cara yang paling umum digunakan untuk diagnosis kejang epilepsi. Namun, proses review manual memakan banyak waktu dan rentan kesalahan akibat kompleksitas sinyal EEG. Berdasarkan itu, banyak dikembangkan automasi deteksi EEG berbasis machine learning. Terdapat berbagai macam dataset EEG yang tersedia terkait dengan kejang epilepsi. Dataset satu kanal banyak digunakan dalam penelitian, sementara dataset multi kanal lebih merepresentasikan kondisi praktikal. Dataset yang digunakan pada penelitian ini adalah dataset Bonn dan Hauz Khas sebagai dataset satu kanal, serta dataset Siena sebagai dataset multi kanal. Sebelum diklasifikasi menjadi kejadian kejang epilepsi atau bukan kejadian kejang epilepsi, ketiga dataset tersebut melalui tahapan preprocessing berupa bandpass filter, ekstraksi 19 fitur, serta optimasi kanal (khusus dataset Siena). Untuk tahapan klasifikasi, dibandingkan empat model machine learning konvensional, yaitu Random Forest, KNN, SVM RBF, dan SVM Poly dalam kemampuan generalisasi mereka pada tiga dataset EEG. Penelitian ini juga membandingkan dua pendekatan pemilihan kanal pada dataset Siena. Metode yang digunakan adalah cumulative feature importances serta NSGA-II. Secara rata-rata, Random Forest menunjukkan performa keseluruhan yang sangat stabil dan tinggi di ketiga dataset, dengan rata-rata akurasi 97.16%, sensitivitas 96%, spesifisitas 97.33%, dan F1 score 95.72%, menjadikannya model yang paling robust di antara keempat model yang diuji. Random Forest juga memiliki performa yang superior dan stabil untuk seluruh konfigurasi kanal pada percobaan khusus dataset Siena. Dari hasil, kanal tunggal Fp1 dan 5 kanal hasil channel importances sudah memberikan informasi yang cukup untuk mencapai performa yang baik. Namun, metode optimasi kanal menggunakan NSGA-II secara umum memberikan hasil yang lebih unggul dengan F1 score 99.09% pada konfigurasi NSGA-II 5 kanal menggunakan model Random Forest.
PERANCANGAN METODE EVALUASI ARSITEKTUR PERANGKAT LUNAK BERBASIS SKENARIO UNTUK PROCEDURAL CONTENT GENERATION PADA GIM DIGITAL
Industri gim didominasi oleh pengembang gim independen yang umumnya memiliki keterbatasan sumber daya. Procedural content generation atau PCG menjadi solusi yang relevan bagi pengembang gim independen untuk menghasilkan konten dalam gim digital dengan kebutuhan sumber daya lebih sedikit. Namun, implementasi sistem PCG memunculkan kebutuhan-kebutuhan kualitas tersendiri. Kebutuhan kualitas tersebut dapat dibantu dengan arsitektur perangkat lunak yang sesuai. Metode evaluasi arsitektur perangkat lunak dapat digunakan untuk menilai kesesuaian tersebut. Saat ini, belum terdapat sebuah metode evaluasi arsitektur perangkat lunak yang khusus untuk mengevaluasi sebuah sistem PCG. Oleh karena itu, akan diajukan sebuah metode evaluasi arsitektur berbasis skenario untuk pengembang gim independen agar dapat mengevaluasi rancangan arsitektur sistem PCG. Metode ini divalidasi menggunakan Technology Acceptance Model (TAM) dan dinilai dengan metrik perceived usefulness (PU) dan perceived ease of use (PEOU). Nilai metrik yang didapatkan untuk PU sebesar 3,96 dan PEOU sebesar 3,54. Dari hasil evaluasi, dapat disimpulkan bahwa metode yang dihasilkan cukup cocok untuk digunakan walaupun kemudahan penggunaan masih dapat ditingkatkan.
PENGEMBANGAN TENSIMETER DIGITAL BERBASIS SUARA KOROTKOFF
Tekanan darah merupakan salah satu parameter fisiologis utama yang berperan penting dalam menilai kondisi kesehatan sistem kardiovaskular. Pengukuran tekanan darah secara non-invasif umumnya dilakukan dengan metode auskultasi menggunakan stetoskop dan manometer, namun keakuratannya sangat bergantung pada keterampilan pengguna. Tugas akhir ini bertujuan untuk mengembangkan prototipe pengukuran tekanan darah otomatis berbasis deteksi suara Korotkoff secara digital. Metode yang digunakan melibatkan pemrosesan sinyal suara dari mikrofon elektret yang dilengkapi dengan filter bandpass (fL ? 20,4 Hz dan fH ? 204,2 Hz), serta pembacaan tekanan menggunakan sensor MPS20N0040D-S dan modul HX710B. Kalibrasi dilakukan untuk mengubah sinyal tekanan menjadi nilai tekanan aktual. Hasil pengujian menunjukkan bahwa prototipe memiliki performa yang baik dengan nilai MAE sebesar 3,14 mmHg (sistolik) dan 3,24 mmHg (diastolik), serta nilai R² masing-masing sebesar 0,870 dan 0,893. Prototipe memenuhi kriteria akurasi standar AAMI dengan bias ± simpangan baku sebesar -1,82 ± 3,37 mmHg (sistolik) dan -0,96 ± 3,79 mmHg (diastolik), serta memenuhi Grade A berdasarkan standar BHS karena 84% data sistolik dan 78% data diastolik berada dalam selisih ±5 mmHg. Hasil ini menunjukkan bahwa sistem yang dikembangkan memiliki potensi sebagai alternatif alat pengukur tekanan darah otomatis yang akurat dan andal.
PENGEMBANGAN POTENTIOSTAT UNTUK IDENTIFIKASI KONSENTRASI GLUKOSA PADA SAMPEL UJI
Urin merupakan medium non-invasif yang sangat potensial untuk diagnosis penyakit karena sensitivitasnya dalam merefleksikan perubahan metabolik tubuh. Glukosa dalam urin (glukosuria), khususnya pada konsentrasi di atas 25 mg/dL (?1,4 mM), adalah biomarker penting untuk deteksi dini dan diagnosis berbagai kondisi patologis seperti diabetes mellitus dan disfungsi ginjal. Meskipun demikian, pengembangan biosensor berbasis urin menghadapi tantangan, salah satunya adalah kurangnya perangkat potensiostat yang dioptimalkan untuk rentang pengukuran arus yang relevan. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan menguji akurasi potensiostat yang dikembangkan dari spesifikasi potentiostat open-source KickStat. Penelitian ini memiliki fokus utama pada perluasan rentang pengukuran arus agar perangkat memiliki kemampuan mengukur rentang arus yang lebih definitif dan mencakup keseluruhan rentang arus yang relevan dengan kondisi glukosuria. Potentiostat dikembangkan dengan menggunakan mikrokontroler Seeduino XIAO SAMD21 dan analog front-end LMP91000 untuk mampu melakukan pengukuran cyclic voltammetry dan chronoamperometry. Potentiostat diimplementasikan pada printed circuit board berukuran 4,9 cm x 5,9 cm dan mampu memberikan tegangan sweep sebesar ±600 mV dengan resolusi tegangan 5 mV serta memiliki tujuh rentang pengukuran arus, yaitu ±600,00 ?A (resolusi 292,97 nA), ±471,43 ?A (resolusi arus 230,19 nA), ±235,71 ?A (resolusi arus 115,10 nA), ±117,86 ?A (resolusi arus 57,55 nA), ±47,14 ?A (resolusi arus 23,02 nA), ±13,75 ?A (resolusi arus 6,71 nA), dan ±4,71 ?A (resolusi arus 2,30 nA). Hasil penelitian menunjukkan bahwa potensiostat yang dikembangkan berhasil mengidentifikasi variasi konsentrasi glukosa dari 1,1 mM hingga 10 mM karena mampu mendiferensiasikan besar nilai arusnya sesuai dengan peningkatan konsentrasi. Pengujian akurasi relatif terhadap potentiostat komersial Palmsens4 menunjukkan tingkat kesesuaian yang sangat baik, yaitu sebesar 88,6% untuk metode CV dan 92,7% untuk metode CA pada pengukuran variasi konsentrasi glukosa.
PREDIKSI PEMBEBANAN PADA GARDU INDUK MENGGUNAKAN METODE ARIMA DAN LSTM STUDI KASUS : GARDU INDUK TRISAKTI DI KALIMANTAN SELATAN
Ketersediaan energi listrik yang stabil dan andal merupakan faktor krusial dalam mendukung aktivitas masyarakat di berbagai sektor, termasuk rumah tangga, industri, dan layanan publik. Gardu Induk sebagai komponen vital dalam sistem tenaga listrik memiliki peranan penting dalam menjamin kontinuitas penyaluran energi dari jaringan transmisi ke distribusi. Namun, gangguan pada Gardu Induk akibat faktor internal maupun eksternal masih menjadi tantangan utama dalam menjaga keandalan pasokan listrik. Prediksi beban menjadi langkah strategis dalam mencegah terjadinya kelebihan beban (overload) yang dapat menyebabkan gangguan sistem. Penelitian ini bertujuan untuk membangun model prediksi beban listrik di Gardu Induk dengan memanfaatkan data historis beban dan data gangguan Gardu Induk. Metode yang digunakan adalah ARIMA dan LSTM, serta mempertimbangkan perbedaan pola konsumsi listrik antara hari kerja (weekday) dan akhir pekan (weekend). Penambahan fitur meningkatkan akurasi prediksi. Hasil dari penelitian ini mampu memberikan kontribusi dalam pengembangan sistem peringatan dini terhadap potensi overload, serta meningkatkan keandalan dan efisiensi operasional sistem kelistrikan.
MEMPERBAIKI KINERJA ISOLATOR KERAMIK PASANG LUAR DENGAN LAPISAN MATERIAL BARU
Indonesia merupakan negara yang memiliki iklim tropis dengan waktu paparan sinar matahari siang hari sekitar 12 jam, suhu 16-35 °C dan kelembaban relatif mendekati 100% dari suhu awal dengan curah hujan tahunan cukup tinggi dan juga udara yang mengandung garam terutama di daerah dekat pantai. Isolator pasang luar dipengaruhi oleh faktor lingkungan ini dan efek polusi dari lingkungan. Faktor lingkungan ini sangat memengaruhi kinerja dari isolator tersebut. Untuk meningkatkan kinerja isolator, beberapa upaya telah telah dilakukan, salah satunya adalah dengan melakukan pelapisan permukaan isolator untuk meningkatkan kekuatan dielektrik. Saat ini yang sudah banyak digunakan adalah pelapisan permukaan dengan menggunakan silicone rubber. Kekurangan dari silicone rubber adalah seiring berjalannya waktu terjadi degradasi hidrofobistas, kurang tahan terhadap abrasi atau kontaminasi permanen, rentan terhadap penurunan sifat dielektrik bila terkena air dalam jangka lama dan migrasi low molecular weight (LMW) menjadi menurun. Oleh karena itu, banyak penelitian melakukan modifikasi silicone rubber untuk meningkatkan performa dari silicone rubber. Material yang diusulkan dalam penelitian ini menggunakan campuran gondorukem (gum rosin) dan RTV silicone rubber sebagai bahan pelapis isolator untuk mengatasi degradasi hidrofobisitas pada silicone rubber. Gondorukem adalah residu dari destilasi getah pohon pinus, material gondorukem menunjukkan sifat hidrofobik, viskos, dan adhesif yang mendukung perannya sebagai bahan pelapis isolator. Pada tahap pertama, dilakukan pengujian SEM EDX dan TG/DTA/DTG gondorukem (gum rosin) yang dicampur ke dalam RTV SiR. Didapatkan hasil bahwa campuran gondorukem (gum rosin) dengan RTV SiR memiliki permukaan yang lebih kasar dan homogen. Pada tahap kedua, dilakukan pengujian sudut kontak (hidrofobisitas) sesuai IEC TS 62073-2016 dengan gondorukem (gum rosin) yang dicampur ke dalam RTV SiR. Didapatkan hasil bahwa dengan adanya pencampuran gondorukem (gum rosin) dan RTV SiR memiliki kelas hidrofobisitas kelas 1. Pada tahap ketiga, dilakukan pengujian gondorukem (gum rosin) yang dicampur dengan RTV SiR yang digunakan sebagai pelapis isolator keramik dengan pengujian arus bocor pada kondisi tanpa polutan dan berpolutan pada variasi kelembaban 70%, 80% dan 90% kabut basah dan kabut garam. Didapatkan hasil bahwa dengan menggunakan pelapis campuran gondorukem (gum rosin) pada silicone rubber dapat menurunkan nilai arus bocor yang lebih baik bila dibandingkan yang hanya silicone rubber saja terutama pada kondisi tanpa polutan. Hasil pengujian sampel akan dianalisis dan dibandingkan untuk menentukan seberapa berpengaruhnya pelapis menggunakan material lokal yaitu gondorukem (gum rosin) Hasil akhir penelitian pengujian gondorukem (gum rosin) ini diharapkan dapat memberikan kontribusi pengembangan peningkatan performa isolator dengan menggunakan pelapis isolator pasang luar.
RANCANG BANGUN PERANGKAT LUNAK DICOM VIEWER DENGAN IMPLEMENTASI ALGORITMA ENKRIPSI BERBASIS PETA LOGISTIK CHAOS DAN SISTEM MANAJEMEN KUNCI
PACS (Picture Archiving and Communication System) adalah sistem penting di rumah sakit modern, yang mengelola pengiriman dan penyimpanan data untuk mengelola arsip dan distribusi citra medis digital. Standar format penyimpanan yang digunakan dalam PACS sendiri adalah standar DICOM (Digital Imaging and Communications in Medicine). DICOM memiliki data piksel serta metadata yang sangat bersifat rahasia karena menyangkut privasi pasien. Data ini merupakan bagian dari rekam medis pasien yang bersifat rahasia, sehingga hanya boleh diakses oleh pihak yang berkewenangan, misalnya dokter dan radiolog. Oleh sebab itu, pengelolaan data ini perlu pengamanan agar dapat tidak tercuri atau dilihat oleh yang pihak yang tidak berkewenangan. Penelitian ini bertujuan untuk mengamankan data DICOM yang tersimpan at rest, dan menampilkan DICOM agar memudahkan dokter serta radiolog untuk menganalisis DICOM dengan aman dan cepat. Untuk pengamanan, metode penelitian menggunakan algoritma enkripsi berbasis logistic map dengan key wrapping sebagai sistem manajemen kunci. Pada aspek analisis, dibuat antarmuka berbasis web yang memiliki fitur utama sebagai DICOM Viewer. Fase pengujian melibatkan serangkaian evaluasi untuk menguji fungsional, integrasi, flow sistem, dan kualitas enkripsi, yakni NPCR (Number of Pixel Change Ratio), UACI (Unified Average Changing Intensity), entropi, dan juga korelasi piksel. Hasil dari penelitian ini adalah: Pertama, dihasilkannya rancangan yang mengimplementasikan sebuah algoritma enkripsi berbasis modified logistic map yang dikombinasikan dengan S-Box (Subtitution Box) AES (Advanced Encryption Standard) untuk menjaga kerahasiaan data piksel, serta mempertahankan integritas metadata pada file DICOM; Kedua, mengintegrasikan metode key wrapping untuk manajemen kunci yang aman di dalam alur kerja DICOM Viewer dengan integrasi simulator HSM (Hardware Security Module) dalam bentuk perangkat lunak; Ketiga, algoritma enkripsi berbasis logistic map yang diusulkan menunjukkan kualitas keamanan yang kuat dan memiliki keunggulan efisiensi spesifik untuk enkripsi data citra, jika dibandingkan dengan standar general-purpose AES- 256 mode CBC. Berdasarkan analisis kuantitatif, algoritma yang diusulkan mencapai metrik keamanan yang setara dengan AES-256 CBC pada data citra, yakni NPCR (>99.6%), UACI (~33.4%), dan entropi (~7.99). Metrik ini menandakan resistensi tinggi terhadap serangan statistik dan diferensial yang umum pada analisis citra, sehingga metode ini direkomendasi penelitian ini agar dapat diadopsi secara luas.
SISTEM DETEKSI OBFUSCATED WEBSHELL MENGGUNAKAN LARGE LANGUAGE MODEL (LLM)
Ancaman siber yang semakin kompleks, khususnya serangan berbasis webshell, menjadi tantangan dalam keamanan sistem informasi. Teknik konvensional berbasis aturan seperti YARA sering kali gagal mendeteksi webshell yang disamarkan (obfuscated), terutama ketika penyerang memanipulasi atau menyamarkan kode untuk menghindari pendeteksian. Berbagai pendekatan telah dikembangkan untuk mendeteksi, namun sebagian besar masih bergantung pada pola statis atau signature tertentu. Pendekatan ini kurang adaptif terhadap variasi obfuscation seperti base64 encoding. Selain itu, deteksi berbasis signature umumnya sulit beradaptasi dengan teknik penyamaran baru yang terus berkembang. Penelitian ini mengusulkan sistem deteksi obfuscated webshell menggunakan Large Language Model (LLM) seperti Google Gemma, Meta-LLama, dan DeepSeek. Dengan menguji 459 sampel webshell dan 459 file benign, sistem menunjukan bahwa LLM mampu mengidentifikasi webshell terobfuskasi dengan baik termasuk teknik obfuskasi seperti variable function call, concatenation, dan dummy code injection. Namun, akurasi identifikasi menurun saat menghadapi teknik encoding seperti base64, sehingga dibutuhkan proses deobfuskasi terlebih dahulu sebelum dilakukan identifikasi oleh LLM. Hasil penelitian ini memperlihatkan bahwa LLM memiliki potensi sebagai solusi deteksi cerdas dan fleksibel dibanding pendekatan konvensional, serta dapat diintegrasikan dengan platform keamanan seperti Wazuh untuk menghadapi ancaman siber yang dinamis.
IMPLEMENTASI DAN EVALUASI ALGORITMA RANDOM FOREST DAN XGBOOST SERTA MANAJEMEN KEPERCAYAAN BERBASIS SIMPLE BLOCKCHAIN UNTUK DETEKSI SERANGAN DDOS PADA JARINGAN VANET BERBASIS DATA SIMULASI
Sistem Transportasi Cerdas (ITS), yang didukung oleh teknologi konektivitas 5G, sangat bergantung pada komunikasi Vehicle-to-Everything (V2X) untuk memastikan keselamatan dan kelancaran arus lalu lintas. Dalam konteks ini, Vehicular Ad-hoc Networks (VANET) berperan penting sebagai fondasi utama dalam pertukaran data secara real-time antar kendaraan, infrastruktur, pejalan kaki, dan jaringan cloud. Namun, karakteristik alami VANET seperti komunikasi nirkabel, topologi yang sangat dinamis, serta tidak adanya entitas pusat, membuatnya rentan terhadap berbagai ancaman siber, salah satunya adalah serangan Distributed Denial-of-Service (DDoS). Serangan DDoS dapat membanjiri kanal komunikasi dengan data palsu, yang menghambat pengiriman pesan keselamatan yang vital dan berpotensi menyebabkan kecelakaan. Metode deteksi tradisional yang mengandalkan ambang batas volume lalu lintas tidak lagi cukup untuk mendeteksi dan menangani kompleksitas serangan DDoS modern. Meskipun banyak penelitian sebelumnya yang mengkaji secara terpisah penggunaan manajemen kepercayaan untuk reputasi node dan algoritma pembelajaran mesin canggih seperti Random Forest dan XGBoost untuk deteksi serangan dengan akurasi tinggi, namun belum ada integrasi komprehensif antara kedua pendekatan ini untuk mencapai perlindungan end-to-end yang diperlukan oleh aplikasi 5G-V2X yang membutuhkan latensi rendah dan keandalan tinggi. Tugas akhir ini mengusulkan sebuah sistem deteksi DDoS terintegrasi yang inovatif, yang menggabungkan manajemen kepercayaan berbasis blockchain sederhana dengan model Random Forest dan XGBoost untuk meminimalkan false positive dan false negative. Penelitian ini menganalisis dampak serangan DDoS terhadap komunikasi Vehicle-to-Vehicle (V2V) dan mengevaluasi kinerja deteksi Random Forest dan XGBoost dalam berbagai skenario lalu lintas, termasuk kepadatan rendah, sedang, dan tinggi, serta berbagai jenis serangan seperti Flooding Attack, High Power Jamming, dan Asynchronize Attack. Hipotesis utama yang diuji adalah bahwa integrasi blockchain untuk pengelolaan skor reputasi kendaraan dapat meningkatkan akurasi deteksi secara signifikan dan memungkinkan model untuk beradaptasi dengan baik terhadap kondisi VANET yang dinamis. Pengujian dilakukan dalam simulasi yang melibatkan kendaraan (node) untuk memantau dan mendeteksi serangan secara real-time. Simulasi pada skenario serangan SYN, Flooding, dan High Power Jamming menghasilkan lebih dari 400.000 sampel, dan menunjukkan bahwa model XGBoost dengan reputasi berbasis blockchain mampu mencapai akurasi dan F1-score mendekati 100%, dengan validation accuracy stabil di angka 99,5%. Hasil ini menguatkan efektivitas pendekatan terintegrasi dalam mendeteksi serangan DDoS secara andal dalam lingkungan VANET. Perlu dicatat bahwa seluruh skenario simulasi pada penelitian ini menggunakan topologi six lane highway sebagaimana dikonfigurasi pada modul generator FCD, sehingga pengaruh variasi topologi jalan belum dianalisis. Hal ini menjadi batasan yang dapat dieksplorasi pada penelitian lanjutan untuk menguji kinerja sistem pada kondisi topologi dan infrastruktur yang lebih beragam. Pendekatan terintegrasi ini sangat penting untuk menciptakan lingkungan komunikasi kendaraan yang lebih aman, andal, dan efisien, serta memberikan kontribusi dalam pengembangan ITS global.
PENGEMBANGAN PURWARUPA WEB BUILDER UNTUK PORTOFOLIO ELEKTRONIK SENIMAN SENI RUPA
Portofolio merupakan salah satu aset terpenting bagi seorang seniman untuk menampilkan karya terbaiknya dalam menarik perhatian calon klien atau pemberi kerja. Situs web portofolio pribadi menjadi salah satu pilihan yang paling profesional dan dapat menggambarkan kepribadian seniman. Namun demikian, seniman memiliki keterbatasan teknis dan biaya dalam membangun situs pribadi menggunakan web builder. Untuk menjawab tantangan tersebut, penelitian ini mengembangkan EPortoKu, platform web builder yang dirancang khusus untuk membantu seniman menyusun portofolio tanpa memerlukan pengetahuan teknis. Proses pengembangan menggunakan metode evolutionary prototyping dengan iterasi sebanyak lima kali bersama seniman sebanyak tiga orang sebagai penguji. Arsitektur sistem dibuat dengan kerangka model 4+1 view. Model 4+1 view dipilih karena mempermudah perancangan dan komunikasi aspek fungsional serta nonfungsional sistem secara jelas dan terstruktur. Sistem EPortoKu memanfaatkan teknologi modern seperti Next.js, TailwindCSS, Supabase, dan ReSend untuk membangun antarmuka pengguna yang interaktif, menyimpan data secara efisien, serta mengirimkan notifikasi email. Evaluasi terhadap sistem dilakukan melalui pengujian fungsional, nonfungsional, serta uji pengguna. Uji pengguna dilakukan bersama 13 seniman sebagai penguji dengan metode System Usability Scale (SUS), Customer Satisfaction Score (CSAT), dan Net Promoter Score (NPS). Hasilnya menunjukkan skor SUS (85,77), CSAT 100 %, dan NPS (+76,9). Hal ini menandakan tingkat kepuasan dan kegunaan yang sangat tinggi. Berdasarkan penguji, jika dibandingkan platform lainnya yang pernah mereka gunakan, peringkat EPortoKu berada di posisi 1,64 dibandingkan platform lain. EPortoKu mendapat nilai tertinggi pada aspek kecepatan pembuatan portofolio (4,86/5). Penelitian ini berhasil merancang dan membangun web builder yang mudah digunakan oleh seniman tetapi tetap dilengkapi fitur dan kustomisasi yang dibutuhkan seniman.
OPTIMALISASI INFRASTRUKTUR PENGEMBANGAN SISTEM CHAT BERBASIS CLOUD COMPUTING
Penelitian ini membahas optimalisasi infrastruktur pengembangan sistem chat berbasis cloud computing dengan membandingkan dua pendekatan arsitektur: containerization (Google Kubernetes Engine) dan serverless (Cloud Run). Sistem dikembangkan dengan arsitektur microservice dan diuji menggunakan load test, stress test, dan spike test melalui alat K6. Hasil pengujian menunjukkan bahwa GKE unggul dalam kestabilan durasi pada beban berkelanjutan, sementara Cloud Run lebih tangguh terhadap lonjakan mendadak. Dari sisi throughput dan efisiensi biaya, Cloud Run lebih optimal untuk beban dinamis. Kesimpulan menunjukkan bahwa pemilihan arsitektur cloud harus disesuaikan dengan pola beban dan tujuan efisiensi operasional.
PERANCANGAN SISTEM PENDAMPING UNTUK EDUKASI DAN KEPATUHAN KONSUMSI OBAT RUTIN BAGI PENDERITA HIPERTENSI, DIABETES, DAN HIPERKOLESTEROLEMIA
Penyakit kronis, seperti diabetes, hipertensi, dan kolesterol tinggi, adalah kondisi kesehatan jangka panjang yang memerlukan perawatan medis berkelanjutan. Salah satu tantangan utamanya adalah ketidakpatuhan pasien dalam mengonsumsi obat rutin (maintenance medication) yang diresepkan. Masalah ini sangat menonjol pada lansia, sering kali disebabkan oleh lupa, rasa bosan, atau menghentikan pengobatan saat gejala membaik. Selain itu, kesenjangan pemahaman pasien mengenai kondisi kesehatan, interaksi obat-obatan, dan potensi efek samping juga menjadi perhatian serius. Untuk membantu pasien penyakit kronis dalam edukasi dan peringatan untuk meminum obat secara teratur, maka dibuatkan sistem pendamping berbasis AI chatbot yang dapat memberikan edukasi serta menyediakan tempat bagi pasien untuk menyimpan informasi obat dan menentukan jadwal minum agar diberi pengingat sesuai dengan waktunya. Sistem dibuat dalam bentuk aplikasi yang mengandung fitur pengingat jadwal konsumsi obat, pencatatan kepatuhan harian, riwayat konsumsi obat, serta chatbot sebagai asisten obat untuk pasien melakukan tanya jawab tentang informasi seputar konsumsi obat dan peringatan yang harus diketahui, seperti efek samping dan interaksi antarobat. Informasi chatbot bersumber dari pendekatan hybrid menggunakan knowledge base dan LLM. Knowledge base menyediakan jawaban berbasis data terstruktur terkait obat, sedangkan LLM digunakan untuk menangani pertanyaan yang bersifat lebih kontekstual jika jawaban tidak ditemukan di KB. Keduanya terhubung melalui sistem backend dan dapat diakses langsung dari aplikasi secara real-time melalui antarmuka chatbot. Hasil evaluasi menunjukkan fitur pengingat obat mendapat skor 4,31, pencatatan konsumsi 4,62, dan pengubahan jadwal obat 4,77. Chatbot dinilai relevan dengan skor 4,23 dan konsisten 4,00. Meskipun demikian, notifikasi masih belum selalu tepat waktu, dan jawaban chatbot terkadang kurang akurat. Secara keseluruhan, aplikasi sudah membantu pengguna dalam mengatur konsumsi obat, namun masih perlu perbaikan pada notifikasi dan cakupan informasi chatbot.
PERANCANGAN DESAIN INTERAKSI TOOL INSTRUCTION SELF CHECK-IN PADA APLIKASI AIRBNB
Platform penginapan seperti Airbnb, mengadopsi teknologi self check-in untuk efisiensi. Namun, penelitian ini mengidentifikasi adanya masalah fundamental di lapangan, yaitu proses pembuatan instruksi self check-in oleh pemilik penginapan seringkali bersifat manual, tidak terstruktur, dan menggunakan alat bantu eksternal, yang mengakibatkan pengalaman yang membingungkan bagi tamu. Masalah utama bukan terletak pada ketiadaan teknologi, melainkan pada usability gap dari fitur yang ada, yang berdampak pada beban operasional pemilik penginapan dan kepuasan tamu. Penelitian ini bertujuan untuk merancang dan mengevaluasi sebuah prototipe alat bantu bagi pemilik penginapan untuk menyederhanakan proses pembuatan instruksi agar lebih jelas, efisien, dan terstruktur. Metode yang digunakan adalah user centered design,yang mencakup tahap riset pengguna, perancangan user persona, hingga pembuatan prototipe high-fidelity menggunakan Figma. Solusi yang dirancang berfokus pada alur kerja berbasis template untuk memastikan instruksi yang dihasilkan berkualitas tinggi dan mudah dibuat. Evaluasi terhadap prototipe dilakukan melalui usability testing dengan 5 partisipan menggunakan platform Maze. Hasil evaluasi menunjukkan bahwa prototipe memiliki keberhasilan tugas 100% , skor System Usability Scale (SUS) rata-rata 71,5 yang tergolong "Good" , dan skor Single Ease Question (SEQ) rata-rata 6,36 dari 7, yang mengindikasikan proses dirasakan sangat mudah. Kesimpulannya, penelitian ini berhasil merancang dan memvalidasi sebuah konsep solusi yang terbukti mampu menjawab rumusan masalah dengan menyediakan sebuah tool yang jelas, efisien, dan terstruktur bagi pemilik penginapan.