Hasil Pencarian  ::  Simpan CSV :: Kembali

"Lokasi penelitian terletak di Desa Cihaur yang terletak di Kecamatan Simpenan, Kabupaten Sukabumi, Provinsi Jawa Barat. Secara Fisiografi Desa Cihaur termasuk bagian dari Zona Pegunungan Selatan Jawa Barat atau Pegunungan Andesit Tua yang disusun oleh Formasi Jampang dan Formasi Dasit Ciemas. Pada area penelitian terdapat endapan skarn dengan batuan induk berupa batugamping. Endapan skarn merupakan endapan yang terbentuk akibat adanya kontak antara batugamping dengan batuan intrusi. Berdasarkan data perusahaan, batuan intrusi tidak ditemukan diatas permukaan. Oleh karena itu diperlukan studi fasies Vulkanik dan keterkaitan dengan batugamping yang berperan sebagai host skarn pada area penelitian untuk mengetahui skarn yang terbentuk pada area penelitian merupakan hasil kontak intrusi dengan batugamping atau akibat faktor lainnya. Metode yang digunakan dalam penelitian ini adalah analisis petrologi dan petrografi batuan inti sebanyak 22 lubang bor, Data-data yang diperoleh selanjutnya divisualisasikan dalam bentuk kolom litologi yang kemudian digunakan untuk menginterpretasikan hubungan antara fasies Vulkanik dengan batugamping yang berperan sebagai host skarn. Berdasarkan analisis petrologi dan petrografi didapati 13 litofasies yang kemudian dikelompokkan kedalam 6 satuan diantaranya Breksi Vulkanik, Lapilli Tuf, Tufaan, Andesit, Batugamping, dan Dasit Porfiri. Berdasarkan asosiasi litologi dan karakteristik litologi yang telah mengalami ubahan hidrotermal (alterasi) maka dapat disimpulkan bahwa daerah penelitian berada pada fasies proksimal gunung api. Keterkaitan antara batugamping dengan fasies vulkanik diinterpretasikan berdasarkan korelasi stratigrafi, didapati jika batugamping yang terubah menjadi marmer ataupun teralterasi skarn disebabkan oleh adanya terobosan oleh satuan dasit porfiri.

---

The research location is located in Cihaur Village which is located in Simpenan District, Sukabumi Regency, West Java Province. Physiographically, Cihaur Village is part of the Southern Mountain Zone of West Java or the Old Andesite Mountains which are composed of the Jampang Formation and the Ciemas Dacite Formation. In the research area there are skarn deposits with the source rock being limestone. Skarn deposits are deposits formed due to contact between limestone and intrusive rocks. Based on company data, intrusive rocks were not found above the surface. Therefore, it is necessary to study volcanic facies and their relationship with limestone which acts as a host for skarn in the research area to determine whether the skarn formed in the research area is the result of intrusive contact with limestone or due to other factors. The method used in this research is petrological and petrographic analysis of core rock from 22 drill holes. The data obtained is then visualized in the form of lithological columns which are then used to interpret the relationship between volcanic facies and limestone which acts as a skarn host. Based on petrological and petrographic analysis, 13 lithofacies were found which were then grouped into 6 units including Volcanic Breccia, Lapilli Tuff, Tufaan, Andesite, Limestone and Porphyry Dacite. Based on the lithological associations and lithological characteristics that have undergone hydrothermal change (alteration), it can be concluded that the research area is in the proximal volcanic facies. The relationship between limestone and volcanic facies is interpreted based on stratigraphic correlation, it is found that limestone is changed to marble or skarn alteration due to breakthroughs by porphyry dacite units."

"

Sistem lapangan panasbumi Jailolo merupakan salah satu sistem panasbumi Indonesia Bagian Timur yang berlokasi dekat dengan pantai. Sebagian besar titik manifestasi mata air panas berada ditepi pantai.  Analisa geokimia eksplorasi dari manifestasi suatu sistem panasbumi, dilakukan dengan menganalisa sampel kimia air dan gas dari manifestasi tersebut.  Intrusi air laut mungkin dapat terjadi pada reservoir panasbumi atau pada mata air panas di dekat permukaan (manifestasi) untuk daerah panasbumi yang terletak di tepi pantai. Jika suatu manifestasi permukaan (hot spring) panasbumi terindikasi terjadi intrusi air laut maka perlu dilakukan koreksi terhadap nilai parameter-parameter kimia air (Na,Cl, Mg, dll) untuk menghasilkan data interpretasi yang akurat. Interpretasi manifestasi hot spring tanpa koreksi intrusair laut secara langsung dapat mempengaruhi perhitungan temperatur bawah permukaan (reservoir), pembuatan model geokimia untuk memperkirakan adanya intrusi air laut pada tahap eksplorasi, menjadi informasi sangat penting untuk digunakan ke tahap selanjutnya yaitu tahapan eksploitasi.

Secara hidrologi adanya intrusi air laut pada suatu sistem panasbumi dipengaruhi oleh beberapa faktor yang menjadi bahan penelitian yaitu: jarak daratan atau zona penelitian dengan tepi pantai, kedalaman zona target penelitian, tegangan anatarmuka air laut dengan air tanah yang akan membentuk zona intrusi, densitas air laut, densitas air tawar bawah permukaan, serta data pendukung lain seperti data batuan dari data geologi dan geofisika. Sifat spesifik kimia air laut juga menjadi bahan penelitian untuk mengidentifikasi adanya intrusi air laut yaitu menunjukkan adanya perbedaan dengan sifat kimia air formasi reservoir panasbumi pada umumnya.

 

---

Possibility of sea water intrusion in geothermal system is more likely happen especially in eastern of Indonesia who have geothermal system near the beach. The cause of sea water intrusion are divided into several factor: distance between land and seashore, depth of target zone, interface, density of sea water, density of ground water and other paramaters.  The specific chemistry of sea water also part of the assessment to identify the cause of sea water intrusion compare with the reservoir fluid chemistry without any effect of sea water.

As part of the geochemistry study the very early step to identify sea water intrusion is to conduct assesment of water and gas chemistry from the manifestation. Preliminary assessment of sea water intrusion is can be directly in the reservoir or only in the manifestation. If the reservoir impacted of sea water based on geochemistry study, need add correction factor of parameters water and gas chemistry. If we did not include the correction factor to the calculation this will lead into mislead assessment of reservoir temperature of geochemistry model which is the final result of the study/assessment. Also need take into account for the next step of the proccess which is exploitation phase.

 

"

"Malware merupakan sebuah software berbahaya yang menjadi fokus penelitian bagi para ahli keamanan jaringan dikarenakan kemampuannya yang dapat merusak suatu jaringan maupun perangkat secara efektif dan efisien. Seiring waktu, malware juga turut berkembang mengikuti perkembangan teknologi informasi dan hal ini membuat malware semakin susah untuk di deteksi. Oleh karena itu, para peneliti berbondong-bondong untuk dapat membuat alat pendeteksi malware yang efektif serta efisien menggunakan berbagai macam pendekatan. Alasan tersebut menjadi titik awal yara terbentuk. Sebagai alat pendeteksi atau yang biasa disebut sebagai sistem deteksi intrusi, yara menjadi perangkat lunak yang sering digunakan oleh pengguna jaringan dikarenakan sangat mudah untuk diimplementasi serta menggunakan metode pendekatan yang  simpel. Pada penelitian ini, akan membuktikan yara sebagai alat pendeteksi malware yang efektif serta efisien. Selain itu, penelitian ini akan berfokus mengenai strings yang menjadi salah satu faktor penting pada setiap malware serta bagaimana pengaruh strings malware tersebut terhadap yara.  Penelitian ini terfokus pada 4 buah malware berbeda yang yakni Backdoor, Spyware, Trojan dan Worm dengan masing-masing 20 buah malware yang akan digunakan sebagai penelitian serta pengujian strings yang nantinya akan dibuat menjadi beberapa rules. Keempat malware tersebut memiliki hasil rata-rata persentase pendeteksian sebesar  81% saat menggunakan rules yang telah disiapkan. Selain itu terdapat beberapa rules yang memiliki persentase diatas 90% saat melakukan pendeteksian terhadap malware.

---

Malware is a harmful software that have been research focus by network security experts because of their ability to damage a network or devices effectively and efficiently. Over time, malware evolves to become more dangerous following and keeping up with information technology, this makes malware even more difficult to detect by some detection devices. Because of that, many expert  trying to make a software that can detect any malware without a problem. That is the beginning of the emergence of yara. As a detection tool or usually known as Intrusion Detection System, Yara becomes a software that frequently used by some user to protect and detect their devices because of its simplicity and convenience. In this research, we will prove that Yara is an effective and efficient malware detection tools. Other than that, we will more focus on how is content of malware can effect on yara. In this research we will focus on 4 different type of malware such as Backdoor, Spyware, Trojan and Worm with 20 pieces of malware that each of the malware will be used as research and testing the strings and later ill be made into several rules in yara. The four malware has an average detection percentage of 81% when using the prepared rules. In addition, there are several rules that have a success percentage above 90% when detecting malware."

"Tren cyber-attack atau serangan siber terus bertambah banyak setiap tahunnya. Menurut data dari patrolisiber.id, terdapat 61 laporan penipuan melalui e-mail dengan jumlah kerugian mencapai lebih dari 144 miliar rupiah dan merupakan modus penipuan dengan kerugian terbesar pada tahun 2019. Teknik machine learning telah diadaptasi pada algoritma deteksi dalam Intrusion Detection System (IDS) sebagai perangkat untuk memeriksa semua traffic jaringan karena dapat membawa manfaat dalam pengembangan performanya yang berskala besar dalam meningkatkan detection rate dan pengurangan processing time. Salah satu metode machine learning pada IDS adalah decision tree, yaitu metode yang dapat bekerja dengan cepat, menghasilkan akurasi yang baik, dan mudah untuk diinterpretasi. Penelitian ini bertujuan untuk melakukan klasifikasi jenis serangan cyber-attack terhadap jaringan Wi-Fi dan Internet of Things melalui penerapan teknik machine learning dengan metode decision tree. Untuk menghindari overfitting pada model, akan digunakan teknik lanjutan yaitu post-pruning dengan menggunakan algoritma reduced error pruning. Hasil yang diperoleh dari penelitian ini adalah pengembangan performa model decision tree setelah dilakukan metode reduced error pruning dibanding model yang tidak dilakukan pruning. Evaluasi kinerja model yang sudah dilakukan pruning dengan ukuran nilai metrik accuracy, F1 score, recall, dan precision pada data testing masing-masing adalah sebesar 94.67%, 94.79%, 94.9%, dan 94.69%.

---

The trend of cyber-attacks continues to increase every year. According to data from patrolsiber.id, there are 61 reports of fraud via e-mail with a total loss of more than 144 billion rupiahs and is the mode of fraud with the biggest losses in 2019. Machine learning techniques have been adapted to the detection algorithms in the Intrusion Detection System (IDS) as a tool to examine all network traffic because they can bring benefits in the development of large-scale performance in increasing the detection rate and reducing processing time. One of the machine learning methods in the IDS is the decision tree, which is a method that works quickly, produces good accuracy, and is easy to interpret. This study aims to classify types of cyber-attacks against Wi-Fi networks and the Internet of Things through the application of machine learning techniques with the decision tree method. To avoid overfitting on the model, an advanced technique will be used, namely post-pruning using the reduced error pruning algorithm. The results obtained from this study are the development of the performance of the decision tree model after the reduced error pruning method is used compared to the model without pruning. Evaluation of the performance of the model that has been pruned with the metrics measurement of accuracy, F1 score, recall, and precision in data testing is 94.67%, 94.79%, 94.9%, and 94.69%, respectively."

"Jakarta merupakan ibu kota dan juga kota metropolitan terbesar di Indonesia yang menjadi pusat pemerintahan dan perekonomian. Peningkatan jumlah penduduk di Jakarta sebanding dengan meningkatnya kebutuhan lahan tempat tinggal dan kebutuhan air bersih. Pembangunan infrastruktur banyak terjadi alih fungsi lahan dan mengurangi daerah resapan air hujan. Kebutuhan air bersih Jakarta sebanyak 40% dipenuhi oleh PDAM dan sisanya dipenuhi oleh air tanah yang bersumber dari CAT Jakarta. Berkurangnya daerah resapan air hujan dan juga pengambilan air tanah dalam jumlah besar secara terus menerus akan mengganggu kesetimbangan recharge dan discharge air tanah. Akibatnya terjadi kekosongan di bawah permukaan yang dapat menyebabkan amblesan dan intrusi air laut. Keberadaan air asin di Jakarta secara nyata dialami masyarakat Jakarta, khususnya di daerah Jakarta Utara, yang berbatasan langsung dengan laut. Penyebab asinnya air tanah di Jakarta masih menjadi perdebatan di kalangan peneliti. Setidaknya terdapat dua kesimpulan yang berbeda, yaitu karena adanya intrusi air laut atau adanya air laut purba. Penelitian ini bertujuan untuk mengetahui sumber air asin yang berada di Jakarta tepatnya di Kecamatan Penjaringan, Jakarta Utara, menggunakan data gravitasi yang didukung oleh data air sumur dan data geolistrik resistivitas. Data-data tersebut diinterpresikan secara terpadu untuk dapat menganalisis penyebab asinnya air tanah di daerah penelitian. Hasil penelitian menunjukkan bahwa konduktivitas air tanah disebabkan oleh adanya kandungan garam pada air tanah yang terdeteksi pada data gravitasi dengan pola sebaran nilai tinggi berada di utara daerah penelitian dan semakin ke selatan, nilai konduktivitas, salinitas dan gravitasi semakin menurun. Pada data geolistrik resistivitas terdapat nilai resistivitas rendah yang diinterpretasikan sebagai air asin yang berada pada daerah dengan nilai gravitasi tinggi. Berdasarkan mekanisme terjadinya intrusi air laut dan kondisi fisik di lapangan, dapat disimpulkan bahwa asinnya air tanah di daerah penelitian disebabkan oleh intrusi air laut

---

Jakarta is the capital city and also the largest metropolitan city in Indonesia which is the center of government and economy. The increase in population in Jakarta is proportional to the increasing need for residential land and needs clean water. Many infrastructure development changes in land functions and reduces rainwater catchment areas. PDAM needs 40% of Jakarta's clean water and the rest is met by ground water sourced from CAT Jakarta. The reduction in the catchment area of rain water and also the continuous extraction of large amounts of groundwater will disturb the balance of recharge and discharge of groundwater. As a result, there is a void below the surface which can cause subsidence and sea water intrusion. The presence of salt water in Jakarta is clearly experienced by the people of Jakarta, especially in the North Jakarta area, which is directly adjacent to the sea. The cause of the salty groundwater in Jakarta is still a matter of debate among researchers. There are at least two different conclusions, namely because of the intrusion of sea water or the presence of ancient sea water. This study aims to determine the source of salt water in Jakarta, precisely in Penjaringan District, North Jakarta, using gravity data which is supported by well water data and geoelectric resistivity data. These data are expressed in an integrated manner to be able to analyze the causes of salty groundwater in the study area. The results showed that groundwater conductivity was caused by the presence of salt content in groundwater which was detected in the gravity data with a high value distribution pattern in the north of the study area and further south, the value of conductivity, salinity and gravity decreased. In the geoelectric resistivity data, there is a low resistivity value which is interpreted as salt water in an area with a high gravity value. Based on the mechanism of sea water intrusion and physical conditions in the field, it can be concluded that salty groundwater in the study area is caused by sea water intrusion"

"ABSTRAKSistem deteksi intrusi merupakan sistem peringatan ketika ada percobaan serangan pada jaringan komputer, dengan memberikan informasi log aktivitas mencurigakan yang dapat dianalisis dan ditindaklanjuti dalam bentuk respon untuk melindungi sistem dari ancaman sebelum menyebabkan dampak lebih besar. Secara teknis, penentuan prioritas penanganan intrusi berdasarkan pada severity yang ditentukan oleh sistem atau denganskor kerentanan. Namun ada hal lain yang menjadi isu, yaitu urgensi dari sektor strategis sebagai pertahanan nasional dalam pengamanan fasilitas, jaringan, aset berbasis informasi dan fisik yang diatur oleh suatu negara dengan menetapkan sektor strategis sebagai sektor prioritas yang wajib dilindungi saat terjadi insiden sebelum berdampak lebih besar.Pada penelitian ini, kami melakukan evaluasi beberapa metode penentuan prioritas yang diimplementasikan pada model respon yang digunakan, yaitu berdasarkan konsep manajemen waktu 4 kuadran yang telah digunakan oleh peneliti sebelumnya dengan data pengujian berupa data intrusi berbasis snort. Metode penentuan respon yang dievaluasi antara lain metode severity berdasarkan sistem deteksi intrusi berbasis snort yang disebut snort priority, rating threshold yaitu skor kerentanan, dan metode perhitungan indikator & kriteria (critical & urgent). Seiring dengan urgensi dari sektor strategis, maka pada pengujiannya metode indikator & kriteria dititik beratkan pada target yang terdaftar sebagai sektor strategis.Penelitian ini menyimpulkan bahwa metode indikator dan kriteria sebagai faktor penentu prioritas lebih detil sehingga cukup efektif untuk diterapkan dengan model respon pada data pengujian. Selain itu, dengan metode snort priority dan rating threshold penentuan prioritas tidak memperhatikan apakah target intrusi merupakan sektor strategis atau bukan karena prioritas berdasarkan pada dampak yang telah didefinisikan oleh sistem. Namun dengan metode perhitungan indikator dan kriteria, faktor penting yang melibatkan target sektor strategis dapat didefinisikan sebagai salah satu indikator prioritas untuk menentukan kriteria critical sehingga penanganan intrusi dapat diprioritaskan lebih tinggi.

---

ABSTRACTThe intrusion detection system is a warning system when there is an attempted attack on a computer network. It provides suspicious activity log information that can be analyzed and acted on in the form of a response to protect the system from threats before causing a more significant impact. Technically, determining the priority of intrusion handling is based on severity determined by the system or vulnerability scoring. However, some issues become internal issues. A country regulates the urgency of the critical sector as a national defense in securing information-based and physical facilities, networks, and assets by establishing the critical sector as a priority sector that must be protected when an incident occurs before it has a more significant impact.In this study, we evaluated some priority determination methods implemented in the response model used, based on the 4-quadrant time management concept used by previous researchers with test data in the form of snort-based intrusion data. The response determination methods evaluated include severity based on a snort-based intrusion detection system called snort priority, rating threshold, i.e., vulnerability score, and the purpose of calculating indicators & criteria (critical & urgent). Along with the urgency of the critical sector, the testing of indicator methods and criteria has emphasized on the targets listed as critical sectors.This study concludes that indicator methods and criteria as determinants of priorities are more detailed so that they are effective enough to apply with response models in test data. Besides, the snort priority method and the threshold rating determination of priorities do not pay attention to whether the intrusion target is a critical sector or not because of the priority based on the impact that has been defined by the system. But with the method of calculating indicators and criteria, important factors involving critical sector targets can be identified as one of the priority indicators to determine critical criteria so that intrusion will be handling prioritized."

"Latar Belakang: Semen Ionomer Kaca (SIK) adalah bahan restorasi yang terdiri dari bubuk kaca kalsium fluoroaluminosilikat dan asam oliakrilik. Pada tahap awal reaksi setelah dilakukan pencampuran, SIK sensitif terhadap udara dan air yang dapat menghambat reaksi pengerasan, sehingga perlu diberikan perlindungan dengan material yang kedap air dan salah satu material tersebut adalah bonding agent.Tujuan: Menganalisis hubungan kedalaman intrusi air terhadap kekerasan SIK.Metode: 12 spesimen SIK dengan diameter 5 mm dan tebal 2 mm, dibagi menjadi 3 kelompok: kelompok 1 tanpa bahan pelindung, kelompok 2 diaplikasikan varnis, dan kelompok 3 diaplikasikan bonding agent. Seluruh spesimen direndam dalam methylene blue 0,1% selama 24 jam dan di masukkan ke dalam inkubator dalam suhu 370C. Selanjutnya setiap sampel dibelah menjadi 2 bagian, pada satu bagian dilakukan pengukuran terhadap kedalaman intrusi air menggunakan measuring microscope sedangkan pada satu sisi lainnya dilakukan pengukuran terhadap kekerasan menggunakan Knoop Microhardness Tester. Kemudian hasilnya dianalisis secara statistik.Hasil: Pada tiap kelompok terdapat hubungan korelasi yang kuat antara kedalaman intrusi air dan kekerasan SIK dengan nilai korelasi -0,868 dan nilai p < 0,05 .Kesimpulan: Semakin dalam intrusi air pada SIK, semakin rendah kekerasan SIK.

---

Background: Glass Ionomer Cement (GIC) is a restorative material consisting of calcium fluoroaluminosillicate glass powder and polyacrylic acid. At the initial reaction after mixing, GIC is sensitive to the air and water which can inhibit the setting reaction, therefore it is needed a protection by materials which are watertight and one of them is bonding agent.Aim: To analyze the relation of the depth water intrusion to the hardness of GIC.Method: 12 specimen with 5 mm in diameter and 2 mm in thickness, were divided into 3 groups: the first group wasn?t given a coating, the second group was given varnish, and the third group was given bonding agent. All specimen were soaked in methylene blue 0,1% during 24 hours and placed in incubator with 370C in temperature. Furthermore, each sample was cut into 2 parts, one part was measured to know the depth of water intrusion by measuring microscope while the other part was measured to know its hardness by Knoop Microhardness Tester. Afterwards, the result is analyzed statistically.Result: There is a strong correlation between the depth of water intrusion and the hardness of GIC in each group with correlation value -0,868 and p value < 0,05.Conclusion: The deeper the water intrusion of GIC, the lower the hardness of GIC."

"IT Risk Management merupakan suatu metodologi yang digunakan suatu perusahaan/ organisasi untuk dapat membantu mengatur resiko dari semua divais dan infrastruktur IT yang dimilikinya. Dengan IT Risk Management yang baik, maka perusahaan/ organisasi dapat mengatur seluruh aset IT yang dimiliki sehingga dapat membantu meningkatkan produktifitas perusahaan/ organisasi tersebut. IT Risk Management terdiri atas tiga tahapan, yaitu risk assessment, risk mitigation serta evaluation dan assessment. Pada setiap tahapan tersebut akan diperoleh output tertentu yang berupa report mengenai perusahaan/ organisasi. Untuk membantu dalam implementasi IT Risk Management, dibutuhkan Intrusion Detection System (IDS) yang akan memberikan report mengenai kondisi jaringan suatu perusahaan/ organisasi, meliputi pelaporan apabila terjadi gangguan serta tindakan yang akan dilakukan terhadap gangguan tersebut. Pada skripsi ini dibuat suatu perancangan aplikasi berbasis web yang digunakan untuk perhitungan risk level (tingkat resiko) dalam suatu LAN pada tahapan risk assessment. Aplikasi tersebut digunakan untuk menghitung nilai risk level untuk setiap ancaman (threat) yang terdeteksi oleh IDS untuk suatu pilihan waktu yang dimasukkan oleh user. Aspek keamanan jaringan untuk suatu LAN merupakan hal yang sangat penting, terutama apabila di dalam LAN tersebut terdapat komputer yang didalamnya terdapat data yang sangat penting dan pada jaringan yang sama dengan komputer tersebut, terdapat komputer-komputer lain yang dipakai oleh banyak orang. Ancaman terhadap data pada komputer tersebut tidak hanya dapat berasal dari internet, tetapi juga dapat berasal dari computer-komputer dalam LAN. Oleh karena itu, dengan adanya aplikasi ini diharapkan apabila muncul suatu serangan terhadap suatu komputer yang berasal dari komputer lain pada LAN yang sama, serangan tersebut dapat terdeteksi sehingga tindakan perlindungan data dapat dilakukan. Pada bagian akhir dari skripsi ini, sistem tersebut diujicoba pada LAN suatu perusahaan, untuk selanjutnya dilakukan suatu ujicoba serangan. Ada tiga tahapan ujicoba dengan setiap tahapan dilihat nilai Risk Level yang dihasilkan sistem. Pada tahap pertama, yaitu pencarian IP Address pada suatu LAN, menghasilkan nilai kuantitatif Risk Level sebesar 4 (Low Risk Level). Pada skenario ujicoba tahap 2, yaitu pencarian informasi meliputi port dan nama komputer untuk suatu komputer, menghasilkan nilai kuantitatif Risk Level sebesar 232 (High Risk Level). Pada skenario ujicoba tahap 3, yaitu pengambilalihan suatu computer target, menghasilkan nilai kuantitatif Risk Level sebesar 232 (High Risk Level).

---

IT Risk Management is a methodology used by a company / organization that can help them to manage risk from all devices and IT infrastructure assets. With the good IT Risk Management, the company / organization can manage all IT assets owned so can help them to increase the productivity of the company / organization. IT Risk Management consists of three phases, namely risk assessment, risk mitigation and the evaluation and assessment. At each stage, there are an output in the form of a report to the company / organization. To assist in the implementation of IT Risk Management, Intrusion Detection System (IDS) is required, to provide a report on the condition of the network of a company / organization, including reporting of when an interruption occurs and the action will be taken.

In this thesis, a web-based application is designed, that is used to calculate the risk level in a LAN on the risk assessment stage. That application is used to calculate the value of the risk level for each threat detected by the IDS for a selection entered by the user. Aspects of network security for a LAN is very important, especially where in the LAN there are computers that contains a very important data and at the same with computers, there are computers that are used by many people. Threats to the data on the computers not only can come from the internet, but can also come from computers in the LAN. Therefore, this application is expected to appear when an attack against a computer that came from another computer on the same LAN, the attack can be detected so that the data protection act can be done.

At the end of this thesis, the system is tested on a corporate LAN, to be a trial of attacks. There are three stages of testing with each of the stages seen the value of the resulting Risk Level system. In the first stage, the IP Address is searched on a LAN, the quantitative value of Risk Level is 4 (Low Risk Level). In the phase 2 trial scenario, the search information includes the port and the name of the computer to a computer, the quantitative value of Risk Level is 232 (High Risk Level). In the phase 3 trial scenario, the takeovers process of a target computer, the quantitative value of Risk Level is 232(High Risk Level)."

"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."

"Saat ini, penyusupan pada suatu sistem jaringan sering sekali terjadi. Gangguan tersebut dapat dicegah atau dideteksi salah satunya dengan menggunakan Intrusion Detection System. Intrusion Detection System sangat diperlukan untuk melindungi jaringan dan menghalangi serangan. Pada penelitian ini, dibahas pengklasifikasian data Intrusion Detection System menggunakan Multi-Class Support Vector Machine dengan pemilihan fitur Information Gain dengan data yang digunakan yaitu KDD-Cup99. Sebagai hasil, akan dibandingkan nilai akurasi model IDS menggunakan Support Vector Machine dengan dan tanpa pemilihan fitur serta percobaan pengaplikasian model untuk klasifikasi pada data unseen dengan model yang sudah didapat dengan menggunakan 8 fitur dan data training sebesar 80.

---

Nowadays, the intrusions often occur in a network system. One of ways that Intrusions can be prevented or detected is by using Intrusion Detection System. Intrusion Detection System indispensable to protect the network and to prevent the intrusions. In this paper, the author will discuss about the classification IDS data using Multi Class Support Vector Machine with feature selection using Information Gain and for the data used KDDCup99 Data Set. As a result, it will be compared the accuracy between IDS model using Support Vector Machine with and without feature selection and the application of model has been obtained from the experiment using eight features and 80 data training to unseen data."