Kerusakan jalan tidak hanya mengurangi kenyamanan dalam berkendara, tetapi juga menjadi salah satu penyebab utama kecelakaan lalu lintas. Oleh karena itu, kegiatan pemeliharaan dan perawatan jalan yang dilakukan secara rutin sangat diperlukan untuk mendeteksi kerusakan sejak dini dan menentukan langkah penanganan yang tepat. Seiring dengan perkembangan teknologi, proses identifikasi kerusakan jalan kini dapat ditingkatkan melalui pendekatan otomatis menggunakan teknologi machine learning, yang menawarkan efisiensi serta akurasi tinggi. read more

Tegar Bayu Pratama, mahasiswa Program Studi D4 Teknologi Jaringan Universitas Gadjah Mada, pada tahun 2024 berhasil menyelesaikan tugas akhirnya yang berjudul “Mitigasi Risiko Insecure Design Vulnerability pada Aqua Digital Operations Platform (ADOP) menggunakan metode STRIDE & DREAD”. Penelitian ini dibimbing oleh Nur Rohman Rosyid, S.T., M.T., D.Eng.​ Dengan pesatnya kemajuan teknologi, keamanan informasi menjadi aspek krusial dalam pengembangan platform digital. Aqua Digital Operations Platform (ADOP), sebagai salah satu platform penting dalam industri Air Minum Dalam Kemasan (AMDK), memerlukan perhatian khusus terkait keamanan desainnya.​ Penelitian ini bertujuan untuk mengidentifikasi, mengevaluasi, dan mengurangi risiko insecure design vulnerability pada ADOP. Metode yang digunakan adalah: read more

Di era digital yang semakin maju, kebutuhan akan perlindungan data menjadi semakin krusial. Akses informasi yang cepat dan luas membuka peluang besar dalam dunia teknologi, namun juga memperbesar risiko kebocoran dan penyalahgunaan data pribadi. Menyadari pentingnya menjaga kerahasiaan dan keamanan informasi, mahasiswa program studi Teknologi Rekayasa Internet, Widdy Sintia Agustin, melakukan sebuah penelitian yang bertujuan mengembangkan sistem keamanan data yang berbasis teknologi tokenisasi. read more

Hanung Addi Chandra Utomo, mahasiswa Program Studi D4 Teknologi Jaringan Universitas Gadjah Mada, pada tahun 2023 berhasil menyelesaikan tugas akhirnya yang berjudul “Implementasi Sistem Konfigurasi Router Berbasis Natural Language Processing dengan Pendekatan Low Rank Adaptation Finetuning dan 8-Bit Quantization”. Penelitian ini dibimbing oleh Yuris Mulya Saputra, S.T., M.Sc., Ph.D.​

Konfigurasi router merupakan aspek krusial dalam pengelolaan jaringan komputer. Namun, proses ini seringkali kompleks dan memerlukan pemahaman mendalam tentang sintaksis khusus, yang dapat menjadi tantangan bagi pengguna non-teknis. Penerapan Natural Language Processing (NLP) menawarkan solusi dengan memungkinkan pengguna memberikan perintah dalam bahasa alami, yang kemudian diterjemahkan menjadi konfigurasi router yang sesuai.​ Penelitian ini memanfaatkan model GPT-J-6B yang telah dilatih dengan 6 miliar parameter. Model ini kemudian di-finetune menggunakan dataset konfigurasi router untuk meningkatkan kemampuannya dalam memahami dan menerjemahkan perintah dalam bahasa alami. Untuk mengoptimalkan proses finetuning, digunakan teknik Low Rank Adaptation (LoRA), yang memungkinkan penyesuaian model dengan efisiensi tinggi tanpa mengorbankan performa. Selain itu, diterapkan teknik 8-bit quantization untuk mengurangi penggunaan sumber daya saat menjalankan model, memungkinkan implementasi yang stabil dalam lingkungan seperti Google Colaboratory.​ Hasil penelitian menunjukkan bahwa sistem konfigurasi router berbasis NLP ini mencapai akurasi sebesar 98% dalam menerjemahkan perintah bahasa alami menjadi konfigurasi router yang tepat. Inovasi ini berpotensi besar dalam meningkatkan efisiensi manajemen jaringan, terutama bagi pengguna yang tidak memiliki latar belakang teknis mendalam.​ read more