Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

Pengembangan Aplikasi Monitoring Penggunaan Listrik Rumah Tangga Berbasis IoT dan Website

2025-07-21T07:21:43+07:00

ABSTRAK
Penggunaan listrik yang tidak efisien di rumah telah menjadi masalah umum di zaman sekarang, yang mengakibatkan pemborosan energi dan meningkatnya biaya tagihan. Selain kebutuhan listrik yang semakin meningkat dalam kehidupan sehari-hari, diperlukan solusi untuk mengatasi pengelolaan listrik yang tidak efisien. Penelitian ini mengusulkan pembuatan aplikasi online yang memberdayakan pengguna untuk memonitor penggunaan listrik secara real time melalui teknologi Internet of Things (IoT). Aplikasi ini memberikan informasi yang akurat dan laporan yang komprehensif tentang konsumsi listrik, membantu pengguna dalam mendeteksi pola konsumsi yang tidak efisien, dan memberikan saran untuk penghematan energi, sehingga tidak hanya membantu pengguna untuk mengurangi biaya listrik mereka, tetapi juga mendukung upaya global untuk mengurangi emisi karbon dan mempromosikan penggunaan energi yang lebih berkelanjutan. Diharapkan aplikasi ini dapat meningkatkan kesadaran masyarakat akan pentingnya efisiensi energi dan secara efektif berkontribusi pada pelestarian lingkungan alam. Penelitian sebelumnya juga menunjukkan bahwa kebiasaan sederhana yang diabaikan dapat mempengaruhi penggunaan listrik secara signifikan, yang jika tidak segera diatasi dapat menyebabkan kekurangan energi di masa depan.

Penggunaan Blockchain untuk Transaksi Cryptocurrency

2025-07-28T16:25:56+07:00

Teknologi blockchain telah membawa perubahan besar dalam sektor keuangan, terutama dalam transaksi digital yang berkaitan dengan cryptocurrency. Sejak kemunculannya melalui Bitcoin pada tahun 2008, blockchain terus berkembang pesat dan mulai diterapkan di berbagai industri. Teknologi ini memungkinkan transaksi berlangsung dengan aman, transparan, dan tanpa perantara, seperti bank atau lembaga keuangan lainnya. Dengan sistem yang terdesentralisasi, blockchain lebih tahan terhadap ancaman keamanan siber dan manipulasi data, menjadikannya solusi yang efektif dalam meningkatkan keamanan transaksi mata uang digital.
Sebagai sebuah buku besar digital, blockchain mencatat setiap transaksi dalam bentuk blok yang saling terhubung melalui teknik kriptografi. Validasi transaksi dalam sistem ini dilakukan melalui mekanisme konsensus seperti Proof of Work (PoW) dan Proof of Stake (PoS), sehingga dapat menjamin integritas serta keabsahan data tanpa perlu otoritas pusat. Selain itu, dengan adanya smart contract yang diperkenalkan oleh Ethereum, blockchain dapat digunakan untuk menjalankan transaksi secara otomatis dalam berbagai sektor, termasuk Decentralized Finance (DeFi).
Penelitian ini bertujuan untuk menganalisis bagaimana teknologi blockchain dapat meningkatkan keamanan dalam transaksi mata uang digital, dengan fokus utama pada implementasinya dalam Bitcoin dan Ethereum. Melalui pendekatan deskriptif dan analitis, penelitian ini membahas bagaimana blockchain mampu mencegah tindak kecurangan, meningkatkan efisiensi transaksi, serta memberikan solusi bagi tantangan dalam sistem keuangan digital. Di sisi lain, terdapat beberapa kendala dalam penerapan blockchain, seperti masalah skalabilitas, regulasi yang masih berkembang, serta konsumsi energi yang tinggi dalam sistem PoW.
Meskipun demikian, blockchain menawarkan berbagai peluang bagi masa depan industri keuangan. Pengembangan lebih lanjut dalam bidang DeFi, tokenisasi aset, dan sistem pembayaran berbasis blockchain berpotensi untuk merevolusi cara transaksi dilakukan secara global. Dengan terus meningkatnya penelitian dan inovasi dalam teknologi ini, blockchain dapat menjadi landasan utama dalam membangun sistem keuangan yang lebih aman, efisien, dan transparan.

Identifikasi Tantangan Literasi Digital Dan Implementasi Metode Agile Dalam Pengembangan Web Majalah Informasi Studi Kasus Kementerian Ketenagakerjaan Republik Indonesia

2025-07-29T19:13:27+07:00

Perkembangan teknologi informasi saat ini berkembang sangat pesat memasuki era digitalisasi yaitu informasi yang telah berubah dari manajemen konvensional ke teknologi komputer. Di tengah tuntutan akan aksesibilitas informasi dan perkembangan teknologi, tim pengembang di Kementerian Ketenagakerjaan dihadapkan pada berbagai tantangan. Tantangan tersebut termasuk memastikan konten yang disajikan sesuai dengan kebutuhan pengguna, menjaga keamanan dan privasi data, serta menghadapi perubahan cepat dalam teknologi dan tuntutan pengguna. Penelitian ini dilakukandengan menggunakan implementasi metode Agile dalam pengembangan dan pemeliharaan web serta majalah elektronik sebagai solusi yang responsif terhadap tantangan yang dihadapi. Penelitian ini diharapkan dapat memberikan wawasan yang berharga bagi pengembang web dan pemangku kepentingan lainnya dalam upaya meningkatkan literasi digital dan efektivitas komunikasi pemerintahan di era digital ini. Dengan demikian, web majalah informasi Kementerian Ketenagakerjaan Republik Indonesia menjadi salah satu instrumen yang efektif dalam mencapai tujuan tersebut dan menjembatani informasi mengenai ketenagakerjaan antara pemerintah dan masyarakat.

Analisis Efektivitas Algoritma Pembelajaran Mesin dalam Deteksi Penipuan Transaksi Online

2025-05-28T08:04:06+07:00

Penipuan transaksi online merupakan ancaman serius dengan dampak finansial yang signifikan. Penelitian ini menganalisis efektivitas dua algoritma pembelajaran mesin, yaitu Random Forest (RF) dan Neural Networks (NN), dalam mendeteksi transaksi penipuan. Dataset yang digunakan terdiri dari 100.000 transaksi (10% di antaranya fraud) dari TranSecure Database 2023. Hasil eksperimen menunjukkan bahwa NN mencapai kinerja terbaik dengan akurasi 95%, presisi 0.93, dan recall 0.90, sedangkan RF menghasilkan akurasi 93%, presisi 0.91, dan recall 0.89. Tantangan utama meliputi kebutuhan data berkualitas tinggi dan adaptasi terhadap pola penipuan yang dinamis. Temuan ini membuktikan bahwa NN lebih unggul dalam menangani pola kompleks, meskipun memerlukan sumber daya komputasi lebih besar. Penelitian ini memberikan kontribusi praktis dalam pengembangan sistem deteksi penipuan yang lebih robust di industri keuangan digital.

Eksplorasi dan Analisis Data Mining untuk Prediksi Pola Konsumen Menggunakan Teknik Klasifikasi dan Clustering

2025-05-28T08:17:06+07:00

Di era digital saat ini, pemahaman yang mendalam terhadap perilaku konsumen menjadi faktor kunci dalam merancang strategi bisnis yang efektif. Penelitian ini bertujuan untuk menerapkan teknik data mining dalam memprediksi pola perilaku konsumen melalui pendekatan klasifikasi dan clustering. Dataset yang digunakan mencakup informasi demografis, riwayat transaksi, preferensi produk, serta interaksi digital konsumen. Metodologi yang digunakan menggabungkan pendekatan kuantitatif dan kualitatif, dengan menerapkan algoritma Random Forest dan Support Vector Machine (SVM) untuk klasifikasi, serta K-Means dan Hierarchical Clustering untuk segmentasi. Proses analisis diawali dengan data preprocessing seperti pembersihan data, normalisasi, dan seleksi fitur. Hasil klasifikasi menunjukkan bahwa algoritma Random Forest mampu mencapai akurasi hingga 85%, sementara SVM mencapai 82% dalam memprediksi kecenderungan pembelian konsumen. Selain itu, hasil clustering berhasil mengidentifikasi lima segmen konsumen dengan karakteristik perilaku yang berbeda, yang dapat menjadi dasar pengembangan strategi pemasaran yang lebih tepat sasaran. Temuan ini menunjukkan bahwa integrasi metode klasifikasi dan clustering dapat memberikan wawasan strategis yang bernilai bagi pengambilan keputusan bisnis berbasis data.

Implementasi Enkripsi Data End-to-End pada Komunikasi Perangkat IoT Berbasis Lightweight Cryptography

2025-05-28T08:23:22+07:00

Internet of Things (IoT) merupakan teknologi yang mengalami perkembangan pesat dalam beberapa tahun terakhir, dengan menghubungkan berbagai perangkat guna meningkatkan efisiensi dan kenyamanan di berbagai sektor, seperti rumah pintar, kesehatan, dan industri. Namun demikian, keamanan komunikasi menjadi tantangan utama, khususnya dalam aspek privasi, autentikasi, dan integritas data. Penelitian ini bertujuan untuk mengeksplorasi penerapan enkripsi data end-to-end (E2E) pada perangkat IoT dengan pendekatan kriptografi ringan (lightweight cryptography), yang berfokus pada peningkatan keamanan komunikasi. Metode yang digunakan mencakup studi komparatif terhadap berbagai algoritma kriptografi ringan yang dirancang khusus untuk perangkat dengan keterbatasan sumber daya. Penelitian yang dilakukan mengacu kepada hasil penelitian yang telah dilakuakn oleh penelitian terdahulu sehingga dapat diambil kesimpulan yang menunjukkan bahwa penggunaan algoritma tersebut dapat mengurangi retransmisi data, meningkatkan kinerja jaringan, serta menghemat konsumsi energi. Selain itu, integrasi teknologi blockchain terbukti mampu memperkuat pengelolaan kunci dan proses autentikasi, sehingga memberikan peningkatan signifikan terhadap keamanan dan transparansi sistem IoT. Penelitian ini memberikan kontribusi terhadap pengembangan solusi keamanan yang efisien dan dapat diterapkan secara luas pada perangkat IoT, guna melindungi data sensitif selama proses transmisi.

Klasifikasi Penyakit Tanaman Mangga Menggunakan Algorithma CNN Pada Citra Daun Daun

2025-05-28T08:31:59+07:00

Mangga (Mangifera indica L.) merupakan salah satu tanaman buah tropis yang berasal dari India dan dikenal kaya akan kandungan vitamin A, vitamin C, serta nutrisi penting lainnya. Namun, produktivitas tanaman mangga sering kali menurun akibat serangan berbagai jenis penyakit, baik yang disebabkan oleh parasit maupun non-parasit. Untuk mengatasi permasalahan ini, penelitian ini mengembangkan sistem cerdas berbasis Deep Learning dan Computer Vision yang mampu mendeteksi penyakit pada daun mangga secara otomatis. Proses klasifikasi dilakukan terhadap citra daun mangga yang telah melalui tahap augmentasi sebagai teknik pengolahan citra, kemudian dilatih menggunakan algoritma Convolutional Neural Network (CNN). Hasil pelatihan menunjukkan tingkat akurasi yang cukup tinggi, yakni 93% untuk data pelatihan dan 94% untuk data validasi. Dataset yang digunakan merupakan Mango Leaf Disease Dataset yang diperoleh dari Kaggle, terdiri dari 400 citra dan dibagi menjadi 3.200 data untuk pelatihan serta 800 data untuk validasi. Dataset ini mencakup delapan kategori, yaitu: Anthracnose, Bacterial Canker, Cutting Weevil, Die Back, Gall Midge, Healthy, Powdery Mildew, dan Sooty Mould. Tujuan utama dari penelitian ini adalah untuk mendukung kemajuan teknologi di bidang pertanian melalui pengembangan sistem deteksi penyakit tanaman yang lebih akurat dan efisien.

Peningkatan Skalabilitas Jaringan Ethereum melalui Implementasi Sharding

2025-05-28T15:00:00+07:00

Sebagai platform terkemuka untuk aplikasi terdesentralisasi (dApps) dan smart contract, blockchain Ethereum menghadapi tantangan signifikan dalam hal skalabilitas seiring dengan bertambahnya jumlah pengguna dan volume transaksi. Saat ini, jaringan hanya mampu memproses 15 transaksi per detik (TPS), suatu keterbatasan yang membuatnya sulit bersaing dengan sistem konvensional seperti Visa. Sharding diusulkan sebagai solusi untuk mengatasi masalah ini. Sharding membagi jaringan menjadi segmen-segmen lebih kecil (shard) yang memungkinkan transaksi diproses secara paralel, sehingga meningkatkan throughput tanpa membebani node individu. Studi ini menerapkan implementasi sharding dalam rencana peningkatan Ethereum 2.0, yang memperkenalkan komponen- komponen penting seperti beacon chain dan shard chain. Beacon chain menyinkronkan dan mengamankan shard, dengan setiap shard bertindak sebagai mini-blockchain. Dalam studi kasus ini, kami menganalisis kinerja sharding berdasarkan empat faktor utama: throughput, latensi, keamanan, dan interoperabilitas. Hasil awal menunjukkan bahwa sharding dapat secara signifikan meningkatkan skalabilitas jaringan, berpotensi meningkatkan TPS hingga ribuan kali lipat, mengurangi latensi, dan mempertahankan standar keamanan tinggi melalui pengelolaan validator. Namun, tantangan seperti komunikasi antar-shard dan ketersediaan data harus diatasi untuk memastikan operasi berjalan lancar. Studi ini menyimpulkan bahwa meskipun sharding adalah pendekatan yang menjanjikan untuk meningkatkan skalabilitas Ethereum, dibutuhkan lebih banyak upaya untuk mengoptimalkan kinerja dan integrasi lebih lanjut ke dalam jaringan yang ada.

Analisis Komparatif Akurasi dan Relevansi Alat AI Versi Gratis ChatGPT dan Gemini dalam Menyelesaikan Tugas Siswa

2025-07-05T05:06:47+07:00

Alat AI seperti ChatGPT, Gemini mengubah cara mahasiswa di Universitas Nusa Putra menyelesaikan tugas akademik. Namun, keberagaman model AI ini menimbulkan kebingungan terkait akurasi dan relevansi. Penelitian ini bertujuan membandingkan ketiga alat AI tersebut, menganalisis efektivitasnya dalam menyediakan informasi yang akurat dan relevan untuk tugas mahasiswa.

Dengan metode kualitatif, data dari mahasiswa Universitas Nusa Putra akan dikumpulkan melalui wawancara, survei, dan studi kasus, berfokus pada penerapan praktis alat-alat ini dalam konteks akademik. Studi ini juga akan mengkaji dampak AI terhadap integritas akademik dan kedalaman pembelajaran. Melalui identifikasi kekuatan dan keterbatasan masing-masing alat, penelitian ini akan memberikan rekomendasi untuk membantu mahasiswa memilih model AI yang paling sesuai untuk keperluan akademik.

Klasifikasi Tingkat Kematangan Buah Jeruk Menggunakan Arsitektur VGG16

2025-07-07T04:14:26+07:00

Buah jeruk termasuk jenis buah yang terkenal digemari banyak orang dikarenakan memiliki rasa yang manis serta kandungan vitamin C yang melimpah. Untuk memenuhi kebutuhan Permintaan terhadap buah jeruk yang terus meningkat, diperlukan panen buah jeruk pada tingkat kematangan yang tepat guna menjaga kualitas dan masa simpannya. Namun, metode tradisional seperti pengamatan visual seringkali menyebabkan kesalahan dalam penentuan tingkat kematangan buah, yang dapat berdampak pada kualitas dan nilai jualnya. Oleh karenanya, penelitian ini dimaksudkan guna mendesain dan mengembangkan sebuah sistem klasifikasi tingkat kematangan buah jeruk memanfaatkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16 sebagai model pretrained. Pelatihan dan pengujian model ini menggunakan 180 citra jeruk yang dikelompokkan ke dalam 3 kelas yaitu, mentah, matang dan busuk yang terdiri dari 60 citra per kelasnya. Adapun hasil penelitian membuktikan bahwasanya model yang diterapkan berhasil memperoleh akurasi pelatihan sebesar 97% dan akurasi validasi sebesar 94%.

Pengembangan Aplikasi Pencatatan Harian: Solusi Meningkatkan Produktivitas Pengguna Menggunakan Metode Prototyping

2025-07-07T07:47:41+07:00

Dalam era digital, kebutuhan akan aplikasi pencatatan harian yang interaktif dan efisien semakin meningkat. Banyak individu menghadapi tantangan dalam mengelola waktu dan tugas harian, yang berdampak negatif pada produktivitas. Penelitian ini bertujuan untuk mengembangkan aplikasi pencatatan harian interaktif menggunakan metode prototyping, yang memungkinkan pengumpulan umpan balik langsung dari pengguna untuk menciptakan solusi yang lebih relevan. Proses pengembangan dimulai dengan analisis kebutuhan pengguna melalui kuesioner, dilanjutkan dengan pembuatan prototipe awal aplikasi yang mencakup fitur-fitur seperti pencatatan teks, checklist, pengunggahan gambar, dan pengenalan suara (speech-to-text). Selanjutnya, prototipe diuji untuk mengukur efektivitas aplikasi berdasarkan umpan balik pengguna. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu meningkatkan produktivitas pengguna dalam mengelola waktu dan tugas harian mereka. Fitur-fitur seperti speech-to-text, sinkronisasi, dan pengingat dinilai sangat membantu, terutama dalam mendukung kebutuhan pencatatan harian yang lebih fleksibel dan interaktif. Namun, sebagian pengguna menyarankan peningkatan pada pengelolaan to-do-list dan efisiensi fitur penangkapan suara untuk memberikan pengalaman yang lebih baik. Aplikasi ini juga dinilai bermanfaat dalam berbagai situasi, mulai dari mencatat ide spontan hingga mencatat materi kuliah, dengan cara yang lebih terorganisir. Penelitian ini memberikan kontribusi teoretis dalam literatur pengembangan perangkat lunak berbasis prototyping dan mendorong adopsi teknologi modern seperti speech-to-text. Secara praktis, penelitian ini menawarkan solusi yang adaptif dan fungsional bagi pengguna modern. Dengan pengembangan fitur yang berkelanjutan, aplikasi ini memiliki potensi besar untuk memenuhi kebutuhan pencatatan harian yang terus berkembang di era digital.

Perbandingan Teknik Jaringan Syaraf Tiruan dalam Pengenalan Wajah Menggunakan Backpropagation dan Learning Vector Quantization

2025-07-07T09:13:35+07:00

Pengenalan wajah telah menarik minat penelitian yang signifikan, terutama melalui penerapan jaringan saraf buatan (ANN) untuk tugas-tugas seperti keamanan dan autentikasi. Studi ini membandingkan kinerja dua algoritma ANN terkemuka Backpropagation dan Learning Vector Quantization (LVQ) dalam sistem pengenalan wajah. Meskipun kedua algoritma memetakan masukan ke keluaran yang benar, keduanya berbeda dalam mekanisme pembelajaran dan karakteristik. Penelitian ini mengevaluasi efektivitasnya dalam hal akurasi, kecepatan komputasi, dan ketahanan terhadap variasi wajah, memanfaatkan kumpulan data dari Kaggle dan Labeled Faces in the Wild. Hasilnya menunjukkan bahwa model Backpropagation mencapai akurasi validasi sebesar 97%, mengungguli LVQ yang mencatat 78%, menyoroti keunggulan model Backpropagation dalam menangkap pola gambar kompleks dan menangani data berdimensi tinggi.

Sistem Rekomendasi Film Menggunakan Algoritma K-Nearest Neighbors

2025-07-08T04:47:50+07:00

Pemilihan film yang relevan dengan preferensi pengguna menjadi tantangan seiring meningkatnya jumlah pilihan film di berbagai platform. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi film berbasis algoritma K-Nearest Neighbors (KNN) guna memberikan rekomendasi yang lebih personal. Dataset yang digunakan dalam penelitian ini adalah movies_metadata.csv dan ratings_small.csv dari sumber publik. Model diuji dengan parameter k=5, 8, dan 10 menggunakan metrik kesamaan Cosine Similarity dan Euclidean Distance. Hasil pengujian menunjukkan bahwa konfigurasi k=10 dengan metrik Cosine Similarity memberikan hasil terbaik, dengan nilai Root Mean Square Error (RMSE) sebesar 1.0168. Sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi film yang sesuai dengan preferensi pengguna berdasarkan data rating yang tersedia. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem rekomendasi untuk meningkatkan pengalaman pengguna dalam memilih film.

Analisis Risiko Keamanan Data WhatsApp Mod melalui Pendekatan Malware dan Pengaruhnya terhadap Privasi Pengguna

2025-07-08T07:07:56+07:00

Aplikasi WhatsApp modifikasi, seperti GB WhatsApp, FM WhatsApp, dan WhatsApp Plus, sering digunakan pengguna karena menawarkan fitur tambahan yang tidak tersedia di aplikasi resmi. Namun, aplikasi ini membawa risiko keamanan data dan privasi pengguna yang signifikan. Penelitian ini bertujuan untuk menganalisis ancaman yang ditimbulkan oleh aplikasi modifikasi terhadap privasi dan keamanan data pengguna. Metode yang digunakan mencakup analisis statis melalui VirusTotal dan Mobile Security Framework (MobSF) untuk mendeteksi keberadaan malware, izin berbahaya, serta kerentanan aplikasi. Hasil penelitian menunjukkan bahwa aplikasi modifikasi memiliki tingkat keamanan yang rendah, dengan deteksi malware seperti trojan, perangkat lunak berbahaya, dan modul tambahan tanpa izin pengguna. VirusTotal mengidentifikasi ancaman yang mencakup pencurian data, manipulasi perangkat, dan pengiriman data ke server tidak dikenal. Sementara itu, MobSF mengungkapkan kerentanan seperti Janus vulnerability dan konfigurasi jaringan yang tidak aman, yang memungkinkan serangan man-in-the-middle (MitM). Sebaliknya, aplikasi WhatsApp resmi menunjukkan tingkat keamanan yang jauh lebih tinggi tanpa adanya ancaman yang terdeteksi. Penelitian ini menekankan pentingnya menggunakan aplikasi resmi untuk melindungi privasi dan keamanan pengguna. Edukasi kepada pengguna dan penelitian lebih lanjut tentang risiko aplikasi modifikasi diperlukan untuk meningkatkan kesadaran masyarakat terhadap bahaya yang ditimbulkan

Analisis Masalah Serangan Phishing pada Penggunaan Email

2025-07-15T04:32:14+07:00

Phishing merupakan salah satu ancaman siber yang paling sering dialami oleh pengguna email, yang bertujuan untuk mencuri informasi pribadi seperti kata sandi dan data keuangan. Permasalahan ini semakin meningkat dengan perkembangan teknologi komunikasi digital yang memudahkan pelaku serangan untuk menargetkan korban secara massal. Dalam penelitian ini, dilakukan analisis terhadap teknik dan metode serangan phishing melalui email serta dampaknya terhadap keamanan informasi pengguna. Metode yang digunakan meliputi pengumpulan dan analisis data dari insiden phishing yang dilaporkan oleh pengguna, serta pengujian berbagai algoritma deteksi phishing berbasis machine learning. Pengumpulan data dilakukan melalui survei dan pengamatan langsung terhadap pola serangan pada beberapa layanan email populer. Algoritma yang diuji termasuk Decision Tree, Random Forest, dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa metode deteksi berbasis machine learning memiliki tingkat akurasi yang tinggi dalam mengidentifikasi email phishing, dengan Random Forest mencapai akurasi sebesar 93%. Penelitian ini juga menemukan bahwa edukasi pengguna mengenai tanda-tanda phishing dan penerapan langkah-langkah keamanan yang ketat dapat secara signifikan mengurangi risiko menjadi korban serangan phishing. Implementasi hasil penelitian diharapkan dapat meningkatkan kesadaran dan perlindungan pengguna email terhadap ancaman phishing.

Menilai Keamanan Aplikasi Web Melalui Pengujian Penetrasi: Pendekatan Studi Kasus

2025-07-15T04:53:42+07:00

Keamanan aplikasi web telah menjadi perhatian utama karena aplikasi tersebut semakin terintegrasi ke dalam operasi perusahaan kontemporer. Meningkatnya serangan siber yang menargetkan aplikasi ini mengungkap kelemahan serius, yang sering kali disebabkan oleh pengaturan yang salah dan pengodean yang buruk. Masalah mendesak dari langkah-langkah keamanan yang tidak memadai yang membuat perusahaan rentan terhadap pelanggaran dibahas dalam studi ini. Untuk menemukan kerentanan umum seperti injeksi SQL, skrip lintas situs (XSS), dan metode autentikasi yang lemah, kami melakukan pengujian penetrasi pada sejumlah aplikasi web operasional. Untuk memperoleh pemahaman menyeluruh tentang kelemahan keamanan, kami mereplikasi skenario serangan aktual menggunakan alat otomatis seperti Burp Suite dan metode pengujian manual. Pengujian kami mengungkap pola yang mengkhawatirkan: frekuensi kerentanan yang tinggi di semua aplikasi yang kami lihat. Banyak bisnis meremehkan bahaya yang ditimbulkan oleh celah keamanan ini, yang dapat mengakibatkan pelanggaran data yang serius, kerugian moneter, dan kerusakan reputasi. Hasil kami menunjukkan bahwa perusahaan sangat perlu meningkatkan prosedur dan proses keamanan mereka.
Pentingnya pengujian penetrasi rutin sebagai prosedur mendasar untuk menjaga keamanan aplikasi web yang kuat merupakan salah satu kesimpulan utama yang diambil dari penelitian kami. Organisasi dapat mendeteksi kerentanan sebelum pelaku jahat memanfaatkannya dengan melakukan evaluasi yang komprehensif dan berkala. Studi kami juga memberikan saran praktis untuk meningkatkan langkah-langkah keamanan, seperti menggunakan teknik pengkodean aman yang mengutamakan keamanan selama tahap pengembangan. Lebih jauh, kami menekankan pentingnya melakukan penilaian kerentanan secara berkala untuk menjamin bahwa aplikasi selalu diawasi terhadap bahaya yang muncul. Menggunakan teknik autentikasi yang kuat, seperti autentikasi multi-faktor, juga penting untuk menjaga kepercayaan pengguna dan mengamankan data sensitif. Pada akhirnya, studi kami menekankan betapa pentingnya bagi bisnis untuk secara proaktif memperbaiki kerentanan keamanan. Bisnis dapat memperkuat pertahanan mereka terhadap serangkaian ancaman siber yang terus berubah dengan mengutamakan keamanan aplikasi web melalui pengujian yang sering dan menggunakan praktik terbaik