Abstrak-Keamanan telah menjadi aspek penting bagi dunia internet. Layanan dalam sebuah server harus memiliki tingkat keamanan yang terjamin, agar layanan hanya dapat diakses oleh orang yang berhak untuk mengakses layanan tersebut. Keamanan server saat ini sangat penting karena menyangkut privasi seseorang maupun privasi sebuah lembaga atau perusahaan. Meningkatnya kasus pencurian data di dunia internet juga menjadi salah satu latar belakang pentingnya sebuah keamanan server. Mengukur tingkat keamanan sebuah server dapat dilakukan dengan berbagai cara diantaranya dengan melakukan penilaian kerentanan dan pengujian penetrasi. Penilaian kerentanan dan pengujian penetrasi adalah dua pengujian kerentanan yang berbeda. Dua metode ini memiliki kekuatan yang berbeda dan tentunya menghasilkan sebuah nilai pengukuran yang berbeda. Setelah mendapatkan sebuah nilai kerentanan dalam sebuah server diharapkan kedepanya dapat menentukan solusi yang tepat untuk mengatasi kerentanan tersebut.Kata Kunci :Server, PengujianKerentanan, Penetrasi Test.Abstract -Security has become an important aspect of the internet world. Services on a server must have a guaranteed level of security, so that services can only be accessed by people who are entitled to access the service. Server security is very important now because it involves a person's privacy or the privacy of an institution or company. The increasing cases of data theft in the internet world has also become one of the background to the importance of server security. Measuring the level of security of a server can be done in various ways including by conducting vulnerability assessments and penetration testing. Vulnerability assessment and penetration testing are two different vulnerability tests. These two methods have different strengths and of course produce a different measurement value. After getting a vulnerability value in a server, it is expected that in the future it can determine the right solution to overcome the vulnerability.
Publikasi ilmiah dapat mengandung lebih dari satu topik atau kategori bidang penelitian. Identifikasi topik atau bidang penelitian dapat dilihat hanya dari membaca judul publikasi ilmiah tersebut. Namun, judul publikasi ilmiah tidak dapat digunakan untuk menentukan kemiripannya dengan kategori bidang penelitian tertentu karena judul publikasi ilmiah belum tentu dapat mencerminkan bidang penelitiannya. Hal ini membuat pencarian judul publikasi ilmiah yang dilakukan oleh penulis jurnal menjadi kurang efektif. Kemiripan publikasi ilmiah dengan kategori bidang penelitiannya dapat ditentukan menggunakan Vector Space Model. Permasalahan pertama yang terjadi adalah skema pembobotan TFIDF pada Vector Space Model tidak dapat diimplementasikan pada penelitian ini. Penyebabnya adalah skema tersebut belum dapat mewakili kategori bidang penelitian. Selain itu, matriks pembobotan TFIDF juga memerlukan penyesuaian kolom untuk memproses dataset yang berjumlah besar. Permasalahan kedua yaitu pengukuran kemiripan dokumen antara query dengan panjang vektor dokumen. Panjang vektor dokumen pada penelitian sebelumnya diperoleh dari jumlah kata yang ada pada suatu dokumen. Sedangkan pada penelitian ini dibutuhkan pengukuran kemiripan dokumen yang berupa judul publikasi ilmiah dengan kategori bidangnya. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan Vector Space Model dalam mengukur kemiripan judul publikasi ilmiah dengan kategori bidang penelitiannya. Penelitian ini menghasilkan nila rata-rata recall sebesar 89,7 % dan presisi sebesar 90%. Keyword : Vector Space Model,Pembobotan TFIDF, Publikasi Ilmiah
Overstemming merupakan pemenggalan kata ke bentuk asal (root word) yang berlebihan. Hal ini menyebabkan kata tersebut bermakna sangat berbeda dengan kata asal. Namun, stem yang dihasilkan sama bentuknya. Untuk mengatasi permasalahan tersebut, penelitian sebelumnya telah menerapkan algoritma stemming dengan tabel aturan kata. Namun kekurangan dari tabel aturan kata ini adalah kesulitan dalam menambahkan jenis kata yang mengalami overstemming. Oleh karena itu, penelitian ini bertujuan untuk memodifikasi algoritma overstemming tersebut. Penelitian ini akan menggabungkan algoritma stemming (hybrid stemming) yaitu algoritma look-up table, tabel aturan kata dan algoritma stemming Porter yang biasa digunakan. Dataset yang digunakan dalam pengujian adalah atribut judul pada dokumen publikasi ilmiah. Hasil pengujian menunjukkan bahwa modifikasi algoritma stemming menghasilkan recall sebesar 89, 9%.Saran untuk penelitian selanjutnya adalah pengujian dapat dilakukan menggunakan atribut lainnnya pada dokumen publikasi.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.