• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Penanda Bagikan

SKRIPSI DIGITAL

Implementasi Argon2id Dan AES-256-GCM Pada Sistem Manajemen Password Berbasis RESTful API Dengan Analisis Risiko Akses Berbasis Machine Learning = Implementation of Argon2id and AES-256-GCM in a RESTful API-Based Password Management System with Machine Learning-Based Access Risk Analysis

Muhammad Rayhan Maulana Anas - Nama Orang; Kuwat Santoso - Nama Orang; Kurnianingsih - Nama Orang;

Peningkatan penggunaan layanan digital menyebabkan kebutuhan akan pengelolaan password yang aman semakin penting. Namun, penggunaan password yang lemah, penyimpanan data sensitif yang tidak aman, serta risiko akses tidak sah masih menjadi permasalahan yang sering terjadi. Penelitian ini bertujuan untuk mengembangkan sistem manajemen password berbasis RESTful API yang menerapkan mekanisme keamanan menggunakan Argon2id dan AES-256-GCM serta dilengkapi dengan analisis risiko akses berbasis Machine Learning. Argon2id digunakan untuk menghasilkan Key Encryption Key (KEK) melalui proses derivasi kunci, sedangkan AES-256-GCM digunakan untuk mengenkripsi data sensitif pengguna sebelum disimpan pada basis data. Analisis risiko akses dikembangkan menggunakan pendekatan Anomaly Detection dengan membandingkan algoritma
Isolation Forest, Local Outlier Factor (LOF), dan One-Class Support Vector Machine (One-Class
SVM). Dataset penelitian dibangun menggunakan metode synthetic data generation yang
merepresentasikan aktivitas akses normal dan anomali. Hasil pengujian menunjukkan bahwa
algoritma Isolation Forest memberikan performa terbaik dengan nilai Precision sebesar 0,849,
Recall sebesar 0,911, F1-Score sebesar 0,879, dan ROC-AUC sebesar 0,985. Hasil deteksi anomali
selanjutnya dikombinasikan dengan mekanisme rule-based detection melalui pendekatan hybrid risk scoring untuk menghasilkan klasifikasi risiko akses ke dalam kategori Low, Medium, dan High. Pengujian fungsional, RESTful API, integrasi sistem, dan keamanan menunjukkan seluruh skenario pengujian berhasil dijalankan sesuai kebutuhan. Selain itu, hasil pengujian kepuasan pengguna memperoleh nilai sebesar 88,07%, yang menunjukkan bahwa sistem dapat diterima dengan baik dan mampu mendukung keamanan pengelolaan password serta pemantauan risiko akses pengguna.


Fulltext
  • RK038-2026
Informasi Detail
Judul Seri
-
No. Panggil
RK 038 2026
Penerbit
Semarang : Politeknik Negeri Semarang., 2026
Deskripsi Fisik
xviii, 131 hal.: illus.; 30 cm.
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
kriptografi
keamanan siber
pembelajaran mesin
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Muhammad Rayhan Maulana Anas
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Jam Buka Perpustakaan

Senin - Kamis:
07.30 - 16.00 WIB

Jum'at:
07.30 - 16.30 WIB


NPP. 3374102C0000002
0895340731030
Follow Us
Subscribe

© 2026 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?