Authors:Taqiyyah Rabbani Ramadhan, Noor Aini Habibah Pages: 53 - 60 Abstract: Kandungan metabolit sekunder dalam umbi bawang merah (Allium ascalonicum) secara efektif dapat diproduksi melalui teknik kultur kalus yang dipengaruhi oleh komposisi auksin dan sitokinin pada media. Penelitian ini bertujuan untuk menganalisis pengaruh konsentrasi benzyl aminopurin (BAP) dan pikloram yang optimal terhadap induksi kalus eksplan umbi bawang merah. Rancangan penelitian adalah rancangan acak lengkap (RAL) dengan dua faktor yaitu konsentrasi BAP dan konsentrasi pikloram, masing-masing dengan konsentrasi 0 ppm, 1 ppm, 2 ppm dan 3 ppm. Eksplan yang diinduksi berupa bagian pelepah kuncup umbi. Kultur dilakukan pada media Murashige and Skoog (MS) dengan pencahayaan 2.000 lux, suhu ±20-25°C, kelembapan 52-58% dan diinkubasi selama 45 hari. Indikator yang diamati meliputi waktu muncul kalus, persentase berkalus dan morfologi kalus. Data waktu muncul kalus dan persentase berkalus dianalisis dengan uji Kruskall-Wallis dan diuji lanjut dengan uji Dunn. Data morfologi kalus dianalisis secara deskriptif. Hasil penelitian menunjukkan bahwa konsentrasi BAP tidak berpengaruh signifikan terhadap waktu muncul kalus dan persentase tumbuh kalus sedangkan konsentrasi pikloram berpengaruh signifikan terhadap kedua parameter tersebut. Rerata waktu muncul kalus tercepat yaitu 8,6 hst (hari setelah tanam) dicapai pada perlakuan 2 ppm BAP + 3 ppm pikloram dengan persentase tumbuh kalus 100%. Morfologi kalus yang dihasilkan pada sebagian perlakuan bertekstur kompak dengan warna kalus putih kekuningan. PubDate: 2023-10-16 DOI: 10.15294/ijmns.v46i2.47250 Issue No:Vol. 46, No. 2 (2023)
Authors:Muhammad Iqbal Yoshanda, Alamsyah Alamsyah Pages: 61 - 67 Abstract: Intrusion detection system merupakan teknik pertahanan yang populer terhadap serangan siber. Berdasarkan metode pendeteksiannya dapat dibedakan menjadi signatured-based dan anomaly-based. Kedua metode tersebut memiliki kelemahan masing-masing, signatured-based memerlukan pemeliharaan database yang mencatat perilaku abnormal yang mahal, memakan waktu dan tidak dapat secara efektif menemukan serangan yang muncul untuk pertama kalinya. Sementara anomaly-based sulit mendapatkan data benchmark yang akurat, tingkat false alarm yang lebih tinggi, dan keterlambatan data benchmark. Pada penelitian ini, dilakukan penerapan model hibrida untuk meningkatkan akurasi deteksi yaitu metode Convolutional Neural Network (CNN) untuk mengekstrak fitur dari dataset, Gated Recurrent Unit (GRU) dan Bidirectional Long Short-Term Memory (BiLSTM) untuk memproses dan memahami informasi lalu lintas jaringan dalam dataset, serta metode Principal Component Analysis (PCA) untuk mereduksi dimensi data. Model hibrida CNN-GRU-BILSTM-PCA berhasil mendapatkan nilai akurasi sebesar 98,34% dan loss sebesar 0,048%. Model hibrida ini merupakan model terbaik di antara model-model penelitian sebelumnya PubDate: 2023-10-02 DOI: 10.15294/ijmns.v46i2.48204 Issue No:Vol. 46, No. 2 (2023)
Authors:Ning Setiati, Weda Andini Sari, Margareta Rahayuningsih, R. Susanti Pages: 68 - 73 Abstract: Kedungpane merupakan salah satu kecamatan di Kota Semarang yang banyak dijumpai beberapa jenis kelelawar karena kondisi lingkungannya yang masih terjaga. Kelelawar merupakan mamalia kecil yang mempunyai peranan penting dalam ekosistem. Namun keberadaannya dan ektoparasit juga perlu diwaspadai karena berpotensi sebagai agen penularan penyakit zoonosis. Berdasarkan latar belakang tersebut maka tujuan penelitian ini adalah untuk menghitung prevalensi ektoparasit pada kelelawar di Desa Kedungpane. Metode penelitian ini adalah penelitian deskriptif kualitatif. Pengambilan sampel dilakukan dengan menggunakan mist net yang dipasang pada pukul 17.00-21.00 WIB. Hasil penelitian tersebut menyebutkan 49 ekor kelelawar telah ditangkap, 17 diantaranya terinfeksi ektoparasit. Prevalensi ektoparasit tertinggi terdapat pada kelelawar yang ditangkap di TPA Jatibarang sebesar 14,3% dari 49 ekor kelelawar yang diperiksa. Disimpulkan bahwa prevalensi ektoparasit tertinggi terdapat di TPA Jatibarang. PubDate: 2023-10-16 DOI: 10.15294/ijmns.v46i2.41816 Issue No:Vol. 46, No. 2 (2023)
Authors:Gilang Wahyu Rahmadhani, Nana Kariada Tri Martuti Pages: 74 - 82 Abstract: Perubahan iklim global dapat menyebabkan wilayah pesisir Semarang semakin rentan terhadap erosi dan sedimentasi. Akibatnya peranan fungsi kawasan pesisir sebagai habitat biota laut terganggu, salah satunya habitat hewan benthik. Makrozoobentos meiliki peranan ekologis sebagai suber energi rantai makanan pada perairan. Pembangunan alat pemecah ombak (APO) merupakan salah satu upaya untuk mengendalikan erosi dan mengurangi dampak abrasi di wilayah pesisir, sehingga dapat memulihkan habitat makrozoobentos yang telah terdegradasi. Tujuan dalam penelitian ini adalah untuk mengetahui keanekaragaman jenis makrozoobentos di sekitar APO wilayah pesisir Semarang. Metode purposive sampling digunakan untuk menentukan 3 stasiun pengamatan, yaitu Kelurahan Mangunharjo, Kelurahan Tugurejo, dan Kelurahan Trimulyo. Sampel diambil sebanyak 3 kali dengan selang waktu 2 minggu. Data yang dianalisis adalah indeks keanekaragaman, indeks kemerataan, dan indeks dominansi. Jenis makrozoobentos yang diperoleh di sekitar APO wilayah pesisir Semarang sebanyak 23 jenis yang tersebar dalam 4 kelas, yaitu Kelas Gastropoda, Bivalvia, Crustacea, dan Polychaeta. Indeks keanekaragaman jenis pada ketiga stasiun berkisar antara 1,81-2,24 (kategori sedang). Indeks kemerataannya stabil dan dominansinya rendah, sehingga keadaan perairannya cukup mendukung bagi kehidupan makrozoobentos. PubDate: 2023-10-17 DOI: 10.15294/ijmns.v46i2.29847 Issue No:Vol. 46, No. 2 (2023)
Authors:Ilham Maulana, Alamsyah Alamsyah Pages: 83 - 92 Abstract: Distributed denial of service (DDoS) merupakan serangan pada server komputer yang menjadi ancaman serius pada keamanan jaringan komputer. Serangan ini dapat menyebabkan server komputer menjadi down. Untuk mengantisipasi serangan ini secara dini, dapat digunakan berbagai macam metode. Pada penelitian ini digunakan beberapa model algoritma machine learning yaitu random forest, support vector machine, K-nearest neighbor dan multi layer perceptron. Hasil penelitian menunjukkan bahwa algoritma random forest memiliki akurasi sebesar 99,41%, support vector machine menghasilkan akurasi 98,37%, K–nearest neighbor menghasilkan akurasi 99%, dan multi-layer perceptron menghasilkan akurasi 93,97%. Algoritma random forest merupakan metode yang diusulkan terpilih dengan akurasi tertinggi yaitu 99,41%. PubDate: 2023-10-18 DOI: 10.15294/ijmns.v46i2.48231 Issue No:Vol. 46, No. 2 (2023)
Open Access journal
