Article Per Year (5 Year)
p-Index From 2021 - 2026
1.687
P-Index
This Author published in this journals
All Journal Hello World Blend Sains Jurnal Teknik Hanif Journal of Information Systems Al'Adzkiya International of Computer Science and Information Technology Journal Tsabit
Andi Zulherry
Universitas Muhammadiyah Sumatera Utara
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : hello world

 1 
Perancangan dan Implementasi Segmentasi LAN pada Infrastruktur Jaringan Skala Menengah Andi Zulherry; Indah Purnama Sari; Mhd. Basri
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Segmentasi jaringan merupakan salah satu strategi penting dalam perancangan infrastruktur jaringan untuk meningkatkan keamanan, efisiensi, dan pengelolaan lalu lintas data. Penelitian ini membahas perancangan dan implementasi segmentasi LAN pada infrastruktur jaringan skala menengah dengan tujuan memisahkan domain broadcast, mengoptimalkan kinerja jaringan, serta meminimalkan risiko keamanan. Metode yang digunakan meliputi analisis kebutuhan jaringan, perancangan topologi segmentasi, serta konfigurasi perangkat jaringan menggunakan router dan switch. Implementasi dilakukan dengan menerapkan Virtual Local Area Network (VLAN) sebagai teknik segmentasi utama. Pengujian dilakukan untuk mengevaluasi performa jaringan sebelum dan sesudah segmentasi melalui parameter seperti throughput, latency, dan isolasi antar segmen. Hasil pengujian menunjukkan bahwa penerapan segmentasi LAN dapat meningkatkan efisiensi penggunaan bandwidth, menurunkan tingkat broadcast, dan memperkuat keamanan jaringan pada infrastruktur skala menengah. Penelitian ini diharapkan dapat menjadi acuan bagi pengelolaan jaringan yang lebih optimal pada lingkungan organisasi dengan kompleksitas menengah.
Implementasi Keamanan Website Dari Serangan Cross Site Request Forgery Menggunakan Algoritma HMAC-SHA256 Pada Framework Laravel Ismi Qontas Lubis; Andi Zulherry
Hello World Jurnal Ilmu Komputer Vol. 5 No. 1 (2026): Edisi April
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ancaman keamanan seperti Cross-Site Request Forgery (CSRF) menjadi tantangan serius bagi aplikasi web, bahkan yang dibangun dengan framework modern seperti Laravel yang memiliki proteksi bawaan. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan menganalisis efektivitas algoritma HMAC-SHA256 sebagai lapisan keamanan tambahan untuk memperkuat pertahanan terhadap serangan CSRF pada framework Laravel. Metode penelitian yang digunakan adalah penelitian terapan dengan pendekatan kuantitatif. Pengujian dilakukan menggunakan metode Black Box Testing melalui empat skenario berbeda untuk mengevaluasi sistem tanpa proteksi, fungsionalitas normal, serta efektivitas pertahanan berlapis dan lapisan HMAC secara mandiri. Hasil pengujian menunjukkan bahwa sistem tanpa proteksi sepenuhnya rentan terhadap serangan. Sebaliknya, sistem dengan pertahanan berlapis berhasil menolak serangan, di mana lapisan pertama (token CSRF Laravel) memblokir permintaan dengan respons error 419. Puncak pengujian membuktikan bahwa lapisan HMAC-SHA256 mampu berfungsi sebagai benteng pertahanan mandiri yang efektif, dengan berhasil memblokir serangan (respons error 403) bahkan ketika proteksi bawaan dinonaktifkan, tanpa mengganggu fungsionalitas normal aplikasi. Penelitian ini menyimpulkan bahwa implementasi strategi pertahanan berlapis (Defense-in-Depth) menggunakan HMAC-SHA256 secara signifikan meningkatkan ketahanan aplikasi web terhadap serangan CSRF dan terbukti menjadi mekanisme pertahanan independen yang andal.
Implementasi Sistem Pendukung Keputusan Untuk Menganalisis Tingkat Kepuasan Pengguna E-Learning Menggunakan Metode End User Computing Satisfaction (EUCS) Di SMK Multi Karya Maratul Hasanah Vianingrum; Andi Zulherry
Hello World Jurnal Ilmu Komputer Vol. 5 No. 1 (2026): Edisi April
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem e-learning telah menjadi komponen penting dalam pendidikan modern, namun evaluasi kepuasan pengguna masih sering diabaikan. Penelitian ini bertujuan untuk mengimplementasikan Sistem Pendukung Keputusan (SPK) berbasis web dan menganalisis tingkat kepuasan pengguna terhadap sistem e-learning di SMK Multi Karya menggunakan metode End-User Computing Satisfaction (EUCS). Penelitian kuantitatif ini melibatkan 361 responden (351 siswa dan 10 guru) dengan instrumen kuesioner berbasis 20 butir pertanyaan yang mewakili lima dimensi EUCS: Content, Accuracy, Format, Ease of Use, dan Timeliness. SPK dirancang menggunakan PHP, MySQL, dan Bootstrap dengan pemodelan UML. Hasil uji validitas menunjukkan seluruh item valid (r-hitung > 0,104). Analisis kepuasan menghasilkan skor rata-rata: Content (4,531), Accuracy (4,494), Format (4,492), Ease of Use (4,508), dan Timeliness (4,494), dengan skor total 4,504 yang termasuk kategori "Sangat Puas". Meskipun semua dimensi mendapat penilaian tinggi, dimensi Format memiliki skor terendah dan menjadi prioritas perbaikan. Sistem yang dikembangkan berhasil mengotomatisasi proses evaluasi dan menyajikan rekomendasi berbasis data untuk pengembangan sistem e-learning.
Optimalisasi Alokasi Sumber Daya pada Arsitektur Private Cloud Menggunakan Algoritma Machine Learning Andi Zulherry; Indah Purnama Sari; Mhd. Basri; Yohanni Syahra
Hello World Jurnal Ilmu Komputer Vol. 5 No. 2 (2026): Edisi Juli 2026
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Private cloud computing telah menjadi solusi infrastruktur yang banyak diadopsi oleh organisasi untuk mengelola sumber daya komputasi secara mandiri dan aman. Namun, pengelolaan alokasi sumber daya seperti CPU, memori, disk, dan bandwidth jaringan pada lingkungan private cloud sering menghadapi tantangan berupa ketidakseimbangan beban kerja, yang dapat menyebabkan kondisi over-provisioning maupun under-provisioning pada virtual machine (VM). Penelitian ini mengusulkan pendekatan optimalisasi alokasi sumber daya berbasis algoritma machine learning untuk memprediksi kebutuhan resource secara dinamis berdasarkan pola penggunaan historis. Metode yang diterapkan meliputi pengumpulan data utilisasi resource dari dataset publik, praproses data, pelatihan model Random Forest Regression, serta evaluasi performa model menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R2). Hasil eksperimen menunjukkan bahwa model mampu memprediksi Disk Write Throughput dengan rata-rata R2 sebesar 0,81 dan Network Transmitted dengan rata-rata R2 sebesar 0,46 lintas tiga VM yang diuji. Penelitian ini diharapkan dapat memberikan kontribusi praktis bagi pengelola infrastruktur private cloud dalam merancang sistem alokasi resource yang lebih adaptif dan efisien.
Co-Authors Ahmad Asadel Al-Khowarizmi Aldi Subari Ichsan Firmansyah Indah Purnama Sari Indah Purnama Sari Ismi Qontas Lubis Karina Andriani Maratul Hasanah Vianingrum Mhd. Basri Muhammad Gunawan Sumita Wardani Yohanni Syahra