Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal QISTINA: Jurnal Multidisiplin Indonesia Journal of Education Technology Information Social Sciences and Health
M Farel Revansha Buulolo
Universitas Negeri Medan
Religion Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Neuroscience Nursing Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Eksplorasi dan Pemodelan Tren Biomassa Hutan Menggunakan Teknik Big Data Analytics pada Dataset NASA GEDI AGBD Ananda Syafika; Febrianta Immanuel Purba; M Farel Revansha Buulolo; Nayla Luthfiah Hanan
QISTINA: Jurnal Multidisiplin Indonesia Vol. 5 No. 1 (2026): June 2026
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/qistina.v5i1.8240

Abstract

Penelitian Hutan tropis Sumatera merupakan salah satu ekosistem paling penting di dunia, baik dari segi keanekaragaman hayati maupun perannya dalam siklus karbon global. Penelitian ini bertujuan untuk mengeksplorasi distribusi spasial dan memodelkan biomassa hutan di atas tanah (Aboveground Biomass Density/AGBD) di seluruh Pulau Sumatera menggunakan dataset NASA GEDI L4B versi 2.1. Pendekatan Big Data Analytics diterapkan melalui teknik Cloud-Optimized GeoTIFF (COG) yang memungkinkan akses selektif terhadap data geospasial tanpa mengunduh keseluruhan file global berukuran sekitar 500 MB. Dari proses tersebut, berhasil diperoleh 320.017 titik data valid yang mencakup seluruh kawasan bervegetasi hutan di Pulau Sumatera. Model Regresi Linear Berganda dibangun menggunakan delapan fitur turunan koordinat geografis sebagai variabel independen dan nilai AGBD sebagai variabel dependen. Hasil analisis menunjukkan rata-rata biomassa Sumatera sebesar 134,13 Mg/ha dengan nilai maksimum mencapai 2.314,78 Mg/ha pada kawasan hutan primer. Distribusi data bersifat right-skewed yang mengindikasikan dominasi kawasan terdegradasi. Model menghasilkan nilai sebesar  0,1445 pada data training dan 0,1437 pada data testing, dengan RMSE sekitar 110 Mg/ha dan MAE sekitar 85 Mg/ha. Konsistensi nilai antara training dan testing menunjukkan model tidak mengalami overfitting dan memiliki kemampuan generalisasi yang baik.
Otomatisasi Konfigurasi VLAN pada Open vSwitch Menggunakan Python Scripting dalam Lingkungan Simulasi GNS3 Febrianta Immanuel Purba; Deddy Kiswanto; M Farel Revansha Buulolo; Hafizham Mufti Siregar
Journal of Education Technology Information Social Sciences and Health Vol. 5 No. 2 (2026): September 2026
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jetish.v5i2.8740

Abstract

Pengelolaan konfigurasi jaringan secara manual melalui Command Line Interface (CLI) merupakan pendekatan yang memakan waktu dan rentan terhadap kesalahan manusia (human error), khususnya pada proses konfigurasi Virtual Local Area Network (VLAN) di lingkungan jaringan virtual. Penelitian ini bertujuan merancang dan mengimplementasikan sistem otomatisasi konfigurasi VLAN pada Open vSwitch (OVS) menggunakan Python scripting dalam lingkungan simulasi GNS3. Metode pengembangan yang digunakan adalah Network Development Life Cycle (NDLC) yang mencakup tahapan Analysis, Design, Simulation Prototype, Implementation, Monitoring, dan Management. Topologi jaringan yang dibangun terdiri dari satu perangkat switch bawaan GNS3, dua perangkat Open vSwitch, enam host virtual menggunakan Virtual PC Simulator (VPCS), dan satu node Cloud sebagai penghubung ke komputer administrator. Python script dieksekusi dari komputer administrator menggunakan Visual Studio Code melalui koneksi SSH berbasis library Netmiko, mengonfigurasi bridge br0 serta mendaftarkan port eth1 ke VLAN 10, eth2 ke VLAN 20, dan eth3 ke VLAN 30 melalui perintah ovs-vsctl. Pengujian dilakukan menggunakan metode Black Box Testing dengan 10 skenario fungsional. Hasil pengujian menunjukkan seluruh skenario berhasil dengan status lulus, meliputi pembuatan bridge, pendaftaran port, verifikasi konfigurasi, komunikasi intra-VLAN, dan isolasi antar-VLAN. Pendekatan Python scripting berbasis SSH terbukti efektif, terstruktur, dan mampu mengotomatiskan konfigurasi jaringan virtual tanpa memerlukan instalasi agen tambahan di sisi perangkat OVS.
Co-Authors Ananda Syafika Deddy Kiswanto Febrianta Immanuel Purba Hafizham Mufti Siregar Nayla Luthfiah Hanan