Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Ericko Budhi Wirayudha
Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

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

Found 2 Documents
Search

 1 
Studi Literatur Analisis Penerapan Sistem Terdistribusi pada Layanan Streaming Video Netflix Zainal Arifin; Ericko Budhi Wirayudha; Dafa Aminata; Hafid Dwi Nugroho
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/nj5t7524

Abstract

Perkembangan teknologi digital mendorong penetrasi platform Over-The-Top , salah satunya layanan streaming video Netflix yang mengelola ratusan juta pengguna aktif global. Skala operasional yang masif memicu tantangan teknis kompleks, seperti risiko single point of failure, latensi, dan pemrosesan data bervolume tinggi secara real-time. Penelitian ini bertujuan untuk menganalisis penerapan komponen sistem terdistribusi pada Netflix dalam mengatasi masalah skalabilitas, toleransi kegagalan (fault tolerance), serta konsistensi data. Metode penelitian yang digunakan adalah studi literatur dengan mengumpulkan, menyeleksi, dan membedah sumber literatur primer dari jurnal nasional serta dokumentasi teknologi resmi maksimal tiga tahun terakhir. Hasil analisis menunjukkan bahwa integrasi arsitektur microservices mampu mengisolasi kegagalan fitur secara mandiri. Implementasi Content Delivery Network (CDN) Open Connect berbasis server cache lokal pada jaringan ISP terbukti memangkas jarak geografis dan menekan angka buffering. Pada manajemen data, penggunaan basis data NoSQL terdistribusi Apache Cassandra dengan prinsip eventual consistency menjamin ketersediaan data (high availability) tanpa adanya titik kegagalan tunggal. Selain itu, ketangguhan ekosistem cloud secara proaktif diuji menggunakan instrumen Chaos Monkey melalui simulasi gangguan acak di lingkungan produksi demi menjaga kontinuitas layanan. Secara keseluruhan, keselarasan komponen-komponen ini membentuk infrastruktur yang adaptif dan fault-tolerant, meskipun dihadapkan pada tantangan kompleksitas sinkronisasi data antar-perangkat dan tingginya biaya operasional multi-lokasi.
Prediksi Pola Penggunaan Waktu Mahasiswa Menggunakan Machine Learning Wildan Ariel Heradi; Aris Wahyu Prasetyo; Ericko Budhi Wirayudha; Muhammad Amir Yahya; Adzriel Bima Putra; Maulana Bintang Hayuka
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Pengelolaan waktu merupakan salah satu faktor yang berpengaruh terhadap produktivitas dan keberhasilan akademik mahasiswa. Pola penggunaan waktu yang kurang seimbang dapat berdampak pada menurunnya efektivitas belajar maupun aktivitas pendukung lainnya. Penelitian ini bertujuan membangun model prediksi pola penggunaan waktu mahasiswa serta membandingkan kinerja algoritma Decision Tree, K-Nearest Neighbor (KNN), dan Naive Bayes dalam proses klasifikasi. Data penelitian diperoleh melalui survei terhadap mahasiswa dan menghasilkan 518 data, yang setelah melalui tahap preprocessing berupa data cleaning, seleksi atribut, dan transformasi data menjadi 516 data valid. Variabel yang digunakan meliputi jam kuliah, jam belajar mandiri, jam santai atau hiburan, jam olahraga, dan jam organisasi, dengan target berupa kategori pola penggunaan waktu mahasiswa. Dataset dibagi menggunakan rasio 80:20 menjadi data latih dan data uji. Evaluasi dilakukan menggunakan Confusion Matrix dengan metrik akurasi sebagai dasar perbandingan kinerja model. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa terbaik dengan akurasi sebesar 95,19%, diikuti oleh K-Nearest Neighbor sebesar 88,46% dan Naive Bayes sebesar 77,88%. Temuan tersebut menunjukkan bahwa Decision Tree lebih efektif dalam mengenali pola penggunaan waktu mahasiswa pada dataset yang digunakan sehingga berpotensi dimanfaatkan sebagai pendekatan pendukung dalam analisis perilaku belajar mahasiswa.
Co-Authors Adzriel Bima Putra Aris Wahyu Prasetyo Dafa Aminata Hafid Dwi Nugroho Maulana Bintang Hayuka Muhammad Amir Yahya Wildan Ariel Heradi Zainal Arifin