Claim Missing Document
Check
Articles

Found 4 Documents
Search

PENERAPAN HORIZONTAL POD AUTOSCALER DAN REDIS CLUSTER BERBASIS KUBERNETES UNTUK MENINGKATKAN PERFORMA WEBSITE ELEARNING Gurohman, Diki Taufik; Susanto, Bekti Maryuni; Hariyanto, Agus; Jullev Atmadji, Ery Setiyawan; Gumilang, Mukhamad Angga; Antika, Elly; Mukhlisoh, Nanik Anita
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 7 No 2 (2024): Jurnal SKANIKA Juli 2024
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v7i2.3211

Abstract

Elearning is a very vital tool in learning today. To provide optimal service, elearning servers require quite large computing resources when a large number of users access them simultaneously. However, expensive computing resources such as CPU, memory and disk storage make it difficult for organizations to meet the needs of large users. Previous research compared the performance of two public clouds on a moodle-based learning management system. The results showed that backup and restore times increased by about 10 seconds for every additional 500 MB of data size. This research aims to apply Kubernetes-based horizontal pod autoscaler and Redis cluster on the Moodle elearning server. Moodle is used to run elearning and Redis as database memory which can improve website performance. Horizontal implementation of pod autoscaler and Redis cluster was able to increase the performance of the Moodle e-learning website by 4.3% compared to a monolithic approach. Research shows that implementing Kubernetes and Redis clusters can improve the performance of Moodle e-learning websites. This research also shows that the microservice approach has better performance compared to the monolithic approach..
Analisis Sentimen terhadap Kecurangan Pemilu dan SIREKAP di Twitter menggunakan Metode Vader Lexicon dan Naïve Bayes Amin, Muhammad Yusril; Gumilang, Mukhamad Angga; Abdillah, Fauzan; Sirojudin, Achmad; Lestari, Winda Budi
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2024: SNESTIK IV
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2024.5877

Abstract

Pemilihan umum adalah krusial dalam demokrasi sebagai sarana pemilihan wakil untuk badan eksekutif dan legislatif. Di Indonesia, metode pemilihan tradisional kini disokong oleh sistem elektronik seperti Sistem Rekapitulasi Suara (SIREKAP). Namun, masalah kecurangan pemilu tetap menjadi sorotan, terutama di platform media sosial seperti Twitter. Penelitian ini menggunakan teknik analisis sentimen, termasuk leksikon VADER dan algoritma Naive Bayes, untuk menilai sentimen publik terhadap integritas pemilu dan SIREKAP. Melalui analisis data Twitter, diperoleh wawasan tentang persepsi publik. Hasilnya, yang terdiri dari 456 komentar negatif, 302 netral, dan 553 positif mengenai proses pemilu 2024, mencerminkan spektrum kompleks dari pendapat publik. Demikian juga, sentimen terkait kecurangan pemilu, dengan 1079 komentar negatif dan 181 komentar positif, menyoroti pandangan yang beragam dari masyarakat. Representasi visual seperti wordcloud membantu mengidentifikasi tema-tema utama. Penelitian ini menawarkan wawasan berharga bagi para pemangku kepentingan, membantu memahami dinamika opini publik dan menginformasikan proses pengambilan keputusan dalam meningkatkan integritas demokratis.
Klasifikasi Selebgram melalui Analisis Traffic Post dan Deteksi Objek Menggunakan Metode Convolutional Neural Network Sirojudin, Achmad; Bahri, Hairul; Rohman, Ahmad Saifur; Gumilang, Mukhamad Angga
Teknologi Informasi : Teori, Konsep, dan Implementasi : Jurnal Ilmiah Vol 15 No 1 (2024): JURNAL TEKNOLOGI INFORMASI: Teori, Konsep dan Implementasi
Publisher : LPPM STIMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36382/jti-tki.v15i1.504

Abstract

Era digital inovatif, memilih selebgram untuk kampanye endorsement kini membutuhkan keahlian mengedepankan akurasi dan ketelitian. Tidak hanya jumlah pengikut yang besar, tetapi juga perlu mempertimbangkan pemetaan ketertarikan dan interaksi dalam setiap unggahan. Instagram, sebagai platform sosial yang populer, menjadi tempat bagi hampir semua orang untuk berbagi momen dan tak jarang postingan yang diunggah mencerminkan minat dan ketertarikan. Penelitian ini akan mengotomatisasi pemilihan calon endorser dengan menganalisis ketertarikan melalui pengolahan citra menggunakan metode deep learning, yaitu Convolutional Neural Network, sebuah algoritma dalam pengolahan citra digital. Tujuan utama penelitian ini adalah untuk mengklasifikasikan ketertarikan berdasarkan unggahan di Instagram dengan Convolutional Neural Network, dan menggabungkannya dengan analisis frekuensi data komentar dan like untuk mendapatkan peringkat influencer tertinggi dalam kampanye endorsement sesuai kategori, seperti Food, Travelling, Otomotif, dan Beauty or Fashion. Hasil pengujian model dengan menggunakan confusion matrix menunjukkan akurasi tertinggi 88%, presisi 91%, dan recall 84%. Model diuji pada 2500 dataset, dengan pembagian 90% data latih dan 10% validasi.
Analisis Sentimen Media Sosial Kementerian RI: Respons Warganet Memanfaatkan TextBlob Analyser Gumilang, Mukhamad Angga; Abdillah, Fauzan; Amin, Muhammad Yusril; Hasan, M
Jurnal Sosioteknologi Vol. 23 No. 2 (2024): JULY 2024
Publisher : Fakultas Seni Rupa dan Desain ITB

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5614/sostek.itbj.2024.23.2.5

Abstract

Nowadays, People can express their opinions, criticism, suggestions, and even blasphemy thanks to social media. Through sentiment analysis, this study attempts to investigate how online users react to social media accounts of the Ministry of the Republic of Indonesia by using the Purposive Sampling method. From 2022 to 2023, we collected 100 comments from users on Instagram, Facebook, and Twitter. The election was made by looking at the posts that received the most likes and comments. After that, TextBlob techniques were used to analyze the emotions of 3400 comments collected from 34 ministries. Based on Presidential Regulation Number 68 of 2019, our analysis is focused on four groups of ministries: coordinators and three group ministries. The Ministry of Group II had the highest percentage of unfavorable sentiment, reaching 15.8%. On the other hand, Group III ministries lead with the largest percentage of favorable opinions at 54.6%. This data provides an idea of how responsive the administration has been for the past two years to the public's wishes revealed on social media.