Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Masyarakat IPTEK Dike Jurnal Ilmu Komputer Ruru
Sijabat, Petti
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Electrical & Electronics Engineering Engineering Mechanical Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Optimizing Network Performance in Cloud Computing Environments Through Dynamic Resource Allocation Strategies Sijabat, Petti; Simangunsong, Agustina
Dike Vol. 2 No. 2 (2024): Dike Edisi Agustus
Publisher : CV. Ro Bema

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69688/dike.v2i2.104

Abstract

Optimizing Network Performance in Cloud Computing Environments Through Dynamic Resource Allocation Strategies membahas strategi penting untuk meningkatkan kinerja jaringan di lingkungan komputasi awan. Penelitian ini menyoroti pentingnya alokasi dinamis sumber daya jaringan dalam menghadapi permintaan pengguna dan kebutuhan aplikasi yang berfluktuasi. Dengan menerapkan pendekatan ini, penelitian ini bertujuan untuk mengatasi tantangan dalam mengelola sumber daya jaringan secara efisien dan responsif. Melalui analisis data lalu lintas jaringan, pemodelan matematika, dan pengujian di lingkungan simulasi komputer, studi ini mengidentifikasi strategi alokasi sumber daya yang dioptimalkan untuk meningkatkan throughput, mengurangi latensi, dan menghindari kemacetan. Hasilnya menunjukkan bahwa penerapan strategi ini memiliki potensi besar dalam meningkatkan kinerja jaringan secara keseluruhan di lingkungan komputasi awan. Implikasi dari penelitian ini adalah pendekatan dinamis terhadap alokasi sumber daya jaringan dapat memberikan solusi yang efisien dan efektif dalam menghadapi tantangan yang dihadapi oleh infrastruktur komputasi awan. Oleh karena itu, penelitian ini memberikan kontribusi yang signifikan dalam pengembangan teknologi jaringan adaptif dan responsif, yang penting untuk meningkatkan layanan dan aplikasi dalam lingkungan komputasi awan yang berkembang pesat.
Pelatihan Penggunaan Google Workspace untuk Meningkatkan Kompetensi Digital Guru di SMA Dharma Bakti Lubuk Pakam Simangunsong, Agustina; Sijabat, Petti; Eviyanti Br Barus; Flora Br Lumban Toruan; Chindy L Ritonga
Jurnal Pengabdian Masyarakat IPTEK Vol. 5 No. 2 (2025): Edisi Juli 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/abdi.v5i2.11544

Abstract

Perkembangan teknologi menuntut guru untuk memiliki kompetensi digital yang memadai, terutama dalam mengelola pembelajaran berbasis daring. Namun, di SMA Dharma Bakti Lubuk Pakam, sebagian besar guru masih mengalami kesulitan dalam memanfaatkan teknologi berbasis cloud seperti Google Workspace. Kegiatan Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan kompetensi digital guru melalui pelatihan penggunaan Google Workspace, meliputi Gmail, Google Drive, Google Docs, Google Forms, dan Google Classroom. Metode pelaksanaan terdiri dari observasi awal, penyusunan modul, pelatihan langsung, dan evaluasi melalui pretest dan posttest. Hasil kegiatan menunjukkan peningkatan signifikan pada pemahaman dan keterampilan guru dalam menggunakan fitur-fitur Google Workspace dalam pembelajaran. Simpulan dari kegiatan ini adalah pelatihan berbasis praktik langsung terbukti efektif dalam meningkatkan kompetensi digital guru dan mendorong pemanfaatan teknologi cloud dalam pembelajaran di sekolah.
PERBANDINGAN ALGORITMA C5.0 DAN REGRESI LINEAR UNTUK PREDIKSI KELULUSAN MAHASISWA Sijabat, Petti; Simangunsong, Agustina
Jurnal Ilmu Komputer Ruru Vol. 1 No. 2 (2024): Edisi Juli
Publisher : Yayasan Grace Berkat Anugerah

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

Abstract

Technological advances supported by human knowledge have a very good influence on data and information storage technology, including in predicting student graduation (Graduation Prediction) on time, by applying several existing algorithms. In this study, researchers used the C5.0 Algorithm and Linear Regression. The concept of the research is to compare two algorithms, namely C5.0 and Linear Regression to the case of graduating students on time. Based on the length of study, students who graduated correctly amounted to 651 (91%) with a male gender of 427 students and a female gender of 224 students while those who did not pass (late) correctly amounted to 64 (9%) with a male gender totaling 53 students and female gender totaling 11 students from 2017-2020. Comparison results The R2 score from the C5.0 algorithm reached 96.85% (training) and 93.72% (testing) while the R2 score from the Linear Regression reached 33.31% (training) and 40.30% (testing).
Co-Authors Chindy L Ritonga Eviyanti Br Barus Flora Br Lumban Toruan Simangunsong, Agustina