Article Per Year (5 Year)
p-Index From 2021 - 2026
2.064
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer INTECOMS: Journal of Information Technology and Computer Science Journal of Applied Management and Business (JAMB) Jurnal Sains dan Teknologi ISTP
Setia Budi, Agung
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Implementasi Load Balancing pada Cluster Server Berbasis Raspberry Pi Memanfaatkan Algoritma Least Connection Ghozi Mubarak, Fauzan; Primananda, Rakhmadhany; Setia Budi, Agung
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129452

Abstract

Keterbatasan sumber daya dalam implementasi server menjadi salah satu aspek yang perlu diperhatikan. Penggunaan Raspberry Pi, yang merupakan sebuah perangkat dengan ukuran kecil dan dapat digunakan sebagai server fisik dengan konsumsi sumber daya rendah, menjadi salah satu solusi. Namun, untuk menghindari overload pada server fisik Raspberry Pi, penggunaan cluster server sebagai pemerataan beban kerja dari satu server ke server lainnya menjadi relevan. Cluster server menggunakan Docker swarm memungkinkan pengaturan yang lebih mudah dan efisien dari banyak node dalam sebuah cluster. Pemerataan beban kerja menggunakan load balancing dengan algoritma Least Connection. Algoritma Least Connection berjalan berdasarkan antrian paling sedikit, ketika antrian di suatu node rendah, node tersebut akan menerima beban kerja baru, sehingga mencegah overload pada satu node sementara node lainnya masih memiliki kapasitas yang tersedia. Pendistribusian image ke setiap node dalam cluster dilakukan dengan menggunakan Ansible untuk memastikan pengelolaan konfigurasi yang konsisten dan otomatis di seluruh node. Secara umum, penelitian ini mengintegrasikan tiga teknologi utama, yaitu Docker untuk manajemen kontainer, Ansible untuk manajemen konfigurasi, dan load balancing dengan algoritma Least Connection. Perancangan dan implementasi penelitian difokuskan pada penerapan dan optimalisasi masing-masing teknologi ini. Hasil pengujian penelitian menunjukkan bahwa ansible efektif dalam mempermudah pengelolaan konfigurasi dan otomatisasi distribusi image di seluruh node dalam kluster. Sementara itu, load balancing dengan algoritma Least Connection berhasil membagi beban kerja secara optimal berdasarkan antrian atau koneksi terendah, yang secara signifikan meningkatkan responsivitas dan efisiensi sistem secara keseluruhan.   Abstract Limited resources in server implementation is one aspect that needs to be considered. The use of Raspberry Pi, which is a device with a small size and can be used as a physical server with low resource consumption, is one solution. However, to avoid overloading the Raspberry Pi physical server, the use of a server cluster as an equalization of workload from one server to another becomes relevant. Cluster servers using Docker swarm allow easier and more efficient organization of many nodes in a cluster. Workload equalization uses load balancing with the Least Connection algorithm. The Least Connection algorithm runs based on the least queue, when the queue at a node is low, the node will receive a new workload, thus preventing overload on one node while other nodes still have available capacity. Image distribution to each node in the cluster is done using Ansible to ensure consistent and automated configuration management across nodes. In general, this research integrates three main technologies, namely Docker for container management, Ansible for configuration management, and load balancing with the Least Connection algorithm. The design and implementation of the research focused on the application and optimization of each of these technologies. The test results show that Ansible is effective in simplifying configuration management and automating image distribution across all nodes in the cluster. Meanwhile, load balancing with the Least Connection algorithm successfully divides the workload optimally based on the lowest queue or connection, which significantly improves overall system responsiveness and efficiency.
IMPLEMENTASI FUZZY K-NEAREST NEIGHBOR UNTUK KLASIFIKASI PENYAKIT SKIZOFRENIA PADA RUMAH SAKIT JIWA DAERAH (RSJD) Dr. AMINO GONDOHUTOMO Setia Budi, Agung; Prihati, Yani; Tridian Galih, Sinta
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 5 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/1v0fwk69

Abstract

Skizofrenia merupakan gangguan mental berat yang ditandai oleh gejala kompleks dan sering tumpang tindih antar tipe, sehingga menyulitkan proses diagnosis secara akurat. Penelitian ini bertujuan untuk mengimplementasikan algoritma Fuzzy K-Nearest Neighbor (FKNN) guna mengklasifikasikan jenis skizofrenia berdasarkan gejala pasien, dengan menggunakan data rekam medis dari RSJD Dr. Amino Gondohutomo. FKNN dipilih karena kemampuannya dalam menangani ketidakpastian data dan menghasilkan klasifikasi berbasis derajat keanggotaan, sehingga lebih adaptif terhadap variasi gejala yang bersifat samar. Sebanyak 300 data pasien digunakan dan dibagi menjadi data latih dan data uji (70:30), melalui tahapan encoding, normalisasi, dan proses klasifikasi dengan parameter k = 5 dan m = 2. Evaluasi dilakukan menggunakan confusion matrix, akurasi, precision, recall, dan F1-score. Hasil akhir menunjukkan bahwa model FKNN mampu mencapai akurasi sebesar 83%, yang menandakan performa good clasification dan potensi implementatif dalam. Kata Kunci: Skizofrenia, Fuzzy K-Nearest Neighbor, Klasifikasi, Data Mining
Sistem Pendeteksi Bahaya Kebocoran Pada Gas LPG Menggunakan ESP8266 Dengan Metode Triple Modular Redudancy (TMR) Berbasis IoT Afif, Muhammad Naufal; Setia Budi, Agung
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Menurut Direktorat Jenderal Minyak dan Gas Bumi (Ditjen Migas), LPG (Liquefied Petroleum Gas) adalah gas bumi yang telah diproses melalui pencairan. Gas ini terdiri dari bahan utama butana (C4H10) dan propana (C3H8). LPG dapat dihasilkan dari kondensasi gas bumi dari kilang minyak bumi atau melalui proses absorpsi dan kriogenik. Ada kemungkinan kebocoran gas saat menggunakan LPG, yang dapat membahayakan pengguna. Gas bocor yang tidak terdeteksi menyebabkan kebakaran seluruh dapur rumah. Gas elpiji menyebar karena tekanan gas yang tinggi saat bocor. Oleh karena itu, penulis akan menggunakan mikrokontroler ESP8266 dan sensor MQ2 yang menggunakan metode Triple Modular Redudancy (TMR) untuk membuat sistem yang dapat mendeteksi kebocoran gas LPG. Hasil dari pengujian sistem tersebut ialah, sensor 1 dan sensor 3 masih terdeteksi dengan lancar.Sedangkan pada sensor 2, terkadang nyala dan mati sekitar 9%-6% kemungkinan error.
The effect of Corporate Social Responsibility, Capital Intensity and Managerial Ownership on Tax Avoidance at Mining Company Herianti, Eva; Setia Budi, Agung
Journal of Applied Management and Business Vol. 5 No. 1 (2024): Vol.5 No.1, July 2024
Publisher : Universitas Dinamika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37802/jamb.v5i1.693

Abstract

The objective of this study is to analyze and examine the effect of corporate social responsibility, capital intensity, and managerial ownership on tax avoidance in mining companies listed on the Indonesian stock exchange. The sample was processed with purposive sampling technique, amounting 72 respondents were obtained from mining companies in the oil, gas and coal subsectors at www.idx.co.id for the period 2020-2022. The research method used is quantitative method with panel data regression as a data analysis technique. The results of this study demonstrate that corporate social responsibility, capital intensity, and managerial ownership simultaneously affect tax avoidance. Corporate social responsibility and capital intensity partially have a significant and negative effect on tax avoidance. Meanwhile, managerial ownership has no effect on tax avoidance.
Co-Authors Aditya Fadhil, Rifqi Afif, Muhammad Naufal Eva Herianti Ghozi Mubarak, Fauzan Ikhsani, Mukhammad Fadhila Marpaung, Nalom D Mayang Anglingsari Putri, Mayang Anglingsari Nugroho, Muhamad Ari Onwardana, M. Eka Pradipto, Arya Prihati, Yani Putra Nusantara, Guruh Rahman Hakim, Aji Rakhmadhany Primananda, Rakhmadhany Ramadhan, Farhan Regasari Mardi Putri, Rekyan Siwi Pradini, Risqy Tridian Galih, Sinta Trihapningsari , Denisha Trihapningsari Wulandari, Aryani