Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal Information System and Computer Application

OPTIMASI JARINGAN RT/RW NET MENGGUNAKAN SOFTWARE DEFINED NETWORK DAN LOAD BALANCING Muhamad, Fikri; Masykur, Fauzan; Fajaryanto Cobantoro, Adi
MEKAR : Journal Information System and Computer Application Vol. 1 No. 1 (2025): AGUSTUS
Publisher : PT Mekar Research and Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65475/nsghad86

Abstract

Meningkatnya kebutuhan akan akses internet yang stabil dan cepat, terutama di lingkungan RT/RW Net yang melayani pelanggan rumah tangga dengan berbagai kebutuhan seperti streaming dan pengunduhan, memunculkan tantangan dalam pengelolaan lalu lintas jaringan, terutama ketika menggunakan lebih dari satu penyedia layanan internet (ISP). Penelitian ini mengusulkan penerapan arsitektur Software Defined Networking (SDN) sebagai solusi untuk mengatasi masalah distribusi trafik yang tidak merata melalui mekanisme loadbalancing. SDN memberikan kontrol PDF dan fleksibel dalam pengelolaan jaringan, memungkinkan pengaturan lalu lintas secara dinamis dan efisien. Implementasi dilakukan dengan menggunakan pengontrol OpenDaylight dan perangkat MikroTik sebagai router yang dikonfigurasi mendukung protokol OpenFlow untuk loadbalancing dua ISP. Hasil pengujian menunjukkan adanya peningkatan pada parameter Quality of Service (QoS) seperti throughput, delay, jitter, dan packet loss. Dengan penerapan SDN dan loadbalancing setelah dilakukan pengujian dengan QoS didapat hasil rata-rata dari masing-masing parameter yaitu, untuk throughput dengan rata-rata 8,36 mbps , untuk parameter packet loss didapat hasil rata-rata 0.09% , untuk delaynya dengan rata-rata 39 ms dan parameter jitter dengan rata-rata 12,67 ms. Dari semua hasil pengujian parameter diatas membuktikan adanya peningkatan kualitas jaringan dibandingkan dengan sebelum penerapan SDN dan loadbalancing.
DETEKSI PENYAKIT DAUN TANAMAN STROBERI MENGGUNAKAN YOLOV8 PENDEKATAN BERBASIS DEEP LEARNING DI TAWANGMANGU Efi Mukaromah; Fauzan Masykur; Adi Fajaryanto Cobantoro
MEKAR : Journal Information System and Computer Application Vol. 1 No. 1 (2025): AGUSTUS
Publisher : PT Mekar Research and Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65475/9mr3se03

Abstract

Deteksi dini penyakit pada daun stroberi merupakan langkah strategis dalam upaya peningkatan produktivitas pertanian, khususnya di kawasan dataran tinggi seperti Tawangmangu. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi performa model YOLOv8 untuk mendeteksi lima kelas utama kondisi daun stroberi secara real-time. Dataset lokal dikumpulkan langsung dari kebun stroberi di Tawangmangu dan dianotasi menggunakan format YOLO. Proses pelatihan mencakup augmentasi data dan pembagian dataset, kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan mean Average Precision (mAP). Pengujian model di Google Colab menunjukkan performa tinggi dengan nilai evaluasi mAP@0.5 sebesar 99.2% dan mAP@0.5:0.95 sebesar 94.5%. Pengujian lapangan menerapkan implementasi website STROBIKA menunjukkan akurasi rata-rata sebesar 84,6%, dan mampu mengidentifikasi tiga penyakit utama daun stroberi (Leaf Blight, Leaf Spot, dan Tipburn) secara cepat dan akurat. Meskipun terdapat tantangan dalam mengklasifikasikan daun sehat dan objek non-stroberi, sistem ini menunjukkan potensi tinggi untuk diterapkan dalam pertanian berbasis deep learning di dunia nyata.