Article Per Year (5 Year)
p-Index From 2021 - 2026
8.078
P-Index
This Author published in this journals
All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JURNAL MEDIA INFORMATIKA BUDIDARMA JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Teknologi Terpadu Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Teknologi Informasi dan Multimedia Prosiding National Conference for Community Service Project Jurnal E-Komtek JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JITU : Journal Informatic Technology And Communication Journal of Innovation Information Technology and Application (JINITA) Telcomatics Journal of Information System and Technology (JOINT) Conference on Management, Business, Innovation, Education and Social Sciences (CoMBInES) Conference on Community Engagement Project (Concept) Conference on Business, Social Sciences and Technology (CoNeScINTech) Madani: Jurnal Pengabdian Masyarakat dan Kewirausahaan Jurnal Inovatif : Inovasi Teknologi Informasi dan Informatika Jurnal Pengabdian Masyarakat Indonesia (JPMI) Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal ilmiah teknologi informasi Asia
Haeruddin, .
Universitas Internasional Batam
Aerospace Engineering Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Social Sciences Other

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 53 Documents
Search

 2   3   4   5   6 
Implementasi dan Konfigurasi Active Directory Server dan Proxy Server Rinaldo Rinaldo; Haeruddin Haeruddin; Gautama Wijaya
National Conference for Community Service Project (NaCosPro) Vol. 7 No. 01 (2025): The 7th National Conference for Community Service Project 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/nacospro.v7i01.11149

Abstract

Kemajuan teknologi informasi menuntut perusahaan untuk senantiasa melakukan pembaruan pada sistem dan infrastruktur jaringan yang digunakan guna memastikan efisiensi kerja, keamanan data, dan kontinuitas bisnis. Salah satu perusahaan yang menghadapi tantangan ini adalah BPR Dana Nusantara, sebuah bank perkreditan rakyat terkemuka di Kepulauan Riau. Perusahaan ini masih mengandalkan Windows Server 2003 sebagai platform utama sistem jaringan internal, yang sudah tidak mendapatkan dukungan teknis dari Microsoft sejak 2015. Kondisi ini menimbulkan risiko keamanan yang tinggi serta keterbatasan dalam hal pengelolaan sumber daya jaringan. Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk membantu perusahaan dalam mengimplementasikan ulang layanan Active Directory Server dan Proxy Server berbasis Windows Server 2022. Kegiatan dilakukan dalam lingkungan virtual menggunakan VirtualBox, yang memungkinkan simulasi sistem secara aman tanpa mengganggu infrastruktur asli perusahaan. Hasil dari kegiatan ini menunjukkan bahwa penggunaan Windows Server 2022 dengan layanan Active Directory dan Squid Proxy dapat meningkatkan keamanan jaringan, efisiensi pengelolaan pengguna, serta kontrol lalu lintas internet secara terpusat. Kegiatan ini juga memberikan pengalaman praktis bagi mahasiswa dalam menghadapi tantangan dunia industri.
Integrasi Feature Engineering dan SMOTE pada Algoritma Random Forest untuk Prediksi Kerusakan Chip RFID di Industri Sel Surya Haeruddin Haeruddin; Franklin Winata; Muhammad Ilham Ashiddiq Tresnawan; Gautama Wijaya; Heru Wijayanto Aripradono
Journal of Information System Research (JOSH) Vol 7 No 2 (2026): January 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v7i2.9038

Abstract

The electronics industry, particularly solar cell manufacturing, demands production processes that are fast, precise, and supported by high data integrity. One critical component in the production flow is the chip embedded in the flower basket, which functions to store and transmit data through an RFID system. Damage to the chip can lead to information loss, tag reading failures, and disruptions in production efficiency and continuity. This study aims to predict chip status, classified as either normal or damaged, based on various process parameters, including immersion temperature, ambient humidity, process pressure, machine vibration, drying speed, heating and cooling duration, firing temperature, usage frequency, and RFID reading conditions. A feature engineering approach is applied to construct more representative derived features, while SMOTE is utilized to address class imbalance in the dataset. This study focuses on developing a predictive model using the Random Forest method to identify the most influential process variables related to chip damage risk. The data used in this study are obtained from historical production process records of a solar cell manufacturing plant. The results indicate that combinations of multiple process parameters significantly contribute to the potential risk of chip damage, and the Random Forest model demonstrates good predictive performance in classifying chip conditions. These findings suggest that the proposed model can serve as an early warning system to detect chip damage risks before they impact production processes. With proper implementation, the predictive model is expected to support preventive actions, enhance data integrity, and minimize disruptions in the solar cell manufacturing workflow.
Evaluasi Efektivitas Teknik Regularisasi Dalam Mengurangi Overfitting Pada Model CNN Stefanus Eko Prasetyo; Haeruddin Haeruddin; Elvis Elvis
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 15, No 2 (2025): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v15i2.4676

Abstract

Penelitian ini bertujuan mengevaluasi dan membandingkan efektivitas berbagai teknik regularisasi seperti regularisasi L1 dan L2, dropout, dan augmentasi data, baik secara terpisah maupun kombinasi, dalam mengatasi overfitting pada model Convolutional Neural Network (CNN) dalam skenario dataset terbatas. Keterbatasan dataset merupakan tantangan utama yang menyebabkan model CNN cenderung mengalami overfitting, di mana performa pada data pelatihan 97.95% akurasi jauh melebihi akurasi validasi 67%. Penelitian ini menggunakan arsitektur CNN dasar yang konsisten dan dataset CIFAR-10. Hasil pengujian teknik regularisasi tunggal menunjukkan bahwa augmentasi data adalah teknik yang paling optimal pada pengujian terpisah. Model dengan augmentasi data mencapai akurasi validasi tertinggi 78.18% dan kesenjangan generalisasi terendah 2.31% di antara semua teknik yang diuji. Sementara itu, ditemukan bahwa penggunaan tingkat regularisasi yang terlalu ekstrem pada teknik regularisasi L1/L2 dapat menyebabkan underfitting karena bobot dipaksa mendekati nol  sehingga model kehilangan kapasitas belajar. Pencapaian kinerja model yang paling superior diperoleh melalui pendekatan kombinasi. Kombinasi antara augmentasi data dan regularisasi L2 menghasilkan akurasi validasi tertinggi sebesar 79.89% dengan kesenjangan generalisasi paling kecil, yaitu 0.38%. Dengan demikian, disimpulkan bahwa pendekatan kombinasi teknik regularisasi adalah strategi paling efektif untuk meningkatkan generalisasi model CNN pada lingkungan dengan dataset terbatas.
Co-Authors ., Arron Agusyanto . Alviana Alviana Alzi Alzi Andik Yulianto Andy Lau Ari Prayoga Hutabarat Ari Wahyuni Kaharuddin Arif Kurniadi Aripradono, Heru Wijayanto Arron Arron Avista Mindy Bobby Fernando Pangaribuan Boby Candra Deven Lee Efendi Efendi Elia, Elia Elvert Elvis Elvis Erick Erick Erwin Kang Febrison Yohaness Felix Felix Firman Adiyasa Franklin Winata Frans Hadinata Fransiskus Gautama Wijaya Gautama Wijaya Gautama Wijaya Gautama, Gautama Hadi Hadi Hendra Julianto Hendra Winata Hendri Hendri Herman Herman Hermanto Hermanto Heru Wijayanto Aripradono Huilyana Trianggawati Husnul Khatimah Husnul Khatimah Jason Jason Jefferson Richtan Jemmy Jemmy Kelvin Kelvin Kevin Kevin Leo Lionel Dedrick Louis Lim M. Nahrul Indriawan Moezes Rasuanda Muhammad Ilham Ashiddiq Tresnawan Muhammad Nur Faiz Ni'matul Ma’muriyah Patrick Pratama Hendri Prasetyo, Stefanus Eko Rahman Syahputra Ricardo Ricardo Rinaldo Rinaldo Rinaldo, Rinaldo Sabariman Sabariman Sepbianto Sepbianto Sherly, Sherly Sukma Aji Syaeful Anas Aklani, Syaeful Tiara Tiara Tina Tina Vincent . Vivian Vivian Viviany Viviany Wijaya, Gautama Wilsen Lau Windi Afdal, Windi Yulianto, Andik