Claim Missing Document
Check
Articles

Analisis Performansi Quality of service (QoS) Network Function Virtualization dengan Docker Container Dimas Wiryatari; Suwanto Raharjo; Eko Pramono
Jurnal FATEKSA : Jurnal Teknologi dan Rekayasa Vol 6 No 1 (2021): Jurnal FATEKSA, Jurnal Teknologi dan Rekayasa
Publisher : Fakultas Teknologi dan Rekayasa

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

Abstract

Perkembangan layanan internet harus didukung oleh infrasruktur jaringan yang memadai. Infrastruktur jaringan sekarang sudah sangan canggih contohnya seperti server yang dapat menyediakan layanan lebih dari satu. Hal tersebut dapat diwujudkan dengan adanya teknologi vitualisasi seperti hyperpisor dan container. Akan tetapi semakin banyak layanan yang di berikan maka akan mempengaruhi performa dari server tersebut. Containers pada perkembangannya menjadi salah satu teknologi yang memiliki performansi yang baik dalam mengisolasi dan menjalankan aplikasi serta memiliki delay latancy yang rendah. Sehingga dapat mereduksi waktu pengimplementasian dan pengoperasian aplikasi. Containers juga dapat di implemetasikan pada NFV yang dapat membangun lingkungan virtual untuk menjalankan fungsi layanan networking. Pada penelitian ini akan dilakukan pengujian yang menghasilkan analisis suatu containers dengan menggunakan platform Docker yang akan menjalankan VNF berupa layanan FTP dan juga akan menjalan kan lebih dari 4 VNF tersebut. Penelitian ini bertujuan untuk mengetahui performansi Docker ketika menjalankan layanan FTP menggunakan parameter delay, packet loss, jitter, throughput. Dari hasil pengujian dan analisis, dapat disimpulkan bahwa layanan FTP berjalan dengan baik pada jaringan NFV pada Docker Container dan juga dapat berjalan dengan baik ketika membuat layanan lebih dari satu. Berdasarkan pengujian, dapat dibuktikan bahwa jaringan yang dibangun memiliki performansi yang baik, hal ini dapat dibuktikan pada hasil pengukuran dimana pada pengujian menggunakan layanan FTP memenuhi kriteria standarisasi ITU-T G.1010.
Deteksi Clickbait dengan Sentence Scoring Based On Frequency di Detik.Com Budi Wijaya Rauf; Suwanto Raharjo; Heri Sismoro
(JurTI) Jurnal Teknologi Informasi Vol 4, No 2 (2020): DESEMBER 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v4i2.1381

Abstract

Abstract - The clickbait phenomenon has become one of the powerful ways to increase the number of readers for a website. With the increasing number of visitors to the site, the higher the income on the website. However, this clickbait technique is like a double-edged knife. Many people who do not like this technique because of incompatibility of the title and content of the article being read. This study aims to detect clickbait articles on the Indonesian news site detik.com by using python and sentence scoring based on frequency algorithms to find a match between the title and content of the article. Appropriate titles and contents will be given a value of 1 (one) and those that are not appropriate will be given a value of 0 (zero), the results of the test system are compared with existing datasets and produce an accuracy rate of 75%, 57% precision and 80% recall.Keywords  - Clickbait Detection, Sentence Scoring Based on Frequency, Python. Abstrak – Fenomena clickbait sudah menjadi salah satu cara ampuh untuk meningkatkan jumlah pembaca untuk sebuah website. Dengan meningkatnya jumlah pengunjung pada situs maka semakin tinggi pula pendapatan pada website tersebut. Namun, Teknik clickbait ini seperti pisau bermata dua. Banyak masyarakat yang tidak suka dengan Teknik ini dikarenakan ketidaksesuaian judul dan isi artikel yang dibaca. Penelitian ini bertujuan untuk mendeteksi artikel clickbait pada situs berita Indonesia detik.com dengan menggunakan python dan algoritma sentence scoring based on frequency guna mencari kecocokan antara judul dan isi dari artikel tersebut. Judul dan isi yang sesuai akan diberikan nilai 1 (satu) dan yang tidak sesuai akan diberikan nilai 0 (nol), hasil uji coba system tersebut dibandingkan dengan dataset yang telah ada dan menghasilkan tingkat akurasi sebesar 75%, presisi 57% dan recall 80%.Kata Kunci - Deteksi Clickbait, Sentence Scoring Based on Frequency, Python.
IMPLEMENTASI METODE K-NEAREST NEIGHBOR DAN REGRESI LINEAR DALAM PREDIKSI HARGA EMAS Prabowo Budi Utomo; Ema Utami; Suwanto Raharjo
Informasi Interaktif Vol 4, No 3 (2019): Jurnal Informasi Interaktif
Publisher : Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (509.297 KB)

Abstract

Gold has become one of the inventions that people are interested in. The high resale value makes many people save it as a substitute for savings. But the price of gold is influenced by several things such as economic conditions, the level of demand and supply or the existence of goods, this has encouraged some parties to make predictions of gold prices to avoid unexpected losses going forward. Based on these problems the researchers tried to predict gold prices using the K-Nearest Neighbor (K-NN) method and Linear Regression. The K-NN method is used to classify the data that is owned to then make predictions using Linear Regression. From the test with the number of training data as many as 4305 data and test data as many as 402 data, the root mean square error value of 5.807% was obtained.Keywords: gold investment, gold price prediction, K-Nearest Neighbor, Linear Regression
KLASIFIKASI AUDIO MENGGUNAKAN WAVELET TRANSFORM DAN NEURAL NETWORK Yulianto Mustaqim; Ema Utami; Suwanto Raharjo
Informasi Interaktif Vol 4, No 2 (2019): Jurnal Informasi Interaktif
Publisher : Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (327.256 KB)

Abstract

Biodiversity that exists in nature shows the overall variation between living things both from the smallest levels, namely genes, species and eskosistem. One animal with a fairly high level of variation, namely birds chirping. Chirping has an identifier for each type both of the color of the feather, body shape, shape of the beak, food, how to find food and the most obvious is the difference in the chirping of birds. The problem faced is the number of species of birds chirping that are almost similar to each other so the introduction of birds with sound becomes quite difficult. This makes the introduction of birds with sound requires a special technique. The techniques used are transform wavelets and neural networks. At the end of the study, obtained Wavelet Package Decomposition extraction with training data used as many as 500 data. There are two preprocessing methods that are done by cutting and resampling (downsampling). The most optimal number of neurons to be used in hidden layers is 256 neurons with 500 epochs. The highest accuracy is 88.6% with momentum 0.2, learning rate 0.2 and wavelet daubechies2 while the lowest accuracy is 74.2% with momentum 0.8, learning rate 0.8 and wavelets haar.  Keywords: Classification, Neural Network, Wavelet Transform, Haar, Daubechies2
ANALISIS PERBANDINGAN SIMULASI LOAD BALANCE MENGGUNAKAN METODE ECMP DAN PCC PADA PENERAPAN KONGESTI MANAJEMEN BANDWIDTH HTB (Studi Kasus: Universitas Kristen Immanuel, Yogyakarta) Azriel Christian Nurcahyo; Ema Utami; Suwanto Raharjo
Informasi Interaktif Vol 4, No 2 (2019): Jurnal Informasi Interaktif
Publisher : Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (523.254 KB)

Abstract

Infrastructure and network service is the important things that need to be developed in the campus UKRIM.This is in harmony with the values of both institutions as well as accreditation B overall optimization requires the status of network services to support the learning and performance of the entire civitas academic.During this UKRIM campus networks implementing load balance ECMP and managerial mechanism with a bandwidth of simple queue service of 20 Mbps dedicated and 10 GGC.As a result of congestion often occurs down connection status was at the time interval 1-3 times a month for approximately 5-10 minutes.Responding to this research needed to provide suggestions for the campus network admin UKRIM in providing service load balance as well as managerial bandwidth.This research was conducted on simulation using GNS3 to compare load balance method ECMP and PCC or Per Connection Classifier.As for the HTB used to replace simple queue to minimise wasted bandwidth.Testing on this research using wireshark on a simulated network being built based GNS3.From the test results the comparison using standardization TIPHON obtained that the PCC has advantages compared to the ECMP on condition when a dense network experienced congestion.This is proven by the same throughput rating 100% but the jitter and packet loss is different at PCC have packet loss 15% category medium, the value of jitter 15.69 ms nice category whereas in packet loss value ECMP 58% bad and categories jitter 98.2 ms categories. Keywords: ECMP, GNS3, Per Connection Classifier,Hierarchical Token Bucket.
PREDIKSI RISIKO KEMATIAN PASIEN STROKE PERDARAHAN DENGAN MENGGUNAKAN TEKNIK KLASIFIKASI DATA MINING Indarto Indarto; Ema Utami; Suwanto Raharjo
Informasi Interaktif Vol 5, No 2 (2020): Jurnal Informasi Interaktif
Publisher : Universitas Janabadra

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

Abstract

Stroke is a major health problem in Indonesia and the world, and the cause of disability and death. Hemorrhagic stroke has higher mortality rate compared to ischemic stroke. The objective of this study is to create a mortality risk prediction model by using Logistic Regression, Support Vector Machine, Random Forest, and Decision Tree C4.5 algorithms based on the data demographics and the clinical data in patients with hemorrhagic stroke. Prediction of outcome of patients of stroke help the physician to determine prognosis, targeted treatments and prepare patients and families. 538 subjects obtained from Hospital Stroke Registry in Yogyakarta. This study uses 10 fold cross validation to evaluate a model. The performance of Decision Tree C4.5 is higher than Logistic Regression, Support Vector Machine, and Random Forest. Prediction accuracy of Decision Tree C4.5 is 90.5%. The use of data mining algorithms able to predict the mortality and functional outcome of patients with hemorrhagic stroke. Keywords: mortality risk prediction, data mining, hemorrhagic stroke.
PREDIKSI PENJUALAN KOSMETIK DENGAN SUPPORT VECTOR MACHINE Aflahah Apriliyani; Ema Utami; Suwanto Raharjo
Informasi Interaktif Vol 4, No 2 (2019): Jurnal Informasi Interaktif
Publisher : Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (343.961 KB)

Abstract

The development of the cosmetics industry experienced a very significant development. Along with the development of cosmetics, information technology has become one of the inputs for the company. Information about the sale of cosmetics and information on cosmetic supplies is an inseparable thing. Cosmetics are products made from plants, minerals and animals. Predictions about future sales can control the amount of available product stock, so that shortages and excess product stock can be minimized. Accurate Prediction results will facilitate the fulfillment of market demand and can provide timely predictions. This research was conducted to predict cosmetic sales. Knowing the supply of cosmetics is something that can be found in cosmetic stores, to facilitate the prediction of cosmetic inventories in the coming period can use sales data in the previous period. Date time series is one of the time series methods used for forecasting methods to find out the pattern of patterns in the past to find out patterns in the future. The Support Vector Machine algorithm will work accurately when the required features are relevant. But inreality the features needed are not relevant, feature selection can be done to select the features needed to obtain accurate information, so as to increase efficiency. In this study the Support Vector Machine algorithm produces the best method, which is 0.136 based on the smallest error value with period 4 variables, Validation Shuffled Sampling 10 and Polynomial kernel type. The best model is also obtained with the Support Vector Machine algorithm with forward selection resulting in the smallest error value of 0.144 with period 8 variables, as well as the Validation Shuffled Sampling 10 and the polynomial kernel type. Keywords: Kosmetik, Data Mining,  Support Vector Machine, feature selection, forward selection
Deteksi Kondisi Emosi pada Media Sosial Menggunakan Pendekatan Leksikon dan Natural Language Processing Arif Nur Rohman; Ema Utami; Suwanto Raharjo
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (211.115 KB) | DOI: 10.30864/eksplora.v9i1.277

Abstract

Emosi memenuhi kehidupan manusia setiap waktu. Emosi mempengaruhi hubungan sosial, ingatan dan bahkan dalam pengambilan keputusan. Saat ini, orang cenderung mengekspresikan emosi melalui media sosial seperti Facebook dalam bentuk gambar, video dan teks pada umumnya. Deteksi emosi pada teks merupakan bidang penelitian yang baru dan banyak diteliti khususnya dibidang linguistik. Penelitian ini menggunakan EmoLex sebagai leksikon yang digunakan untuk mendeteksi emosi pada suatu teks. Kosa kata pada EmoLex diperluas dengan pencarian sinonim menggunakan Kateglo API. EmoLex digunakan sebagai leksikon 8 kategori emosi Plutchik dan sentimen. EmoLex tersedia dalam 105 bahasa berbeda termasuk Indonesia yang mana mengandung 14.182 kata yang kemudian diperluas dengan pencarian sinonim menggunakan Kateglo API. Pencarian sinonim menghasilkan 20.690 kata sehingga memperoleh hasil akhir leksikon emosi yang berisi 34.872 kata. Pengujian menunjukkan bahwa leksikon emosi mampu mendeteksi 55.45% atau 15.357 dari 27.696 kata yang diperoleh dari update status pengguna Facebook dalam melakukan pendeteksian emosi, sebanyak 100 update status diambil dari Facebook. Selanjutnya update status tersebut diperbaiki menggunakan Natural Language Processing (NLP). Hasil perbaikannya dinilai dengan leksikon emosi yang telah dibuat sebelumnya. 26 dari 100 update status dapat diketahui label emosinya. Hasil validasi terdapat 16 update status atau 61,53% label emosinya akurat.
Analisis Komentar Potensial pada Social Commerce Instagram Menggunakan TF-IDF Rizqa Luviana Musyarofah; Ema Utami Utami; Suwanto Raharjo Raharjo
Jurnal Eksplora Informatika Vol 9 No 2 (2020): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (546.193 KB) | DOI: 10.30864/eksplora.v9i2.360

Abstract

Komentar di Instagram sangat berharga, informatif dan sangat membantu. Bagi penjual komentar adalah fitur yang menunjukkan respons pengguna Instagram terhadap produk yang ditawarkan, dan melalui fitur komentar penjual dapat menemukan pelanggan yang potensial. Manfaat tersebut diperoleh apabila penjual melakukan analisis pada komentar di toko Instagram-nya. Sangat dimungkinkan untuk menganalisis secara manual apabila data komentar pada tokonya berjumlah sedikit namun apabila komentar yang dimiliki banyak maka akan lebih cepat apabila menggunakan sistem. Banyaknya spam dapat mengganggu informasi yang ada pada komentar, sehingga tidak menjamin banyaknya komentar pada sebuah posting-an maka banyak pula yang ingin membeli produk tersebut. Oleh karena itu dibutuhkan sistem yang bisa memfilter komentar agar penjual dapat menemukan pelanggan yang tepat untuk produknya. Penelitian ini menggunakan algoritma TF-IDF untuk mengklasifikasikan komentar ke dalam 2 kelas (potensial dan tidak potensial) dan memperoleh akurasi sebesar 80%, presisi 0,76 dan recall 0,94. Berdasarkan hasil penelitian pada 294 komentar, 27% di antaranya adalah komentar tidak potensial. Kata yang menunjukkan minat beli seseorang adalah “berapa”, ”kak”, ”ada”, dan ”tidak”, sedangkan kata dominan pada komentar tidak potensial adalah kata “mention” yang menunjukkan aktivitas mention.
Pelatihan Pemasaran Digital dan Pengembangan Web untuk Mendukung Penjualan Komoditas Porang pada Kelompok Tani Yin Porang di Wonogiri Eska Almuntaha; Argaditia Mawadati; Nidia Lestari; Yuli Purwanto; Suwanto Raharjo; Emy Setyaningsih; Suparni Setyowati Rahayu; Purnawan Purnawan; Nurul Dzakiya
Jurnal Sains Teknologi dalam Pemberdayaan Masyarakat Vol. 3 No. 1 (2022): July 2022
Publisher : Fakultas Teknik Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/jstpm.v3i1.920

Abstract

Amorphophallus muelleri Bl. atau biasa dikenal dengan nama porang, jika diolah dengan baik dapat menghasilkan banyak manfaat. Secara ekonomi, komoditas porang memang sangat menjanjikan karena memiliki nilai ekonomi terutama untuk industri dan Kesehatan. Porang menjadi bahan baku industrri kosmetik dan bahan makanan rendah kalori favorit, terutama di Jepang dan Korea Selatan. Kelompok Tani Yin Porrang merupakan salah satu kelompok tani porang yang ada di Desa Padarangin, Kecamatan Slogohimo, Kabupaten Wonogiri, Jawa Tengah. Selain masalah produk akhir, pemasaran yang bersifat konvensional menjadi masalah utama untuk pengembangan usaha kelompok tani ini. IST AKPRIND melalui program Matching Fund tahun 2021 menawakan solusi untuk pengembangan prroduk sehingga menambah nilai jual porang. Pelatihan pemasaran digital dan pengembangan web sebagai salah satu sarana pemasaran digital juga dilakukan untuk meraih target pasar yang lebih luas dengan biaya yang lebih rendah dan cara yang lebih terukur.  
Co-Authors -, Komarudin Abdul Malik Zuhdi Achmad Yusron Arif Ade Rizki Saputra Afifah Nur Aini Aflahah Apriliyani Ahmad irfa’i Alsyaibani, Omar Muhammad Altoumi Amalia Febryane Adhani Mazaya Amir Hamzah Amir Hamzah Amir Hamzah Amrullah, Yusuf Amri Andi Kriswantono Anggit Dwi Hartanto, Anggit Dwi Apolinarius Gusala Argaditia Mawadati Ari Sabela Anggraini Arief Setyanto Arief, Achmad Yusron Arif Nur Rohman Arif setiadi Arif, Achmad Yusron Aziz Nurwahidin Cahyono, Nova Tri Cahyono, Nova Tri Candra Kusuma Catur Iswahyudi Catur Iswahyudi Catur Iswahyudi Catur Iswayudi Danang Kastowo Dani Yulkarnain Dewo Pambudi Dimas Wiryatari Dodik Prakoso Eko Hery Suwandojo Dodik Prakoso Eko Hery Suwandojo Dzakiya, Nurul Edhy Sutanta (Jurusan Teknik Informatika IST AKPRIND Yogyakarta) Edi Winarko Eka Suteja Eko Darmanto Eko Haryanto Eko Haryanto Eko Pramono Eko Pramono Ema Utami Ema Utami (Jurusan Sistem Informasi STMIK AMIKOM Yogyakarta) Emy Setyaningsih Emy Setyaningsih Enggar Febriyanti Enie Yuliani Erfanti Fatkhiyah Erma Susanti Ermawati - Erna Kumalasari N Erna Kumalasari Nurnawati Eska Almuntaha Faisal Siregar Fuad Hasan Gardyas Bidari Adninda Gardyas Bidari Adninda Gatot Santoso Gatot Santoso Gunawan Wicahyono Hanafi Eko Kurniawan Hardianto Nugroho Hari Rachmadi Hartanto, Anggit Dwi Hendrik Satria Harefa Heri Sismoro Hilarion Yogi Ibnu Berliyanto G.A Ibnu Berliyanto G.A, Ibnu Berliyanto Imam Syafii Imam Syafii Imam Thoib Indarto Indarto Irwan Siswanto Jazi Eko Istiyanto (Program Magister Ilmu Komputer Sekolah Pascasarjana UGM) Joko Triyono Joko Triyono Joko Waluyo Julianto JULIANTO Jussac Maulana Masjhoer Khalil Sidik Khalil sidik Koco Anggoro Kurniati, Devi Kurniawan, Hanafi Eko Laksono Trisnantoro M Yusuf Ali Fiqri M. Abdul Alim Alami M. Ari pamungkas1 M. Rudiyanto Arief Maulana Wahid, Rindo Mazaya, Amalia Febryane Adhani Merlie Anita Miftah Farid Moh Erzal Arighi Damopolii Moh. Ishaq Yanuar Mohammad Sholeh Muh. Ibnu Habil Hanafi Muh. Ibnu Habil Hanafi, Muh. Ibnu Habil Muhamad Fatahillah Z Muhammad Arif Setyawan Muhammad Fahrizal Farid Muhammad Farid Ali Safii Muhammad Puguh Pamungkas Muhammad Rosyid Muhammad Saleh Jafri MUHAMMAD SHOLEH Muhammad Sholeh Munandar, Arief Mursyid Ardiansyah Mustofa Wisnu Dhamara1 Naniek Widyastuti Nansi, Maria Regina Nidia Lestari Nurcahyo, Azriel Christian Okid Parama Astirin Omar Muhammad Altoumi Alsyaibani Prabowo Budi Utomo Prita Haryani Prita Haryani Purnawan Purnawan - Purnawan Purnawan Purnawan Purnawan R. K. ST., MT., Rr. Yuliana Rahardyan Bisma Setya Putra Ramadhan, Hanan Fajar Rauf, Budi Wijaya Rendi Saputra Rio Ponco Negoro Muhammad Hakim Rizal Fakhruddin Lubis Rizki Pratama Rizqa Luviana Musyarofah Rizqi Aji Nugroho Robertus Desta Raka Siwi Robertus Desta Raka Siwi, Robertus Desta Rohmat Hidayat Rohmat Hidayat Rr Yuliana Rachmawati Kusumaningsih Rr. Yuliana Rachmawati Rr.Y. Rachmawati Kusumaningsih Rr.Yuliana Rachamawati, Rr.Yuliana Ryvan Sirait S.T., M.T, Muhammad Sholeh, Samuel Kristiyana Saryadi K T Soba Saryadi K T Soba, Saryadi K T Setya Putra, Rahardyan Bisma Siswanto - Slamet Hani, Slamet Sofyan Pariyasto Sri Hartati Stefanus Samuel Tampi Suparni Setyowati Rahayu Suraya - Suraya - Suraya ., Suraya Syafrizal S Ardiansyah Syahrudin, Erwin Tampi, Stefanus Samuel Thaariq, Muhammad Rizqy Ath Than Raymond Toto Rusianto Triyono, Joko Uning Lestari Uning Lestari Utami, Ema Utami Utamu, Ema Vian Ardiyansyah Saputro Vian Ardiyansyah Saputro Wahyu Hidayat Wahyudi, Doni Yoga Arjanggi Nofianto Yuki Syambudi Setiadi Yuli Purwanto Yuli Purwanto Yuliana Rachmawati Yulianto Mustaqim Zeppi Maulana Bhakti