Ibnu Febry Kurniawan
Universitas Negeri Surabaya

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

Found 3 Documents
Search

Uji Performa Fitur Penyeimbang Beban pada Aplikasi Reverse Proxy Ibnu Febry Kurniawan; Cahya Ningsih Fitri
JIEET (Journal of Information Engineering and Educational Technology) Vol. 1 No. 2 (2017)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v1n2.p69-72

Abstract

Teknologi penyeimbang beban (load balancer) bertindak sebagai regulator alokasi pemrosesan akses dari klien ke sistem layanan. Dengan adanya teknologi ini, dimungkinkan server dalam sistem klaster menerima beban secara bergantian. Squid lebih dikenal sebagai aplikasi proxy, namun aplikasi ini mempunyai fitur penyeimbang beban yang jarang digunakan. Studi ini menguji performa penyeimbang beban pada klaster web server dalam kondisi jaringan virtual dengan kakas uji HTTPerf. Hasil pengujian memperoleh rata-rata waktu respon, waktu reply, dan tingkat paket drop yang signifikan lebih baik daripada topologi jaringan tanpa Squid.
Implementasi Multichain sebagai Alternatif Solusi Keamanan dan Privasi Data pada Komunikasi Perangkat Pintar Rumah Dimas Yoan Rizaldi; Ibnu Febry Kurniawan
Journal of Informatics and Computer Science (JINACS) Vol 1 No 02 (2019)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1942.603 KB) | DOI: 10.26740/jinacs.v1n02.p115-121

Abstract

Abstrak— IoT berkembang dengan cepat dan diperkirakan akan tumbuh hingga 26 miliar perangkat di tahun 2020. Keamanan dan privasi dianggap sebagai hambatan utama agar paradigma IoT dapat diterima secara penuh. Keterbatasan pada perangkat IoT dan jaringan juga mengakibatkan sulitnya menerapkan solusi keamanan yang ada secara langsung, khususnya protokol keamanan tradisional dan kriptografi primitif yang membutuhkan banyak memori dan sumber daya komputer. Pada penelitian ini menerapkan teknologi yang menopang sistem cryptocurrency bitcoin yaitu blockchain, untuk memberikan keamanan dan privasi data pada arsitektur IoT dalam konteks smart home. Jenis blockchain yang digunakan adalah private blockchain dengan menggunakan platform MultiChain. Dengan menggunakan MultiChain maka hanya perangkat yang memiliki izin saja yang dapat bergabung ke dalam jaringan blockchain.  Dari pengujian yang telah dilakukan didapatkan hasil bahwa teknologi private blockchain dapat diterapkan dengan baik dengan menggunakan platform MultiChain.  Hasil dari pengujian keamanan menunjukkan bahwa permissionless device tidak dapat menyimpan data ke dalam blockchain ataupun mencari dan membaca data yang berasal dari dalam blockchain tanpa seizin node admin baik melalui API yang dimiliki MultiChain atau melalui aplikasi yang bertindak sebagai perangkat smart home yang mengirimkan data sehingga data di dalam blockchain menjadi aman dan kerahasiaannya terjaga. Kata Kunci— Blockchain, Smart Home, Keamanan, Privasi, Internet of Things.
K-means optimization with bat algorithm for predicting diabetes and hypertension risk in athletes’ comparison with machine learning A'yunin Sofro; Danang Ariyanto; Junaidi Budi Prihanto; Dimas Avian Maulana; Riska Wahyu Romadhonia; Asri Maharani; Affi Oktaviarina; Ibnu Febry Kurniawan; Khusnia Nurul Khikmah; Muhammad Mahdy Al Akbar
International Journal of Advances in Intelligent Informatics Vol 11, No 4 (2025): November 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v11i4.1816

Abstract

This research aims to develop an analytical approach to classification statistics. The proposed approach combines machine learning with optimization. Considering the urgency of research related to exploring the best methods to apply to sports data. This study proposes a novel framework that combines the k-means clustering results with the bat algorithm to optimize performance prediction for athletes in Indonesia. The proposed method aims to explore the data by comparing the classification performance of random forests, extremely randomized trees, and support vector machines. We conducted a case study using primary data from 200 respondents at Surabaya State University and the East Java National Sports Committee. The accuracy results in this study indicate that, based on the performance evaluation metric, the best approach is random forest clustering using k-means with bat algorithm optimization, achieving 81.25% accuracy, compared with other machine learning approaches. This research contributes to the field of classification statistics by introducing a novel hybrid framework that integrates machine learning, clustering, and optimization techniques to improve predictive accuracy, particularly in sports analytics. Beyond sports science, the proposed approach can be adapted to other domains that require robust performance prediction and decision support, such as health analytics, educational assessment, and human resource selection.