Article Per Year (5 Year)
p-Index From 2020 - 2025
1.434
P-Index
This Author published in this journals
All Journal Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Widhi Yahya
University of Brawijaya and National Central University
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Desain dan Implementasi Penskala Otomatis AWS EC2 Instance Berbasis Weighted Moving Average dan Metrik Kustom untuk Aplikasi Kiosdeliv Faruqi, Ibrahim Zhilal; Siregar, Reza Andria; Yahya, Widhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Aplikasi PPOB KiosDeliv memiliki beban kerja yang variatif untuk tiap fiturnya. Hal ini menimbulkan kekhawatiran bahwa penskala otomatis AWS (Amazon Web Services) yang hanya melihat penggunaan sumber daya VM tidak dapat melakukan aktivitas penskalaan yang optimal. Maka dari itu, penelitian ini meneliti tentang perancangan, implementasi, dan pengujian penskala otomatis AWS EC2 (Elastic Compute Cloud) instance berbasis weighted moving average dan metrik kustom yang diharapkan dapat melakukan aktivitas penskalaan yang lebih efektif. Metodologi dari penelitian ini adalah dengan melakukan perancangan pseudocode alur kerja, diagram basis data, juga deployment untuk penskala otomatis yang dibuat dan aplikasi dummy. Selanjutnya dilakukan pengkodean dan deployment berdasarkan rancangan tersebut. Selain itu, terdapat 3 jenis pengujian yang dilakukan, yaitu pengujian fungsional untuk menguji fungsionalitas aplikasi, pengujian performa untuk mengukur performa server dan pengujian utilisasi untuk mengukur utilisasi sumber daya server. Hasil yang didapatkan dari penelitian ini cukup memuaskan. Dari 4 kasus pengujian, 2 kasus terberatnya menimbulkan aktivitas penskalaan. Pada 2 kasus tersebut, penskala otomatis yang dibuat menunjukkan keunggulan pesat dibandingkan penskala otomatis AWS, dengan perbedaan performa pada pengujian 100 RPS sekitar 100ms dibandingkan 5200ms pada lebih dari 95% permintaan. Pada pengujian 200 RPS, penskala otomatis yang dibuat juga menunjukkan keunggulan, yaitu dengan waktu respons 90% permintaan sekitar 200ms dibandingkan dengan 5000ms. Pada kasus 200 RPS dan 100 RPS, penskala otomatis yang dibuat menyebabkan utilisasi CPU dan memori yang lebih rendah ketimbang penskala otomatis AWS. Hasil ini disebabkan cepatnya dan besarnya nominal inkremen penskalaan pada penskala otomatis yang dibuat dibandingkan dengan AWS. Berdasarkan hasil pengujian diatas, dapat disimpulkan bahwa penskala otomatis yang dibuat berhasil meraih peningkatan performa dibandingkan dengan penskala otomatis AWS. Secara utilisasi sumber daya VM, penskala otomatis yang dibuat juga memiliki utilisasi yang lebih rendah dibandingkan dengan AWS.
Analisis Perbandingan Metode VLAN dan MAC-based dalam Penerapan Segmentasi Jaringan pada Jaringan OpenFlow Ainurrachman, Reza; Yahya, Widhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dengan adanya perkembangan teknologi serta peningkatan terhadap kebutuhan layanan yang berjalan secara daring, performa jaringan menjadi salah satu perhatian karena dapat mempengaruhi kinerja dari layanan tersebut. Salah satu komponen yang bertanggung jawab atas performa dari layanan tersebut adalah Data Center Network (DCN). DCN merupakan komponen penyusun distribusi layanan yang dapat terdiri dari switch, storage, load balancing yang berjalan mendukung proses layanan secara daring. Untuk meningkatkan performa DCN, dapat dilakukan penerapan segmentasi jaringan yang akan membagi jaringan secara virtual menjadi beberapa tenant yang saling terisolasi satu sama lain sehingga dapat digunakan untuk memprioritaskan layanan tertentu. Pada penelitian ini dilakukan penerapan segmentasi jaringan menggunakan 2 metode, yaitu metode VLAN (berdasarkan port) dan metode MAC-based (berdasarkan MAC address). Penggunaan kedua metode tersebut terinspirasi oleh penerapan segmentasi jaringan menggunakan konsep Virtual Local Area Network (VLAN) yang akan diterapkan pada paradigma jaringan Software Defined Network (SDN). Pengujian pada penelitian ini dilakukan menjadi 2 tahap, yaitu pengujian fungsional untuk melakukan pengecekan keberhasilan isolasi antar tenant dengan mengirim paket ping, TCP, UDP, broadcast, dan pengujian performa untuk melihat performa jaringan dengan mengukur nilai Round Trip Time (RTT) dan nilai throughput yang dilakukan dengan 3 variasi. Hasilnya pada pengujian fungsional, semua metode berhasil mengisolasi tenant, tetapi saat pengujian dengan paket broadcast, metode MAC-based masih bisa meloloskan paket yang tidak sesuai perancangan sistem. Sedangkan pada pengujian performa, metode MAC-based lebih unggul pada semua pengujian kecuali pengujian throughput yang ketiga karena pengaruh lolosnya paket broadcast yang tidak sesuai perancangan sistem.
Perbandingan Metode Autoscaling Vertical Pod Autoscaler dan Horizontal Pod Autoscaler Kubernetes Pada Google Cloud Platform King, Ray Wirawan Z; Trisnawan, Primantara Hari; Yahya, Widhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Elastisitas merupakan kekuatan utama cloud computing, memungkinkan penyesuaian otomatis terhadap workload yang fluktuatif. Teknologi containerization, seperti Kubernetes, telah menjadi solusi populer untuk pengelolaan aplikasi berskala besar. Skalabilitas menjadi krusial dalam menjaga kualitas layanan dan efisiensi biaya. Penelitian ini bertujuan untuk membandingkan kinerja dua metode autoscaling Kubernetes, yaitu Horizontal Pod Autoscaler (HPA) dan Vertical Pod Autoscaler (VPA), dalam skenario beban kerja yang bervariasi pada Google Cloud Platform (GCP). Penelitian dimulai dengan studi literatur terkait, kemudian dilakukan perancangan aplikasi yang akan diuji dan lingkungan pengujian. Implementasi meliputi pembuatan aplikasi, kontainerisasi dengan Docker, dan deployment pada Kubernetes. Pengujian dilakukan dengan cara mengirimkan request pada server menggunakan program benchmark untuk mengatur intensitas beban pada aplikasi dengan skenario beban yang bervariasi, dan metrik kinerja seperti waktu respons pada client, alokasi CPU dan perilaku scaling pada server diukur untuk kedua metode autoscaling. Hasil penelitian menunjukkan bahwa HPA lebih efektif daripada VPA dalam merespons perubahan beban kerja secara cepat dan efisien. Selain itu, HPA juga dapat meningkatkan efisiensi biaya pada tagihan cloud provider karena dapat menurunkan penggunaan sumber daya saat tidak diperlukan, sedangkan VPA tidak melakukan penurunan alokasi CPU sama sekali selama eksperimen ini dilakukan.
Pengembangan IoT Gateway Terdistribusi Berbasis Kubernetes Alami, Muhammad Kholif; Yahya, Widhi; Basuki, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pengelolaan perangkat terdistribusi, seperti IoT gateway yang tersebar di lingkungan lokal dan remote, memerlukan manajemen efisien, terintegrasi, dan adaptif. Kubernetes menawarkan orkestrasi terpusat untuk aplikasi dan layanan pada klaster IoT gateway, termasuk inferensi machine learning di lokasi untuk mengurangi latensi. Namun, Kubernetes memiliki keterbatasan ketika klaster mencakup perangkat di berbagai jaringan, sehingga diperlukan integrasi yang mempertahankan kinerja dan mempermudah administrasi. Penelitian ini mengintegrasikan konektivitas antar IoT gateway menggunakan VPN dengan NAT traversal, untuk mendukung pengelolaan terpusat pada klaster terdistribusi di lingkungan lokal dan remote. Solusi yang dikembangkan mencakup modul konektivitas terdistribusi, manajemen terpusat, serta fault tolerance. Evaluasi dilakukan melalui pengujian fungsional dan performa pada klaster IoT gateway. Hasil pengujian menunjukkan klaster IoT gateway terdistribusi berhasil memenuhi kebutuhan fungsional. Sistem mampu mengelola perangkat secara terpusat, mendukung komunikasi dua arah antar IoT gateway dengan latensi stabil di bawah 1 ms dalam jaringan dan 190 ms antar jaringan, serta menjalankan mekanisme failover dengan downtime 5 detik. Pada pengujian performa, pemrosesan inferensi secara terdistribusi menunjukkan latensi jauh lebih rendah (<0.1 detik) dibandingkan inferensi terpusat yang mencapai lebih dari 10 detik. Namun, throughput antar jaringan dibatasi hingga <20 Mb/s akibat penggunaan relay VPN, dan waktu deployment aplikasi pada jaringan remote mengalami variasi besar (60–800 detik) tergantung pada kondisi jaringan, terutama bandwidth.
Information and Data Distribution System for Rural Areas of Indonesia Amron, Kasyful; Basuki, Achmad; Pramukantoro, Eko Sakti; Yahya, Widhi
Journal of Information Technology and Computer Science Vol. 1 No. 1: June 2016
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (861.297 KB) | DOI: 10.25126/jitecs.2016115

Abstract

Abstract. Internet becomes critical infrastructure in the distribution of information. The information is used for decision making and ensure the success of human activities. However, the distribution of information in rural Indonesia is inconvenient, because the digital communication infrastructure (internet) doesn’t cover all areas in Indonesia. This problem causes the digital divide in Indonesia. This study proposes communications infrastructure and data transfer mechanism or media sharing that can be applied to a variety of rural areas conditions in Indonesia, which has limited communications infrastructure. The approach is to build low power digital carrier devices in the form of minicomputer and utilize Delay or Disruptions Tolerant Network (DTN) architecture. Testing results in the digital carrier node show that the data is successfully delivered. Keywords: Rural Area, Mini-PC, Delay Tolerant Network
Belajardisini : The E-learning Framework Based on Gamification Concept Pramukantoro, Eko Sakti; Yahya, Widhi
Journal of Information Technology and Computer Science Vol. 1 No. 1: June 2016
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (369.477 KB) | DOI: 10.25126/jitecs.2016116

Abstract

Abstract. The lack of motivation and student engagement in the learning process are the Challenges in education today. E-learning is one of the methods used to resolve these issues.The E-learning, the digital based learning media, enable students to study every where and every time. Basically the e-learning is only used for repository of teaching materials and for evaluation. This kind of e-learning cannot motivate  the learning process. The development of e-learning must be done in order to increase the motivation to learn. The proposed solution extends the e-learning application with the Gamification approach. Gamification is adopted mechanism of the game in non game context. Typically, gamification is used in the business world. The Leaderboard, Challenges, and reward are components that are used to stimulate products sales by marketing. The reward will be given to the top rank salesman on the Leaderboard. This interesting concept can be applied to e-learning to stimulate the learning motivation
Implementasi Load Balancer Haproxy dengan Konfigurasi Dinamis dan Autoscaling Nginx Web Server Berbasis Ansible Pitra, Made Diksa; Trisnawan, Primantara Hari; Yahya, Widhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 7 (2025): Juli 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pertumbuhan trafik web yang tidak menentu menuntut sistem layanan mampu merespons lonjakan beban secara adaptif dan efisien. Penelitian ini mengembangkan sistem load balancing menggunakan HAProxy yang dapat menyesuaikan bobot distribusi secara dinamis berdasarkan kinerja aktual masing-masing server, serta dilengkapi dengan mekanisme autoscaling untuk menambah atau mengurangi instance Nginx sesuai kondisi trafik. Sistem dibangun menggunakan teknologi open-source seperti Docker, Lua, dan Flask API. Bobot distribusi diperbarui secara berkala menggunakan skrip Lua berdasarkan rata-rata waktu respons tiap server, sementara autoscaling dipicu oleh nilai rata-rata waktu respons global. Pengujian dilakukan pada tiga skenario: trafik rendah dan tinggi dengan 2 instance, serta trafik tinggi dengan 5 instance hasil autoscaling. Hasil pengujian menunjukkan bahwa konfigurasi dinamis dan autoscaling berhasil menurunkan rata-rata waktu respons dari 1310,75 ms menjadi 1249,15 ms dan menghasilkan distribusi beban yang lebih seimbang. Namun, penggunaan CPU HAProxy meningkat dari 16,48% menjadi 17,51% pada konfigurasi 5 instance. Analisis file pcap menunjukkan peningkatan koneksi TCP dan kompleksitas routing, yang turut memengaruhi kinerja sistem secara keseluruhan. Dengan demikian, sistem yang dirancang mampu meningkatkan efisiensi distribusi trafik dan adaptivitas terhadap beban, dengan kompromi berupa peningkatan overhead pada sisi load balancer.
Penerapan Federated Learning untuk Deteksi Penipuan Kartu Kredit: Studi Kinerja Model Terdistribusi Mahfudzi, Nabillah Azzam Luthfi; Yahya, Widhi; Pramukantoro, Eko Sakti
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Deteksi penipuan kartu kredit merupakan tantangan penting dalam dunia keuangan yang membutuhkan akurasi tinggi sekaligus menjaga privasi data pengguna. Pendekatan tradisional seperti centralized learning mengharuskan pengumpulan data ke satu server pusat, yang meningkatkan risiko pelanggaran privasi. Untuk mengatasi hal ini, penelitian ini menerapkan Federated Learning (FL), yaitu metode pelatihan model secara terdistribusi di masing-masing site atau klien tanpa memindahkan data mentah. Model yang digunakan adalah LightGBM karena efektif dalam mendeteksi transaksi mencurigakan, dan proses agregasi global dilakukan dengan teknik Knowledge Distillation yang dijalankan pada akhir setiap ronde pelatihan lokal. Dataset yang digunakan berasal dari dua sumber berbeda dengan total 10 dataset, untuk mensimulasikan skenario multi-klien dengan domain data yang bervariasi. Hasil pengujian menunjukkan bahwa model FL mencapai akurasi hingga 96%, sebanding dengan centralized learning, serta menunjukkan distribusi metrik yang seimbang antar kelas. Pengujian lintas domain menunjukkan peningkatan F1-score hingga 94%, menandakan kemampuan generalisasi model terhadap data baru. Dari sisi efisiensi, meskipun agregasi membutuhkan waktu lebih lama seiring bertambahnya klien, proses tetap dalam batas wajar. Secara keseluruhan, kombinasi FL dan Knowledge Distillation terbukti menjaga privasi tanpa mengorbankan performa deteksi, menjadikannya solusi potensial untuk sistem deteksi penipuan di lingkungan nyata.
Optimasi Penempatan Edge server Menggunakan Algoritma Quantum-Behaved Particle Swarm Optimization Pada Lingkungan Mobile Edge Computing Rabani, Muhammad Iqbal; Yahya, Widhi; Basuki, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pertumbuhan perangkat mobile yang pesat dalam lima tahun terakhir telah memicu lonjakan trafik data dan menuntut solusi komputasi yang lebih efisien dan responsif. Mobile Edge Computing (MEC) menjadi pendekatan strategis dengan mendekatkan sumber daya komputasi ke pengguna melalui penempatan edge server di sekitar base station untuk menurunkan latensi dan meningkatkan kualitas layanan digital secara keseluruhan. Namun, karena keterbatasan biaya, penempatan server di seluruh base station tidaklah praktis, sehingga diperlukan strategi optimasi yang mampu memilih lokasi paling potensial secara efektif, terarah, dan terukur. Penelitian ini mengusulkan integrasi metrik Potential User (PU) ke dalam algoritma Quantum-behaved Particle Swarm Optimization (QPSO) sebagai pendekatan proaktif dalam seleksi lokasi server edge. Metrik PU dirancang untuk menyaring base station berdasarkan frekuensi dan durasi interaksi pengguna, sehingga hanya lokasi dengan keterikatan pengguna yang tinggi dan kebutuhan layanan yang stabil dipertimbangkan dalam proses optimasi. Hasil pengujian menunjukkan bahwa penggunaan PU dalam QPSO secara signifikan meningkatkan performa keseluruhan, tercermin dari penurunan nilai fitness gabungan hingga 76,5% dibandingkan QPSO tanpa PU. Selain itu, pendekatan ini mencatat peningkatan kualitas solusi hingga 96,3% dibanding metode konvensional seperti K-Means, Top-K, dan Random. Temuan ini menegaskan pentingnya mempertimbangkan pola interaksi pengguna aktif dalam strategi penempatan edge server guna meningkatkan efisiensi sistem, performa layanan, serta pemanfaatan sumber daya secara optimal dalam arsitektur MEC yang kompleks dan dinamis.
Penerapan Domain Generalization dengan Mixture Of Multiple Latent Domains untuk Mengatasi Domain Shifting Dalam Network Intrusion Detection System Malik, Dzaki Rafif; Perdana, Rizal Setya; Yahya, Widhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Efektivitas network intrusion detection system (NIDS) secara konsisten menurun ketika model yang telah dilatih di satu lingkungan harus beroperasi di jaringan dengan karakteristik berbeda. Fenomena domain shift ini menyebabkan hilangnya kemampuan generalisasi sehingga celah keamanan baru muncul. Penelitian ini memperkenalkan kerangka domain generalization berbasis mixture of multiple latent domains (MoMLD) untuk menghasilkan NIDS yang adaptif tanpa mengakses data dari domain target. Dalam MoMLD, data sumber terlebih dahulu dikelompokkan menggunakan algoritma K-Means untuk menghasilkan label domain semu yang merepresentasikan struktur laten, kemudian label tersebut diintegrasikan ke dalam skema pelatihan adversarial dengan Gradient Reversal Layer agar jaringan mempelajari representasi fitur yang invarian antar-domain. Eksperimen pada tiga benchmark NIDS (ToN-IoT, UNSW-NB15, CIC-IDS2018) menunjukkan peningkatan F1-Score pada domain target dari 0,3529 menjadi 0,6798 (+92,7%) dan penurunan kesenjangan performa hingga 99,9%. Bahkan ketika baseline sudah tinggi, kesenjangan tetap berhasil ditekan lebih dari 61%. Analisis ablatif menegaskan bahwa pemilihan jumlah klaster yang sesuai sangat menentukan keberhasilan, sekaligus bertindak sebagai regularisasi yang mencegah overfitting terhadap domain sumber. Dengan overhead komputasi moderat, kerangka ini memberikan solusi praktis dan skalabel bagi penyebaran NIDS pada infrastruktur jaringan yang dinamis.
Co-Authors Achmad Basuki Ainurrachman, Reza Alami, Muhammad Kholif Eko Sakti Pramukantoro, Eko Sakti Faruqi, Ibrahim Zhilal Kasyful Amron King, Ray Wirawan Z Mahfudzi, Nabillah Azzam Luthfi Malik, Dzaki Rafif Nurdewanto, Abimanyu Danu Pitra, Made Diksa Rabani, Muhammad Iqbal Reza Andria Siregar Rizal Setya Perdana Trisnawan, Primantara Hari