Article Per Year (5 Year)
p-Index From 2021 - 2026
0.888
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Mohammad Ali Wardana
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Jaringan Virtual Private Network (Vpn) Berbasis Mikrotik Pada Kantor Kecamatan Marioriawa Kabupaten Soppeng Mohammad Ali Wardana; Andi Zulkifli Nusri; Juliandika Juliandika
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 5 No 2 (2022): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (512.622 KB) | DOI: 10.57093/jisti.v5i2.135

Abstract

Adapun tujuan dari penelitian tentang Perancangan Jaringan Virtual Private Network (VPN) Berbasis Mikrotik pada Kantor Kecamatan Marioriawa adalah untuk merancang dan mengimplementasikan jaringan Virtual Private Network (VPN) berbasis Mikrotik pada Kantor Kecamatan Marioriawa yang belum memiliki suatu sistem jaringan internet yang private, aman dan bebas dari gangguan peretasan, karena Database didalam Server Kantor Kecamatan Marioriawa sangat penting karena berisi Data Induk Kependudukan dari seluruh warga Kecamatan Marioriawa yang tidak boleh diakses oleh yang tidak berwenang. Adapun alat yang digunakan yaitu Mikrotik Router, Kabel UTP (Straight), Socket RJ45 dan Sistem Aplikasi Winbox.exe. Serta menggunakan metode berbasis PPTP (Point to Point Tunnel Protocol). PPTP (Point to Point Tunnel Protocol) merupakan salah satu jenis Virtual Private Network (VPN) yang paling sederhana dan fleksibel untuk dikonfigurasi. Mayoritas sistem operasi sudah mendapat dukungan sebagai PPTP Client pada komputer. Dalam pengaplikasian Metode PPTP (Point to Point Tunnel Protocol) kedalam aplikasi Winbox.exe Mikrotik Router termasuk rumit karena konfigurasi dasar dalam Mikrotik Router jauh berbeda dengan Router lain. Namun hasil penerapannya sangat aman dan mudah bagi penggunanya. Pada pengujianawal serta akhir jaringan, ditemukan perbedaan waktu pengiriman data bahwa selesainya menerapkan VPN (Virtual Private Network) Point to Point Tunnel Protocol (PPTP), analisa tersebut bahwa data yang dikirim sudah terenkripsi. Untuk itu penulis membuat skripsi mengenai jaringan Virtual Private Network (VPN) berbasis Mikrotik pada Kantor Kecamatan Marioriawa yang saat ini belum menerapkan sistem tersebut
Sistem Pendukung Keputusan Penentuan Siswa Berprestasi Menggunakan Metode SAW di SMAN 5 Soppeng Mohammad Ali Wardana; Suherman Suherman; Sri Ainun Putri; Irma Irma
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 6 No 2 (2023): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v6i2.175

Abstract

Selama ini SMAN 5 Soppeng telah melaksanakan lomba siswa berprestasi di tingkat Sekolah untuk menentukan Siswa Berprestasi. Tujuan penentuan siswa berprestasi, SMAN 5 Soppeng dapat mempersiapkan diri untuk mengikuti lomba ditingkat kabupaten dan provinsi. Penilaian untuk penentuan siswa berprestasi di SMAN 5 Soppeng masih menimbulkan masalah yaitu lamanya proses penentuan siswa berprestasi, tidak transparansinya cara penilaian yang dilakukan sehingga menimbulkan kecemburuan sosial antar siswa, dan kriteria penilaian belum bersifat universal karna hanya menggunakan nilai siswa dan kehadiran. Tujuan penelitian ini untuk Untuk merancang dan mengimplementasikan Sistem Pendukung keputusan penentuan Siswa Berprestasi menggunakan metode SAW di SMAN 5 Soppeng. Metode pengembangan sistem menggunakan system development life cycle tool yang digunakan untuk memproses data yaitu web dengan bahasa pemrograman PHP dan database MySQL. Metode perhitungan pada sistem menggunakan metode Simple Additive Weighting (SAW). Hasil Sistem Pendukung Keputusan penentuan Siswa berprestasi menggunakan metode SAW di SMAN 5 Soppeng sangat memudahkan pihak sekolah dalam melakukan proses penilaian siswa untuk menentukan siswa berprestasi dan hasil penilaian menjadi akurat dan objektif
Penerapan Data Mining Pengelompokan Data Penjualan Motor di PT. Nusantara Surya Sakti Soppeng Menggunakan Metode K-Means Clustering Mohammad Ali Wardana; Suherman Suherman
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 8 No 1 (2025): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v8i1.282

Abstract

Untuk menentukan tipe motor apa yang banyak diminati dan kurang diminati oleh masyarakat. Dengan mengetahui kelompok motor apa saja yang diminati maka pihak PT. NSS Soppeng dapat menentukan strategi untuk mengelola stok motornya. Oleh karena itu, dibutuhkan teknologi data mining untuk memaksimalkan kinerja perusahaan dalam mempekirakan jumlah barang yang akan laku sesuai dengan tipe motor yang akan datang sehingga perusahaan dapat menyediakan barang sesuai dengan perkiraan yang tepat. Data Mining adalah proses pengumpulan dan pengolahan data yang bertujuan untuk mengekstrak informasi penting pada data. Proses pengumpulan dan ekstraksi informasi tersebut dapat dilakukan menggunakan perangkat lunak dengan bantuan perhitungan statistika, matematika, ataupun teknologi Artificial Intelligence (AI). Dalam proses perhitungan untuk menentukan pola baru, data mining membutuhkan penerapan algoritma didalamnya. Untuk pengelompokan data penjualan motor dipilih metode clustering dengan algoritme K-Means. Algoritme K-Means merupakan algoritme untuk clustering yang paling sederhana dan paling terkenal. Algoritme ini merupakan salah satu algoritme yang bersifat unsupervised clustering. K-Means Clustering bertujuan untuk meminimalisasi fungsi objektif yang sudah di atur. Tujuan tersebut diterapkan dengan cara meminimalkan perbedaan di dalam cluster dan memaksimalkan perbedaan data antar cluster lainnya. Hasil implementasi Data Mining Untuk Pengelompokan Data Penjualan Sepeda Motor Honda Di PT. Nusantara Surya Sakti Soppeng Menggunakan Metode K-means Clustering berjalan dengan baik dan menghasilkan tiga bentuk klasifikasi berdasarkan prediksi yaitu Tinggi (3), Sedang (2) dan kurang (1). Hasil implementasi mendapatkan 3 Tinggi, 12 Sedang dan 15 kurang dari total data siswa sebanyak 30 Data Penjualan
Model Explainable Machine Learning untuk Prediksi Kecukupan Gizi Menu MBG Mohammad Ali Wardana; Ismail Ismail
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 9 No 1 (2026): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v9i1.410

Abstract

Penelitian ini bertujuan membangun model explainable machine learning untuk memprediksi kecukupan gizi menu Program Makan Bergizi Gratis (MBG). Permasalahan penelitian berangkat dari kebutuhan pengelolaan menu MBG yang tidak hanya memenuhi variasi bahan pangan, tetapi juga sesuai dengan kebutuhan energi, protein, zat gizi mikro, batas gula, garam, lemak, dan keterjangkauan biaya per porsi. Penelitian menggunakan pendekatan kuantitatif dengan desain eksperimen komputasional. Dataset simulasi akademik terdiri atas 420 komposisi menu MBG dengan 18 variabel, mencakup kelompok penerima, sumber karbohidrat, protein hewani, protein nabati, sayur, buah, susu, energi, protein, lemak, karbohidrat, serat, kalsium, zat besi, gula, natrium, biaya porsi, dan status kecukupan gizi. Algoritma yang diuji meliputi Logistic Regression, Decision Tree, Random Forest, Support Vector Machine, K-Nearest Neighbor, Naive Bayes, Gradient Boosting, dan XGBoost. Model dievaluasi menggunakan accuracy, precision, recall, F1-score, ROC-AUC, dan confusion matrix, sedangkan interpretasi model dilakukan menggunakan SHAP. Hasil penelitian menunjukkan bahwa XGBoost yang dioptimasi memperoleh kinerja terbaik dengan accuracy 0,9643, precision 0,9643, recall 0,9818, F1-score 0,9730, dan ROC-AUC 0,9850. Analisis SHAP menunjukkan bahwa protein, energi, kalsium, biaya porsi, dan porsi sayur menjadi faktor paling berpengaruh terhadap prediksi kecukupan gizi. Temuan ini menunjukkan bahwa explainable machine learning dapat mendukung evaluasi menu MBG secara objektif, terukur, dan mudah dijelaskan kepada pengelola gizi
Co-Authors Andi Zulkifli Nusri Irma Irma Ismail Ismail Juliandika Juliandika Sri Ainun Putri Suherman Suherman