Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Proceeding International Conference on Information Technology and Business Jurnal Teknologi dan Informatika (JEDA)
M Budi Hartanto
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
The Development Of E-learning System Application Based On Cloud M Budi Hartanto
Prosiding International conference on Information Technology and Business (ICITB) 2017: INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY AND BUSINESS (ICITB) 3
Publisher : Proceeding International Conference on Information Technology and Business

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

Abstract

NOSQL databases are in the base of storage of Big Data. They can store large volumes of structured, semi-structured, and unstructured data. Using NOSQL database to store ontology can take advantage of Big Data storage. This give benefits in storing Indonesian folk songs storage that usually vary and have sparse / incomplete data. This paper illustrates an approach to store data of Indonesia folk songs in NOSQL based database. We choose to deal with MongoDB. We present our steps of approach in storing, collecting, analyzing and retrieving ontology on NOSQL based database. Keywords : Ccloud Computing, E-learning Systems, Implementation, and Strategies.
Implementasi Data Mining Berbasis AI Menggunakan Docker untuk Big Data Skalabel M Budi Hartanto
Jurnal Teknologi dan Informatika (JEDA) Vol 6, No 2 (2025): OKTOBER 2025
Publisher : Universitas Mitra Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57084/jeda.v6i2.2228

Abstract

Pertumbuhan big data yang sangat pesat menimbulkan tantangan signifikan dalam hal pemrosesan, skalabilitas, serta deployment sistem data mining. Infrastruktur konvensional sering mengalami keterbatasan dalam menangani volume data besar secara efisien, sehingga menimbulkan bottleneck kinerja dan permasalahan konsistensi lingkungan pengembangan. Penelitian ini bertujuan untuk mengimplementasikan kerangka kerja data mining berbasis Artificial Intelligence (AI) dengan memanfaatkan teknologi container Docker guna mendukung analisis big data yang skalabel dan portabel. Penelitian ini dilatarbelakangi oleh kebutuhan akan lingkungan komputasi yang fleksibel, efisien, dan mampu menjamin konsistensi antara tahap pengembangan dan produksi.Metode penelitian meliputi perancangan arsitektur sistem berbasis Docker yang mengintegrasikan algoritma machine learning dalam lingkungan terisolasi dan ringan. Tahapan penelitian mencakup proses prapemrosesan data, pelatihan model, evaluasi kinerja, serta deployment sistem. Evaluasi dilakukan dengan mengukur waktu pemrosesan, penggunaan sumber daya, serta kemampuan sistem dalam menangani peningkatan volume data. Hasil penelitian menunjukkan bahwa implementasi berbasis Docker mampu meningkatkan efisiensi deployment, memperbaiki skalabilitas sistem, serta mengurangi permasalahan ketergantungan lingkungan dibandingkan pendekatan konvensional.Temuan ini menunjukkan bahwa integrasi AI dan teknologi container memberikan solusi yang andal dan adaptif untuk pengelolaan big data, serta berkontribusi dalam pengembangan sistem analitik yang berkelanjutan dan berbasis data.
Co-Authors