Garuda - Garba Rujukan Digital

SISTEM MONITORING TOPOLOGI JARINGAN LOAD BALANCING BERBASIS OPEN SOURCE ZABBIX Nur Iman; Cian Ramadhona Hassolthine; Riad Sahara
Jurnal Informatika dan Rekayasa Elektronik Vol. 7 No. 1 (2024): JIRE APRIL 2024
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v7i1.1137

Pada penelitian ini, Zabbix merupakan Network Monitoring System (NMS) yang akan memantau grafik jaringan Load balancing untuk meningkatkan kinerja infrastruktur TI, pemantauan terus-menerus diperlukan untuk mencegah overload an memastikan kondisi sistem server bekerja dengan baik. Penelitian ini bertujuan untuk membantu menyelesaikan masalah dalam Topologi Jaringan Load balancing, metode yang diterapkan Network Development Life Cycle NDLC), metode ini mencakup tahap analisis, desain, simulasi, implementasi, monitoring, dan manajemen. Zabbix, sebagai aplikasi pemantauan, memungkinkan pengguna memantau ribuan perangkat dalam infrastruktur IT tanpa membeli lisensi tambahan. Hasil simulasi dan implementasi menunjukkan bahwa Zabbix dapat memberikan grafik kondisi server yang dipantau. Zabbix menjadi pilihan populer untuk pemantauan jaringan karena fleksibilitas, sumber terbuka, dan dukungan komunitas yang besar. Penelitian ini apat membantu pengelola infrastruktur TI dalam meningkatkan kinerja dan efisiensi jaringan. Laporan dan grafik Zabbix menunjukkan pola kinerja, memungkinkan organisasi untuk mengambil tindakan proaktif dalam manajemen jaringan mereka.

IMPLEMENTASI DIJKSTRA PADA APLIKASI PEMESANAN TIKET WISATA UNTUK REKOMENDASI LOKASI WISATA TERDEKAT Alif Widiyanto; Riad Sahara; Cian Ramadhona Hassolthine
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 7 No. 1 (2024): MISI Januari 2024
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v7i1.1076

Indonesia merupakan negara berkembang dengan potensi pariwisata yang besar, khususnya wisata alam dan budaya. Seiring dengan perkembangan sistem informasi, industri pariwisata memanfaatkannya untuk meningkatkan interaksi antara pengelola wisata dengan para wisatawan. Meskipun penerapan sistem informasi telah dilakukan, masih terdapat daerah di Indonesia yang kurang informasi objek wisata. Terutama informasi jarak lokasi wisata. Penelitian ini bertujuan untuk mengembangkan aplikasi pemesanan tiket wisata yang dinamis dan dapat dikelola oleh masing-masing pengelola objek wisata di berbagai daerah. Aplikasi ini menggunakan algoritma Dijkstra untuk merekomendasikan objek wisata terdekat dari titik lokasi wisatawan. Hasil penelitian ini ialah menampilkan beberapa objek wisata yang disajikan pada tampilan peta dengan menampilkan hasil rekomendasi urutan lokasi wisata dengan rute yang paling optimal dari paling awal sampai akhir untuk dikunjungi. Wisatawan dapat langsung membeli tiket secara digital yang nanti dapat ditukar ke tempat wisata yang dituju. Tiket ini berisi Qr Code yang dapat digunakan satu kali.

Jaringan Internet Dengan Metode Akses Mf-Tdma Melalui Satelit ABS2a Ardianto, Dimas; Sahara, Riad; Rudolf Mekeng, Ambros Magnus
Journal of Information System, Applied, Management, Accounting and Research Vol 8 No 1 (2024): JISAMAR (December-February 2024)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisamar.v8i1.1376

Pada era ini teknologi internet mengalami perkembangan sangat pesat, ada beberapa metode untuk melakukan koneksi internet, salah satunya yaitu Satelit VSAT. Satelit adalah benda luar langit kecil yang beredar mengelilingi benda langit yang lebih besar. Satelit ABS2a adalah salah satu satelit yang orbit di posisi 75°BT, pabrikan dari Boeing dan diluncurkan oleh Space X falcon 9 pada tanggal 15 juni 2016. Salah satu layanan yang diberikan dari satelit ini adalah VSAT. Jaringan internet melalui satelit memiliki kemampuan untuk menjangkau wilayah yang sangat luas tanpa memperhatikan bentuk geografis suatu daerah. Sehingga internet satelit sangat efisien apabila di aplikasikan untuk kebutuhan internet di daerah-daerah terpencil yang tidak terjangkau jaringan fiber optik. Metode akses yang digunakan adalah TDMA dan topologi jaringan yang digunakan adalah topologi bintang/star. Penelitian ini bertujuan untuk merancang dan mengimplementasikan jaringan internet melalui satelit dengan tujuan untuk memberikan layanan internet pada daerah-daerah terpencil yang mengalami kesulitan akses internet. Metode yang digunakan pada penelitian ini adalah metode NDLC (Network Developmnet Life Cycle): Analisa, Desain, Implementasi, Monitoring, Manajemen. HUB dan terminal yang digunakan adalah Newtect brand. Hasil penelitian menunjukan performa yang baik dan sesuai ekspektasi.

EMPLOYEE CREDIT CLASSIFICATION ANALYSIS USING DECISION TREE BASED CRISP-DM MODEL (CASE STUDY OF SAMSUNG INDONESIA COMPANY) Riad Sahara; Syahid Abdullah; Cian Ramadhona Hassolthine; Muhammad Ikhwani Saputra
Jurnal Informatika dan Rekayasa Elektronik Vol. 7 No. 2 (2024): JIRE NOPEMBER 2024
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v7i2.1278

Employee credit program is a form of employee retention as an effort to retain potential employees from the company. In its implementation, providing employee credit is not without risks that may occur. These risks include the inability or failure to pay credit installments when due. To minimize the risks that may occur, a survey and analysis with the right method is needed for cooperative members before providing employee credit. Researchers will use a Decision Tree-based algorithm as a tool for decision making in providing employee credit to Cooperatives at Samsung Indonesia Company. Researchers also use the CRoss-Industry Standard Process for Data Mining (CRISP-DM) model on the data mining development life cycle as a research step taken. This CRISP-DM model is very appropriate to use because it is a neutral model or method and can be used in various industries and combined with various tools. From the measurements that have been carried out using a sample data of 10 records from a total of 584 records, a classification model of 2 employees with non-performing employee credit status and 8 employees with performing employee credit status was obtained. The classification model was obtained based on the Gini Index Value of the Employee ID, Division, and Position attributes are 0.7, 0.3428571, and 0.2714286, respectively. So, the decision to grant credit to employees depends on the Position, after that the Division, and the last is the ID of the employee.

Clustering Pasar Tradisional di Wilayah Kabupaten Tangerang Berdasarkan Harga Bahan Pokok dengan Metode K-Means Syahid Abdullah; Bangkit Dwi Nuryanto; Riad Sahara; M. Ikhwani Saputra; Cian Romadhona Hassolthine
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 5 No 3 (2023): Desember
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v5i3.257

Clustering adalah metode yang digunakan untuk mengelompokkan data yang mempunyai kemiripan karakteristik antara data satu dengan data lainnya. Salah satu metode clustering yang populer digunakan adalah K-means. Dalam penelitian ini, K-means akan digunakan untuk clustering pasar tradisional di Wilayah Kabupaten Tangerang, Banten berdasarkan harga bahan pokok. Dengan melakukan analisis clustering menggunakan metode K-means, dapat diidentifikasi pola harga bahan pokok yang mungkin tidak terlihat secara langsung. Dari percobaan yang sudah dilakukan, terlihat bahwa harga bahan pokok di 19 pasar tradisional di Kabupaten Tangerang memang cenderung tidak variatif. Jumlah cluster yang dihasilkan adalah 2 cluster, di mana harga bahan pokok pada pasar tradisional yang ada pada cluster pertama cenderung lebih tinggi dibandingkan pada cluster kedua. Ada 3 pasar yang ada pada cluster pertama, yaitu Pasar Balaraja Sentiong, Karawaci, dan Kelapa Dua. Hal tersebut diduga terjadi karena letak pasar yang strategis dan jumlah penduduk yang padat sehingga membutuhkan pasokan yang lebih banyak dan daya beli masyarakat.

Identification of Stock Breakouts Using Support Vector Machine with Integrated Fundamental Data and Random Forest Prediction Utama, Gusti Bagus Cahya; Chusyairi, Ahmad; Sahara, Riad
Faktor Exacta Vol 18, No 1 (2025)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v18i1.27805

Opinion Analytics dengan Algoritma Rocchio Tehadap Evaluasi Project-Based Learning pada Mata Kuliah Teknik Multimedia Ramadhona Hassolthine, Cian; Sahara, Riad; Rahmat, Ajang
Jurnal Ilmu Siber (JIS) Vol 1 No 1 (2022): JIS
Publisher : LPPM, Universitas Siber Asia

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

Opinion analytics merupakan merupakan salah satu bidang dari Natural Languange Processing (NLP) mengekstraksi opini dalam bentuk teks. Informasi sentimen dalam suatu kalimat opini dapat dianalisis untuk melihat kecenderungan opini bersifat negatif atau positif. Pada penelitian ini, dataset diambil dari opini mahasiswa melalui sosial media twitter. Total dataset yang terkumpul sebanyak 769 opini. Algoritme yang digunakan adalah Algoritme Hasil dari klasifikasi terdapat tiga kelas opini, yaitu kelas positif Rocchio sebagai klasifikasi (kelas positif = 295, kelas negatif = 298 dan kelas netral = 176) . Output pada penelitian ini ditentukan dari rubrik penilaian untuk setiap kata yang telah diklasifikasikan. Hasil penelitian ini menunjukkan bahwa model mampu memberikan rekomendasi untuk meningkatkan pelaksanaan penilaian tugas proyek mata kuliah teknik multimedia.

Opinion Analytics dengan Algoritma Rocchio Tehadap Evaluasi Project-Based Learning pada Mata Kuliah Teknik Multimedia Ramadhona Hassolthine, Cian; Sahara, Riad; Rahmat, Ajang
Jurnal Ilmu Siber (JIS) Vol 1 No 1 (2022): JIS
Publisher : LPPM, Universitas Siber Asia

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

Opinion analytics merupakan merupakan salah satu bidang dari Natural Languange Processing (NLP) mengekstraksi opini dalam bentuk teks. Informasi sentimen dalam suatu kalimat opini dapat dianalisis untuk melihat kecenderungan opini bersifat negatif atau positif. Pada penelitian ini, dataset diambil dari opini mahasiswa melalui sosial media twitter. Total dataset yang terkumpul sebanyak 769 opini. Algoritme yang digunakan adalah Algoritme Hasil dari klasifikasi terdapat tiga kelas opini, yaitu kelas positif Rocchio sebagai klasifikasi (kelas positif = 295, kelas negatif = 298 dan kelas netral = 176) . Output pada penelitian ini ditentukan dari rubrik penilaian untuk setiap kata yang telah diklasifikasikan. Hasil penelitian ini menunjukkan bahwa model mampu memberikan rekomendasi untuk meningkatkan pelaksanaan penilaian tugas proyek mata kuliah teknik multimedia.

PENERAPAN ALGORITMA K-NEAREST NEIGHBOUR (K-NN) SEBAGAI KLASIFIKASI TWEETS PADA TWITTER Hassolthine, Cian Ramadhona; Sahara, Riad; Haq, Fesa Asy Syifa Nurul; Abdullah, Syahid
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 7 No 2 (2023)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v7i2.3975

Seiring berkembangnya teknologi yang begitu pesat dalam melakukan pengumpulan data mengakibatkan sebuah tumpukan data yg sangat banyak. Melalui banyaknya data tersebut,sehingga menjadi suatu kebutuhan untuk memanfaatkan data tersebut. Pemanfaatan data tentunya bertujuan agar menerima berita yg krusial dari pola-pola data yang terbentuk. Data yang bisa digunakan dapat diperoleh dari media sosial, salah satunya twitter. Twitter merupakan media sosial yang tercatat kurang lebih 50 juta orang pengguna di Indonesia. Dengan banyaknya pengguna di Indonesia, maka dapat dimanfaatkan dalam penggunaan data yang banyak. Untuk mendapatkan data tersebut yaitu dengan salah satu algoritma K-Nearest Neighbor. Algoritma KNN merupakan klasifikasi terhadap sekumpulan data berdasarkan pembelajaran data yang sudah terklasifikasikan sebelumya. Hasil klasifikasi dari Algoritma KK yaitu data yang sudah diolah masuk ke dalam kelas B karena dari tiga tetangga terdekat, ada dua yang masuk kelas B, sementara hanya satu yang masuk kelas A. Akurasi yang dihasilkan oleh Algoritma KNN juga cukup baik yaitu di atas 80%. Model ini memberikan sensitivity yang lebih baik dalam proses klasifikasi data.

Title

Found 19 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 19 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 19 Documents
Search