Claim Missing Document
Check
Articles

Found 6 Documents
Search

Perancangan dan Implementasi Network Functions Virtualization (NFV) Berbasis Cloud Computing dengan OpenStack Muhammad Fadhil; Eddy Prasetyo Nugroho; Yudi Wibisono; Ibrahim Zein Abdillah
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25189

Abstract

Network Functions Virtualization (NFV) adalah sebuah inisiatif yang digagas oleh sejumlah service provider (SP) oleh European Telecommunications Standards Institute (ETSI) yang bertujuan untuk mentransformasikan cara suatu penyedia layanan jaringan dengan mengembangkan teknologi virtualisasi untuk menggabungkan berbagai tipe perangkat jaringan ke perangkat server dalam bentuk Software Defined Networking (SDN). OpenStack menyediakan dasar untuk arsitektur NFV dalam bentuk Infrastructure-as-a-Service (IaaS), yang dapat digunakan untuk melakukan deploy, orchestration, dan mengelola Virtual Network Functions (VNF) dengan OpenStack Tacker. Penelitian ini bertujuan merancang dan mengimplementasikan NFV dengan OpenStack, serta membangun perangkat lunak pengelolaan NFV berbasis web dengan bahasa pemrograman PHP dan Application Programming Interface (API) OpenStack Tacker. Eksperimen yang dilakukan menunjukkan OpenStack dapat diimplementasikan sebagai NFV Infrastructure (NFVI) dan implementasi layanan Virtual Router dan Virtual Firewall dapat dilakukan pada VNF OpenWRT. Hasil eksperimen yang dilakukan didapat nilai rata-rata kinerja VNF dengan throughput tertinggi 938,37 Mbps dan CPU Utilization terendah 30,44%.
Implementasi Algoritma AES 128 dan SHA – 256 Dalam Pengkodean pada Sebagian Frame Video CCTV MPEG-2 Anisha Yahdiani Mulyadi; Eddy Prasetyo Nugroho; Rizky Rahman
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 1 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i1.25145

Abstract

Perkembangan yang sangat pesat dalam pertukaran data pada teknologi internet dan informasi menyebabkan keamanan informasi menjadi masalah utama dalam penyimpanan data. Beberapa data memiliki informasi yang bersifat rahasia dan harus dilindungi, terutama dalam bentuk video yang mungkin mencakup beberapa informasi sensitif yang tidak diperuntukkan bagi konsumsi publik. Masalah muncul ketika informasi tersebut dapat dimanipulasi dan diubah keasliannya, salah satunya yaitu pada suatu file video Closed Circuit Television (CCTV). Oleh karena itu, tingkat keamanan dan privasi dalam suatu file video CCTV memiliki peranan yang vital. Penelitian ini membahas rancangan dan implementasi model pengamanan video CCTV MPEG-2 menggunakan teknik enkripsi. Proses enkripsi pada video CCTV akan menghasilkan video dengan sebagian frame yang acak sehingga dapat mencegah tindakan manipulasi. Metode enkripsi yang digunakan yaitu Advanced Encryption Standard (AES) 128 bits dan Secure Hash Algorithm – 256 (SHA-256), dimana AES digunakan pada proses enkripsi dan dekripsi, sedangkan SHA-256 digunakan untuk meningkatkan kompleksitas pada kunci yang akan digunakan dan diuji oleh Randomess Test. Dengan menggunakan Mean Squared Error (MSE) dan Peak Signal to Noise Ratio (PSNR), model pengamanan video CCTV MPEG-2 yang dihasilkan menunjukkan kinerja yang cukup baik dengan nilai MSE dan PSNR maksimum secara berturut-turut yaitu 107,9 dan 27,8 dB pada hasil enkripsi. Sedangkan pada hasil dekripsi, nilai MSE dan PSNR maksimum secara berturut-turut yaitu 3,01 dan 43,43 dB.
Model of Integrated System for Feeding Catfish and Monitoring Pond Temperature Based on IoT Turnip, Franklin; Jason Rafif Pangestu Suryoatmojo; Nuris; Eddy Prasetyo Nugroho
Journal of Electronics Technology Exploration Vol. 2 No. 2 (2024): December 2024
Publisher : SHM Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52465/joetex.v2i2.385

Abstract

Indonesia is renowned for its rich biodiversity, including a diverse array of ornamental and consumable fish species. These fish are widely cultivated in aquariums, ponds, and cages, with prices varying greatly depending on the species. However, the current method of manual fish feeding remains inefficient and time-consuming. To address this challenge, an automated fish feeding system has been developed to streamline and enhance the feeding process.This research project was conducted using a simulation approach to lay the groundwork for a future prototype. The simulation involves an IoT-based model capable of providing automated feeding for catfish and monitoring the temperature of their pond. The system is designed for future implementation at Botani UPI, where traditional manual feeding methods are still prevalent.The primary objectives of this research are to automate catfish feeding and monitor the temperature of their pond. Feed will be dispensed according to a predetermined schedule stored in a database, allowing for flexible adjustments via the internet.Testing has demonstrated the successful operation of the website, fulfilling its core functions: adjusting pond water temperature as needed, automatically providing catfish feed, and scheduling regular feeding intervals. Users can control these functions remotely, enabling effective pond monitoring and management without physically being present at the site.The success of this testing underscores the immense potential of the integrated system to elevate catfish farming productivity and efficiency. By maintaining optimal pond temperatures, the health and growth of catfish can be better sustained, while scheduled and accurate feeding helps minimize feed wastage and ensures adequate nutrition for the fish. Additionally, the system reduces the manual workload for farmers, allowing them to focus on other aspects of pond management. Overall, the implementation of this technology not only offers economic benefits through increased production yield but also promotes more sustainable and modern fish farming practices.
Integrasi YOLOv11 dan Intersection-Based Method Untuk Estimasi Karakteristik Parkir Berdasarkan Parking Lot Surveillance Video Muhammad Kamal Robbani; Yudi Wibisono; Eddy Prasetyo Nugroho
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.502

Abstract

The rapid growth of vehicles without a corresponding increase in parking space availability has led to various issues such as traffic congestion, fuel waste, and excessive emissions. This study develops a computer vision-based parking analysis system using the YOLOv11 model to automatically detect vehicles in parking areas. The system integrates an intersection-based method and the BoT-SORT object tracking algorithm to classify parking spot availability. The classification results are then used to extract parking characteristic data. Video data were obtained from a publicly accessible livestream on YouTube in Kusatsu, Japan, and used for training and evaluating the model. The model achieved an mAP@50-95 of 0.926 under bright lighting conditions and 0.859 in low-light conditions. Additionally, estimation accuracy was evaluated using MAE and R² metrics, showing promising results, with MAE of 1.27 and R² of 0.989 during daytime, and MAE of 0.91 and R² of 0.91 at night.
Sistem Pendukung Keputusan Penerima Bantuan Zakat Menggunakan Random Forest dan Fuzzy Analytical Hierarchy Process Azka Naufal Nurrahman; Eddy Prasetyo Nugroho; Yudi Ahmad Hambali
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.510

Abstract

Salah satu tantangan utama dalam penyaluran zakat adalah keterbatasan dana yang tersedia dibandingkan dengan jumlah pengajuan bantuan yang terus meningkat. Kondisi ini menyebabkan lembaga seperti BAZNAS harus melakukan seleksi secara ketat dan menentukan prioritas penerima bantuan secara adil. Dalam upaya menjawab permasalahan tersebut, penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) menggunakan kombinasi metode Random Forest dan Fuzzy Analytical Hierarchy Process (F-AHP). Metode Random Forest digunakan untuk melakukan klasifikasi kelayakan calon penerima zakat berdasarkan lima kriteria utama, yaitu pendapatan, jumlah tanggungan, status tempat tinggal, Riwayat penerimaan bantuan, dan nominal ajuan. Sementara itu, Fuzzy Analytical Hierarchy Process (F-AHP).digunakan untuk menentukan tingkat prioritas dari calon yang telah dinyatakan layak. Penelitian ini menggunakan data dari BAZNAS Kota Bandung, yang dikumpulkan melalui observasi, wawancara. Hasil evaluasi menunjukkan bahwa model Random Forest yang dibangun memiliki tingkat akurasi sebesar 88,98%, dengan precision dan recall masing-masing di atas 93%, menunjukkan performa klasifikasi yang tinggi. Selanjutnya Proses pembobotan Fuzzy Analytical Hierarchy Process (F-AHP) menghasilkan bobot dominan pada kriteria pendapatan sebesar 0,408, diikuti oleh status tempat tinggal dan jumlah tanggungan. Sistem ini berhasil membantu proses seleksi dan pemeringkatan calon penerima zakat secara objektif, efisien, dan transparan. Dengan pendekatan ini, diharapkan pengelola zakat dapat mengoptimalkan distribusi zakat sesuai dengan prioritas kepada mereka yang membutuhkan.
Predictive Classification Model dalam Tahapan Framework NIJ untuk Otomatisasi Investigasi Digital Forensik (Studi Kasus: Cyberbullying) Yusdiana, Khana; Rizky Rahman J.P; Eddy Prasetyo Nugroho
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.521

Abstract

This study aims to apply the National Institute of Justice framework in the digital forensic process for conversations retrieved from LINE and Telegram applications, as well as to explore the utilization of a Predictive Classification Model for automated text-based comment classification in cyberbullying cases. Cyberbullying is a growing form of digital crime, particularly on private and encrypted instant messaging platforms that are difficult to monitor. The research employs two machine learning algorithms within the PCM framework Complement Naive Bayes and Random Forest to detect potentially abusive comments. The forensic process follows several stages: Preparation, Evidence Assessment, Evidence Acquisition, Evidence Examination, and Documenting and Reporting, with a secure and forensically sound data extraction approach from both applications. Due to data limitations from LINE and Telegram, the classification analysis is conducted using an Instagram comment dataset that reflects the cyberbullying context. Evaluation results show that the Complement Naive Bayes model outperforms Random Forest, achieving an accuracy of 86% with balanced F1-scores, while Random Forest achieves 75% accuracy. These findings support the use of PCM as an effective aid for automatically identifying high-risk content on social media. The integration of digital forensics and artificial intelligence has significant potential to enhance the effectiveness of cyberbullying investigations. Keywords: Cyberbullying, Predictive Classification Model, Complement Naive Bayes, Random Forest, LINE, Telegram, Digital Forensics, National Institute of Justice