Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)
Dave Keane Wijaya
Unknown Affiliation
Computer Science & IT Mathematics Other

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

Found 2 Documents
Search

 1 
SIMULASI JARINGAN UNTUK SISTEM TERDISTRIBUSI LMS MOODLE DENGAN GNS3 Vie Huang; Hezekiah Ivandi; Darren Natanael S; Dave Keane Wijaya; Kane Pradipa Komala
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 12 No. 2 (2024): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v12i2.31565

Abstract

Dalam lanskap teknologi pendidikan yang berubah dengan cepat, integrasi langkah-langkah keamanan seperti Virtual Private Networks (VPN) dan Firewall ke dalam Leaning Management Systems (LMS) menjadi keharusan. Penelitian ini bertujuan untuk menyelidiki dan mengimplementasikan LMS yang mencakup fungsi VPN dan Firewall, dengan fokus pada peningkatan keamanan data, kontrol akses, dan integritas sistem secara keseluruhan. Metodologi penelitian memerlukan pemeriksaan menyeluruh terhadap arsitektur LMS, teknologi VPN, dan solusi Firewall yang ada. Mengambil wawasan dari literatur, prototipe LMS akan dikembangkan, menggabungkan fitur VPN dan Firewall. Efektivitas langkah-langkah keamanan terintegrasi ini akan dinilai melalui pengujian kinerja, umpan balik pengguna, dan evaluasi keamanan. Dalam penelitian ini digunakan perangkat lunak bernama GNS3 (Graphical Network Simulator 3) untuk simulasi tata letak jaringan, Cisco ASAv untuk Firewall, Moodle sebagai LMS dan Virtualbox untuk membuat mesin virtual yang dapat digunakan untuk Web Server. dan Klien Web. Jadi seperti yang ditunjukkan dalam penelitian ini, Web Client berhasil mengakses Web Server dengan aman menggunakan VPN dan Firewall untuk membuka Website LMS Moodle.
Indonesia Sheila Tania; Eriko Levino Sasmitra; Dave Keane Wijaya; Nelson
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/faqk5k60

Abstract

Studi ini bertujuan untuk mengklasifikasikan kualitas air sungai menggunakan tiga algoritma machine learning: Random Forest, Support Vector Classifier (SVC), dan Logistic Regression. Tujuan dari penelitian ini adalah untuk membandingkan kinerja ketiga algoritma tersebut berdasarkan accuracy, precision, recall, dan F1-score guna menentukan model yang paling sesuai untuk pemantauan kualitas air. Dataset yang digunakan diperoleh dari portal Satu Data Jakarta, yang berisi pengukuran kualitas air dari 23 sungai berdasarkan parameter fisik dan kimia seperti pH, dissolved oxygen (DO), biochemical oxygen demand (BOD), total dissolved solids (TDS), suhu, dan kekeruhan. Data tersebut melalui proses preprocessing melalui pembersihan, categorical encoding, dan feature scaling sebelum digunakan untuk pelatihan dan pengujian model. Hasil penelitian menunjukkan bahwa algoritma Random Forest mencapai accuracy tertinggi (93,33%) dan F1-score sebesar 0,87, diikuti oleh SVC dan Logistic Regression. Logistic Regression menghasilkan precision tertinggi, sementara Random Forest memberikan keseimbangan terbaik antara precision dan recall. Temuan ini menunjukkan bahwa Random Forest merupakan algoritma yang paling efektif dan adaptif untuk klasifikasi kualitas air sungai, menawarkan kinerja yang andal untuk mendukung pemantauan lingkungan dan pengelolaan air yang berkelanjutan.
Co-Authors Darren Natanael S Eriko Levino Sasmitra Hezekiah Ivandi Kane Pradipa Komala Nelson Sheila Tania Vie Huang