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)
Gavriel Joseph Lim
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 CouchDB Dengan GNS3 Ivander; Justin Salim; Willsen Yogi Prasetia; Gavriel Joseph Lim; Sean Henry Wijaya
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.v12i2.31566

Abstract

Di era digital, institusi kesehatan kecil sering kesulitan membangun dan mengelola infrastruktur IT secara efisien, terutama dalam hal investasi sumber daya keuangan dan manusia. Penelitian ini mengusulkan solusi dengan menggunakan simulasi jaringan melalui Graphical Network-Simulator 3 (GNS3). Tujuannya adalah memberdayakan institusi kesehatan kecil dengan sistem keamanan komprehensif, termasuk server database dan hosting situs web. Dengan memanfaatkan Variable Length Subnet Masking (VLSM) untuk alokasi IP yang tepat, Network Address Translation (NAT) untuk keamanan akses internet, Virtual Private Connection (VPN) dengan enkripsi AES-256 dan SHA untuk komunikasi privat, serta Firewall untuk perlindungan jaringan, simulasi ini meningkatkan efisiensi operasional, mengamankan data pasien, dan menyediakan layanan kesehatan digital. Aspek aplikasi terdistribusi menggunakan Apache HTTP Server dan Apache CouchDB untuk hosting situs web dan manajemen data yang optimal.
Indonesia Gavriel Joseph Lim; Jason Chainara Putra; Paulina Agusia; Marcia Yanprincessa Utama
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: 10.24912/03ch2p08

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naive Bayes, Random Forest, dan XGBoost dalam mengklasifikasikan kualitas air budidaya perikanan. Kualitas air merupakan faktor penting dalam menjaga kesehatan organisme akuatik serta mengoptimalkan produktivitas akuakultur. Penelitian ini menggunakan dataset yang mencakup beberapa parameter, seperti pH, suhu, oksigen terlarut, salinitas, dan kekeruhan, yang digunakan sebagai fitur masukan untuk memprediksi kelas kualitas air secara keseluruhan. Data dibagi menjadi dua bagian, yaitu data pelatihan dan data pengujian. Hasil eksperimen menunjukkan bahwa algoritma Random Forest mencapai akurasi klasifikasi tertinggi sekaligus waktu pemrosesan tercepat dibandingkan dengan XGBoost dan Naive Bayes. Algoritma XGBoost menghasilkan performa yang kompetitif dengan sensitivitas yang sedikit lebih tinggi terhadap variasi data, sedangkan Naive Bayes menunjukkan efisiensi komputasi yang tinggi namun dengan akurasi yang lebih rendah. Secara keseluruhan, Random Forest memberikan kinerja yang paling konsisten dan akurat dalam mengklasifikasikan kualitas air budidaya, sehingga dinilai paling cocok untuk diterapkan pada sistem pemantauan kualitas air secara real-time.
Co-Authors Ivander Jason Chainara Putra Justin Salim Marcia Yanprincessa Utama Paulina Agusia Sean Henry Wijaya Willsen Yogi Prasetia