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)
Sheila Tania
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 OWNCLOUD DENGAN GNS3 Sheila Tania; Olivia Clarabella Khotiera; Ferdinand; Paulina Agusia; Jonathan Setiawan
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.v12i2.31569

Abstract

Belajar dari pengalaman sebelumnya selama pandemi COVID-19, banyak perusahaan menghadapi tantangan dalam operasional mereka. Banyak karyawan yang dirumahkan, dan tenaga kerja yang tersisa beralih ke pekerjaan jarak jauh. Namun, kendala yang cukup besar muncul karena tidak semua karyawan memiliki komputer pribadi atau laptop di rumah. Menanggapi hal ini, perusahaan memberikan solusi dengan menawarkan setiap karyawan sebuah laptop yang dikeluarkan oleh perusahaan. Laptop ini dikonfigurasikan untuk hanya mengakses server yang dibuat oleh perusahaan, memastikan akses yang aman dan terkendali. Selain itu, menyadari kebutuhan akan penyimpanan data yang efisien, perusahaan menerapkan sistem cloud sendiri. Sistem cloud ini berfungsi sebagai solusi penyimpanan terpusat yang dapat diakses oleh perusahaan dan karyawannya. Jadi, kami menggunakan GNS3 untuk membuat server dan dengan menggunakan VPN untuk karyawan yang bekerja dari rumah. Dalam hal ini, OwnCloud berhasil diakses dari dalam dan luar. Di mana PC1 dan Ubuntu Desktop dapat mengakses OwnCloud dengan menggunakan IP server yang sudah diatur.
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 Dave Keane Wijaya Eriko Levino Sasmitra Ferdinand Jonathan Setiawan Nelson Olivia Clarabella Khotiera Paulina Agusia