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)
Olivia Clarabella Khotiera
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 Jason Sutanto; Tanjaya Jason Winata; Olivia Clarabella Khotiera; Wahyu Pamungkas
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/rdp93s54

Abstract

Dogecoin merupakan salah satu aset cryptocurrency yang awalnya dibuat sebagai parodi namun berkembang menjadi aset digital dengan kapitalisasi pasar yang besar. Transaksi dan investasi menggunakan Dogecoin memiliki tingkat volatilitas yang tinggi sehingga harga sering berubah secara signifikan dalam waktu singkat. Oleh karena itu, diperlukan prediksi harga yang akurat untuk membantu pengambilan keputusan investasi. Penelitian ini bertujuan untuk membandingkan tiga algoritma machine learning linear, yaitu Support Vector Regression (SVR) dengan Kernel Linear, Regresi Linear, dan AdaBoost dalam memprediksi harga Dogecoin untuk satu hari ke depan. Dataset yang digunakan merupakan data historis harga harian Dogecoin dari tahun 2019 hingga 2025 yang diperoleh dari Investing.com, meliputi harga Open, High, Low, dan Close. Proses prapemrosesan data dilakukan menggunakan Z-Score Normalization, sedangkan pembagian data dilakukan dalam dua skenario, yaitu 80% pelatihan 20% pengujian dan 60% pelatihan 40% pengujian. Hasil penelitian menunjukkan bahwa model SVR Kernel Linear memiliki performa terbaik dengan MAE 0.00471 USD, RMSE 0.01355 USD, dan R² 0.98032, mengungguli Regresi Linear dan jauh lebih baik dibandingkan AdaBoost. Berdasarkan hasil evaluasi, SVR Kernel Linear terbukti sebagai model paling akurat dan stabil dalam memprediksi harga Dogecoin karena mampu menangkap pola hubungan linear antar variabel secara efektif.
Co-Authors Ferdinand Jason Sutanto Jonathan Setiawan Paulina Agusia Sheila Tania Tanjaya Jason Winata Wahyu Pamungkas