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)
Paulina Agusia
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 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 Ferdinand Gavriel Joseph Lim Jason Chainara Putra Jonathan Setiawan Marcia Yanprincessa Utama Olivia Clarabella Khotiera Sheila Tania