Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Progresif: Jurnal Ilmiah Komputer Jurnal Topik Global
Muhammad Haromaen
Institut Teknologi dan Bisnis Bina Sarana Global
Computer Science & IT Control & Systems Engineering Engineering Languange, Linguistic, Communication & Media Mathematics

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

Found 2 Documents
Search

 1 
Implementasi Private Cloud Computing Menggunakan Sistem Proxmox Studi Kasus Di PT. Pasarro Indonesia Makmur Ardiansyah Jamil; Muhammad Haromaen; Moh Sofjan; Detin Sofia
JURNAL TOPIK GLOBAL Vol 2, No 2 (2023): JURNAL TOPIK GLOBAL
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/jtopikglobal.v2i2.10764

Abstract

Saat ini teknologi informasi di segala bidang industri bisnis semakin berkembang, termasuk infrastruktur teknologi informasi yang menunjang dalam meningkatkan layanan e-commerce untuk segmen korporasi atau business to business. Namun dalam penerapannya, investasi infrastruktur teknologi informasi membutuhkan biaya yang tinggi, oleh karena itu dibutuhkan suatu cara agar biaya investasi infrastruktur teknologi informasi tidak terlalu memakan biaya yg begitu besar. Cloud computing semakin berkembang dan menjadi suatu tren yang banyak digunakan saat ini. Pada e-commerce, teknologi ini menjadi sesuatu yang dibutuhkan untuk mengatasi masalah ketersediaan sumber daya serta dapat meningkatkan efisiensi dan efektifitas proses bisnis, hingga dapat memperkuat posisi kompetitif dalam pasar yang cepat berubah. Tentu saja Teknologi Cloud computing dapat dijadikan sebagai solusi dalam menurunkan biaya investasi infrastruktur teknologi informasi, dengan mengusung konsep Infrastructure as a Service (IaaS). Metode penelitian yang digunakan adalah Linear Sequential Model. karena Cloud Computing yang dibangun merupakan sistem yang memiliki kompleksitas yang tinggi dan membutuhkan waktu yang lama. Hasil penelitian ini adalah sistem layanan private cloud computing berbasis IaaS di data center PT. Pasarro Indonesia Makmur, dapat diterapkan menggunakan metode hypervisor native bare metal dan aplikasi proxmox. Proxmox dapat menyederhanakan pemanfaatan sumber daya perangkat keras dengan cara virtualisasi. Hasil pengujian menyatakan bahwa data center berbasis IaaS secara sumber daya dapat menghemat, mengoptimalkan, dan pengelolaan sumberdaya dari kebutuhan layanan sistem infomasi yang harus di sediakan PT. Pasarro Indonesia Makmur. Berdasarkan uji usability menunjukkan aplikasi proxmox telah sesuai dengan kebutuhan manajemen yang ada pada administrator PT. Pasarro Indonesia Makmur, yang memenuhi aspek Learnability, Efficiency, Memorability, Errors, dan Satisfaction.
Perbandingan Algoritma K-Nearest Neighbor dan Naive Bayes untuk Klasifikasi FoMO Pengguna Media Sosial Muhammad Haromaen; Marthin Piskana; M. Bucci Ryando; Wira Hadinata
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2 (2025): Agustus
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2784

Abstract

The intensive use of social media among students poses a risk of triggering Fear of Missing Out (FoMO), which negatively affects mental health and learning focus. This study aims to develop a classification model to detect FoMO tendencies among students at SMAN 11 Kabupaten Tangerang. A quantitative approach was used, employing the K-Nearest Neighbor (KNN) and Naïve Bayes algorithms. The analyzed variables include gender, duration of social media use, access frequency, desire to stay updated, and its impact on productivity. Data were collected from 244 respondents and processed through pre-processing, modeling, and evaluation stages. Validation results show that KNN achieved the highest accuracy at 94.69%, while Naïve Bayes reached 93.06%. These findings indicate that KNN is more effective in detecting FoMO tendencies based on numerical data and has the potential to support early intervention efforts in educational settings.Keywords: Fear of Missing Out; K-Nearest Neighbor; Social Media; Classification; Naive Bayes AbstrakPenggunaan media sosial secara intensif di kalangan pelajar berisiko memunculkan gejala Fear ofaMissing Out (FoMO), yang berdampak negatif pada kesehatan mental dan fokus belajar. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kecenderungan FoMO pada pelajar SMAN 11 Kabupaten Tangerang. Metode yang digunakan adalah pendekatan kuantitatif dengan algoritma K-NearestiNeighbor (KNN) dan NaïveiBayes. Variabel yang dianalisis meliputi jenis kelamin, durasi penggunaan media sosial, frekuensi akses, keinginan untuk tetap update, dan pengaruh terhadap produktivitas. Data dikumpulkan dari 244 responden dan diproses melalui pre-processing, modeling, dan evaluasi. Hasil validasi menunjukkan bahwa KNN menghasilkan akurasi tertinggi sebesar 94,69%, sementara Naïve Bayes mencapai 93,06%. Temuan ini menunjukkan bahwa KNN lebih efektif untuk mendeteksi kecenderungan FoMO berbasis data numerik dan berpotensi mendukung pengembangan intervensi dini dalam konteks pendidikan.Kata kunci: Fear of Missing Out; K-Nearest Neighbor; Media Sosial; Klasifikasi; Naive Bayes
Co-Authors Ardiansyah Jamil Detin Sofia M. Bucci Ryando Marthin Piskana Moh Sofjan Wira Hadinata