Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JNANALOKA The Indonesian Journal of Computer Science Research
Prasetyo Purnomo
Universitas Amikom Yogyakarta
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Transportation Other

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

Found 2 Documents
Search

 1 
Prediksi Suhu dan Frekuensi Prosesor Berdasarkan Variasi Tegangan Menggunakan Algoritma k-Nearest Neighbor (k-NN) Eko Pramono; Nur Widjiyati; Prasetyo Purnomo
JNANALOKA Vol 7 No 01 (2026): Vol. 07 No. 01 Maret Tahun 2026
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2026.v7-no01-%p

Abstract

Pengaturan tegangan pada prosesor memiliki peran penting dalam meningkatkan kinerja sistem, namun juga berimplikasi langsung terhadap kenaikan suhu yang berpotensi menyebabkan kerusakan perangkat. Oleh karena itu, diperlukan metode prediksi yang mampu memperkirakan perubahan suhu dan frekuensi prosesor sebelum dilakukan peningkatan tegangan. Penelitian ini bertujuan untuk memprediksi suhu dan frekuensi prosesor berdasarkan variasi tegangan menggunakan algoritma k-Nearest Neighbor (k-NN), serta menentukan nilai parameter K yang optimal untuk menghasilkan prediksi yang akurat dan stabil. Data yang digunakan merupakan hasil pengukuran tegangan, suhu, dan frekuensi pada prosesor AMD Ryzen 5 2400G. Proses prediksi dilakukan dengan beberapa variasi nilai K (K=1, K=2, K=3, dan K=4), kemudian dievaluasi menggunakan metrik koefisien determinasi (R²), Mean Absolute Error (MAE), dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa nilai K sangat mempengaruhi performa model. Nilai K=1 menghasilkan akurasi sempurna pada data pelatihan, namun berpotensi mengalami overfitting sehingga kurang baik dalam generalisasi. Sementara itu, nilai K=2 memberikan keseimbangan terbaik antara akurasi dan kompleksitas model, dengan nilai R² mencapai lebih dari 0,9 serta nilai error yang rendah. Selain itu, hasil analisis menunjukkan bahwa suhu prosesor memiliki hubungan non-linear terhadap tegangan, dengan peningkatan yang lebih signifikan pada tegangan tinggi, sedangkan frekuensi menunjukkan hubungan yang cenderung linier terhadap tegangan. Prediksi pada tegangan yang lebih tinggi juga menunjukkan bahwa nilai suhu dan frekuensi masih berada dalam batas aman spesifikasi prosesor. Dengan demikian, algoritma k-NN dengan K=2 terbukti efektif dalam memprediksi perilaku prosesor dan dapat digunakan sebagai alat bantu dalam proses overclocking untuk mengoptimalkan kinerja sekaligus meminimalkan risiko overheating.
Implementation of NFtables and Fail2ban on Linux Server for Adaptive Defense Firewall Development Prasetyo purnomo; Juarisman; Irma Suwarning Widyastuty; Eko Tri Anggono
The Indonesian Journal of Computer Science Research Vol. 5 No. 2 (2026): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v5i2.288

Abstract

Linux server security management today faces the challenges of command-line configuration complexity and slow response to automated attacks. This research aims to develop a prototype of an Adaptive Defense Firewall web application that integrates firewalld, nftables, and fail2ban centrally. The importance of this research lies in the provision of visual management that makes it easier for administrators to mitigate network intrusions in real-time. The novelty offered is the Adaptive Defense Levelsfeature (Safe, Moderate, Aggressive, Under Attack profile), which is able to dynamically adjust fail2ban mitigation parameters and kernel-level blocking by nftables. The methodology uses a prototype approach that includes needs analysis, architectural design, React.js and Python implementation, and penetration testing. The test dataset was generated from a controlled attack simulation using the Hydra program for brute-force on SSH and ftp services, as well as Nmap for port scanning. The results of the study showed that the system effectively detected and blocked all the IP addresses of the attacker. The blocking response time was recorded at1,030 seconds for SSH, 0.301 seconds for FTP, and 0.492 seconds for port scanning, with an average increase in CPU resources of 2.8%–6.1% and RAM resources of 49.5%.
Co-Authors Eko Pramono Eko Tri Anggono Irma Suwarning Widyastuty Juarisman Nur Widjiyati