Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Journal Of Artificial Intelligence And Software Engineering eProceeding of TIK
Davi, Muhammad
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Perbandingan Ansible dengan Terraform untuk Memanajemen Cloud Server Nabila, Azqia; Indrawati, Indrawati; Davi, Muhammad
Journal of TIK Vol 5, No 1 (2025): eProTIK: Mei, 2025
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Cloud Computing menjadi komponen vital dalam operasional IT, namun pengelolaan manual yang memakan waktu dan rentan kesalahan mendorong adopsi Infrastructure as Code (IaC) untuk otomatisasi. Ansible dan Terraform, dua alat populer dalam IaC, menawarkan pendekatan otomatisasi yang berbeda dan saling melengkapi. Penelitian ini bertujuan untuk menganalisis dan membandingkan Ansible dan Terraform dalam manajemen cloud server di Azure, guna mengidentifikasi kelebihan dan kekurangan masing-masing alat. Metode penelitian mencakup evaluasi kualitas layanan (Quality of Service) dan efisiensi penggunaan sumber daya sistem, meliputi penggunaan CPU, memori, dan waktu eksekusi. Hasil penelitian menunjukkan bahwa Ansible membutuhkan waktu eksekusi lebih lama dibandingkan Terraform, dengan Ansible memerlukan 1 menit 34,158 detik, sementara Terraform hanya 1 menit 25,974 detik. Penggunaan CPU pada Terraform lebih efisien, mencapai puncak 41% di awal, sedangkan Ansible tidak melebihi 100%. Dalam hal QoS, Terraform memiliki throughput lebih tinggi, yaitu 15.000 Kbps dibandingkan Ansible yang hanya 76 Kbps. Keduanya memiliki packet loss sebesar 0%. Selain itu, Terraform juga lebih unggul dalam total dan rata-rata delay, serta jitter. Kesimpulannya, Terraform lebih efisien dalam eksekusi dan QoS, sementara Ansible tidak menunjukkan keunggulan khusus lainnya. Kata kunci—Infrastruktur IT, Infrastructure As Code (IaC), Ansible, Terraform, Manajemen Cloud Server .
Temporal Pattern Recognition: A BiLSTM-based Framework for Churn Prediction Zulman, Muhammad Reza; Mahmudah, Rifa’atun; Arhami, Muhammad; Davi, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): June
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.6952

Abstract

Industri telekomunikasi menghadapi tantangan besar dalam mempertahankan basis pelanggannya, di mana churn atau perpindahan pelanggan ke penyedia layanan pesaing menjadi isu krusial yang secara langsung memengaruhi kinerja finansial, efisiensi operasional, serta daya saing perusahaan dalam jangka panjang. Untuk menjawab tantangan ini, diperlukan pendekatan analitik yang mampu memprediksi kemungkinan churn secara akurat. Penelitian ini bertujuan untuk mengevaluasi efektivitas jaringan saraf Bidirectional Long Short-Term Memory (BiLSTM) dalam memprediksi churn pelanggan PT Medianusa Permana melalui analisis data sekuensial temporal. Dataset yang digunakan mencakup data pelanggan dari April 2020 hingga Mei 2023, dengan berbagai variabel prediktif seperti jenis layanan, media transmisi, alokasi bandwidth, status langganan, status kemitraan, ketentuan kontrak, serta riwayat keluhan. Arsitektur BiLSTM yang diterapkan terdiri dari tiga lapisan LSTM bidirectional, dirancang untuk memaksimalkan pengenalan pola temporal sekaligus mengurangi overfitting guna meningkatkan akurasi model. Validasi dilakukan melalui teknik cross-validation dan confusion matrix, yang menunjukkan bahwa model mampu mencapai akurasi rata-rata sebesar 89% serta performa klasifikasi yang tinggi dalam mengidentifikasi pelanggan yang churn maupun tidak churn. Hasil penelitian ini menegaskan bahwa BiLSTM efektif dalam menangkap indikator perilaku halus yang mendahului churn, dan dapat menjadi dasar yang kuat dalam pengembangan strategi retensi pelanggan yang lebih proaktif dan berbasis data.
Implementasi Security Onion Untuk Monitoring Serangan Port Scanning Ryan, Muhammad; Amri, Amri; Davi, Muhammad
eProceeding of TIK Vol 5, No 2 (2025): eProTIK: November, 2025
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keamanan jaringan merupakan aspek penting yang harus dijaga untuk memastikan ketersediaan layanan sekaligus melindungi data dari ancaman siber. Salah satu teknik serangan yang sering digunakan adalah port scanning, yaitu upaya penyerang untuk menemukan port terbuka yang dapat dimanfaatkan. Selain itu, serangan Distributed Denial of Service (DDoS) juga kerap digunakan untuk melemahkan atau melumpuhkan layanan dengan membanjiri jaringan menggunakan lalu lintas berlebih. Penelitian ini bertujuan menilai efektivitas Security Onion, sebuah sistem deteksi intrusi berbasis open source, dalam mendeteksi serangan terhadap MikroTik CHR yang terhubung langsung ke jaringan publik. Pengujian dilakukan dengan meluncurkan serangan dari jaringan luar menggunakan perangkat Kali Linux yang menargetkan alamat IP publik MikroTik. Topologi penelitian terdiri atas MikroTik CHR sebagai gateway, Security Onion sebagai sistem pemantauan melalui port mirroring, serta perangkat penyerang dari internet. Hasil pengujian menunjukkan bahwa Security Onion berhasil mendeteksi aktivitas port scanning dan DDoS secara konsisten, dengan tingkat deteksi mencapai 100% berdasarkan perhitungan Attack Detection Rate (ADR). Temuan ini membuktikan bahwa Security Onion mampu memberikan peringatan dini terhadap serangan dari jaringan luar serta berperan penting dalam meningkatkan keamanan jaringan berbasis MikroTik.
Co-Authors Amri Amri Arhami, Muhammad Edi Winarko Indrawati Indrawati Mahmudah, Rifa’atun Muhammad Reza Zulman Nabila, Azqia Ryan, Muhammad