Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmiah Sistem Informasi
Drilanang, Mhd Ilyasyah
Unknown Affiliation
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
IMPLEMENTASI OPENVPN SERVER MENGGUNAKAN RED HAT ENTERPRISE LINUX PADA AMAZON WEB SERVICES Human Sukma, Ayman; Drilanang, Mhd Ilyasyah; Auzi, Sybil; Kiswanto, Dedy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.12010

Abstract

Virtual Private Network (VPN) adalah teknologi yang memungkinkan koneksi jaringan yang aman melalui internet. Pada penelitian ini, server VPN diimplementasikan menggunakan OpenVPN pada platform Amazon Web Services (AWS) dengan Red Hat Enterprise Linux (RHEL) sebagai sistem operasi server. Manajemen dan pengujian koneksi VPN dilakukan dengan menggunakan mesin Windows 11 sebagai klien. Penelitian bertujuan untuk membangun infrastruktur VPN yang aman dan dapat diakses dari berbagai lokasi pada layanan service cloud. Pengujian dilakukan untuk mengamati performansi kinerja dan hasil akan membantu untuk memungkinkan pengembangan kinerja dan keamanan jaringan setelah implementasi VPN. Hasil penelitian menunjukkan bahwa server VPN berjalan dengan stabil dengan kecepatan latensi rata-rata 48ms yang menunjukkan bahwa ini adalah koneksi yang aman dengan kinerja yang dapat diterima.
PENERAPAN POHON KEPUTUSAN C4.5 UNTUK MEMPREDIKSI TREN POPULARITAS GAME DI PLATFORM STEAM Drilanang, Mhd Ilyasyah; Sapta Warman Zai, Tri; Juliana Silalahi, Feby; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14083

Abstract

Pengembang dan penerbit game menghadapi kesulitan dalam menentukan game mana yang dapat menjadi populer atau trending seiring dengan meningkatnya jumlah game yang tersedia di platform distribusi digital seperti Steam. Banyak faktor yang memengaruhi popularitas suatu game, serta kurangnya alat prediksi yang efektif untuk membantu membuat keputusan tentang pengembangan dan pemasaran produk, menyebabkan masalah ini. Dengan menggunakan algoritma pohon keputusan C4.5, tujuan penelitian ini adalah untuk membangun model yang dapat memprediksi tren popularitas game. Pengumpulan data dari platform Steam digunakan. Data ini termasuk jumlah rekomendasi, ulasan positif, pencapaian game, dan harga. Setelah itu, data diproses melalui tahapan preprocessing, pemilihan fitur, dan pembagian dataset. Untuk pelatihan dan pengujian, rasio 80:20 digunakan. Untuk mencegah overfitting, model dibangun menggunakan DecisionTreeClassifier dengan parameter optimasi seperti kriteria pemisahan entropy dan kedalaman maksimum lima level. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 92 persen, dengan jumlah rekomendasi dan ulasan positif yang paling penting. Studi ini dapat membantu pengembang game dan analis pasar memahami faktor utama yang memengaruhi popularitas game. Ini juga dapat menjadi dasar untuk membuat strategi pemasaran dan pengembangan produk yang lebih baik. Disarankan untuk ditambahkan fitur baru, seperti kategori game, dan teknik ensemble untuk meningkatkan prediksi.
PERANCANGAN PROGRAM REKOGNISI ISYARAT SIGNAL FOR HELP, UNTUK MEMBERI RESPON CEPAT BANTUAN Drilanang, Mhd Ilyasyah; Prana Walidin, Adamsyach; Zulfahrizan, Atta; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14109

Abstract

Dalam kondisi darurat, terutama saat seseorang tidak bisa berbicara secara langsung untuk meminta bantuan, isyarat tangan seperti “Signal for Help” menjadi sangat penting. Sayangnya, belum banyak sistem yang mampu mengenali isyarat ini secara otomatis dan real-time. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang dapat mendeteksi isyarat tersebut secara cepat dan akurat, agar respons bantuan bisa diberikan secepat mungkin. Penelitian dilakukan dengan menggunakan pendekatan pengenalan pola visual melalui teknologi MediaPipe dan OpenCV. Data dikumpulkan dari gambar dan video gerakan tangan yang menampilkan tiga tahapan isyarat: “Telapak Tangan Terbuka,” “Jempol Ditekuk ke Dalam,” dan “Kepalan Tangan.” Setiap tahapan dianalisis menggunakan deteksi landmark tangan untuk mengenali bentuk dan pergerakannya secara detail. Hasilnya, sistem yang dirancang mampu mendeteksi isyarat dengan akurasi tinggi, bahkan dalam berbagai kondisi lingkungan. Hal ini menunjukkan bahwa teknologi ini dapat diterapkan dalam skenario nyata, seperti layanan darurat, perlindungan pribadi, maupun sistem asisten berbasis AI yang dapat merespons secara otomatis ketika sinyal bantuan terdeteksi. Dengan sistem ini, diharapkan siapa pun yang berada dalam situasi bahaya bisa mendapatkan bantuan lebih cepat dan aman.
Pengembangan Model Prediksi Cuaca Hibrida Adaptif Berbasis Klasifikasi Pola dan Pembelajaran Mendalam untuk Mitigasi Bencana di Indonesia Drilanang, Mhd Ilyasyah; Indra, Zulfahmi; Walidin, Adamsyach Prana; Zai, Tri Sapta Warman
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/6nagaj85

Abstract

This study aims to develop and evaluate an adaptive hybrid weather prediction model that combines pattern classification techniques with a deep learning approach to improve forecasting accuracy, especially for extreme weather events. Using a quantitative-based Research and Development (R&D) approach, this study utilizes ten years of daily rainfall time series data from the Juanda Meteorological Station. The method developed comprises three main phases: weather pattern classification using K-Means clustering to separate normal and extreme patterns; development of a specialist prediction model using SARIMA for seasonal patterns and LSTM for non-linear patterns; and integration of both models into a single adaptive framework. The results show that the adaptive hybrid model performs significantly better than the single model, with a Mean Absolute Percentage Error (MAPE) of 8.76% and a Root Mean Square Error (RMSE) of 9.13%. The main contribution of this study is the development of an intelligent, accurate prediction framework with strong potential for integration into the national early warning system, thereby supporting more effective disaster mitigation efforts in Indonesia. Further research is recommended to validate the model in various regions and add additional climate variables to improve prediction accuracy.
Co-Authors Auzi, Sybil Dedy Kiswanto Hermawan Syahputra Human Sukma, Ayman Juliana Silalahi, Feby Prana Walidin, Adamsyach Ramadhani, Fanny Sapta Warman Zai, Tri Walidin, Adamsyach Prana Zai, Tri Sapta Warman Zulfahmi Indra, Zulfahmi Zulfahrizan, Atta