Putra Paskah Halawa, Sovantri
Unknown Affiliation

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

Found 4 Documents
Search

IMPLEMENTASI ALGORITMA ANTRIAN PRIORITAS MENGGUNAKAN ARRAY DI PYTHON UNTUK SISTEM ANTRIAN LAYANAN DARURAT Evanthe, Hansel; Muslim Sinaga, Rizal; Putra Paskah Halawa, Sovantri; Audy Priscillia, Selfi; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12214

Abstract

Manajemen layanan darurat di rumah sakit sering menghadapi tantangan dalam mengelola antrean pasien secara efisien, terutama di Instalasi Gawat Darurat (IGD). Sistem antrian prioritas berbasis algoritma dan struktur data array di Python dikembangkan untuk meningkatkan efisiensi tersebut. Penelitian ini bertujuan merancang sistem berbasis array di phyton yang mampu mendistribusikan pasien sesuai tingkat urgensi menggunakan algoritma FIFO dan algoritma prioritas. Metode yang digunakan melibatkan pembuatan kelas dan antarmuka pengguna menggunakan pustaka Python Tkinter unuk membantu memasukkan pasien. Pengujian dilakukan melalui simulasi tiga skenario: pasien dengan prioritas acak, kedatangan pasien kritis berturut-turut, dan skala antrian besar. Hasil simulasi menunjukkan bahwa sistem mampu mengelola antrean dengan efisien, memberikan prioritas pada pasien kritis, dan menampilkan antrean real-time secara terstruktur. Namun, pada skenario skala besar, ditemukan jeda pemrosesan akibat tingginya beban data. Sistem ini dapat ditingkatkan dengan algoritma atau struktur data alternatif seperti heap atau tree untuk meningkatkan performa
IMPLEMENTASI CI/CD MENGGUNAKAN JENKINS PADA APLIKASI DI LINGKUNGAN PENGEMBANGAN FEDORA WORKSTATION 40 Muslim Sinaga, Rizal; Putra Paskah Halawa, Sovantri; Kiswanto, Dedy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12624

Abstract

Dalam pengembangan perangkat lunak, otomatisasi proses build, pengujian, dan deployment penting untuk meningkatkan efisiensi dan kualitas aplikasi. Continuous Integration (CI) dan Continuous Delivery (CD) adalah pendekatan populer untuk tujuan ini, dengan Jenkins sebagai alat utama. Penelitian ini mengimplementasikan CI/CD dengan Jenkins pada Fedora Workstation 40 untuk aplikasi web berbasis PHP. Metode eksperimen meliputi instalasi Fedora di VirtualBox, konfigurasi Jenkins dengan plugin seperti Pipeline, MySQL, dan GitHub, serta pembuatan aplikasi to-do list. Pengelolaan kode dilakukan dengan Git, di mana perubahan dilakukan secara lokal di Fedora menggunakan git add, git commit, dan git push untuk mengirim perubahan ke repositori GitHub. Setelah itu, Jenkins secara otomatis menjalankan pipeline untuk build, pengujian, dan deployment. Hasil penelitian menunjukkan waktu build rata-rata 3 detik, pengujian 5 detik, dan deployment 3 detik, dengan keberhasilan 100% pada build dan deploy, serta 95% pada pengujian. Pipeline yang diterapkan juga mendeteksi bug lebih awal, meningkatkan kualitas aplikasi. Penelitian ini memberikan kontribusi dalam penerapan CI/CD dengan Jenkins pada Fedora Workstation 40, mendukung pengembangan aplikasi PHP yang efisien dan berkelanjutan.
PENERAPAN MODEL HYBRID MACHINE LEARNING ARIMA-LSTM (LONG SHORT-TERM MEMORY) DALAM PREDIKSI HARGA EMAS 5 TAHUN KE-DEPAN Zulfahrizan, Atta; Alby Savana HSB, Muhammad; Putra Paskah Halawa, Sovantri; 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.v9i4.13914

Abstract

Emas merupakan aset lindung nilai yang banyak digunakan dalam investasi, namun prediksi harganya menjadi tantangan karena dipengaruhi oleh berbagai faktor ekonomi dan geopolitik. Fluktuasi harga yang tinggi menyebabkan perlunya model prediksi yang akurat untuk membantu pengambilan keputusan investasi. Penelitian ini bertujuan untuk mengembangkan model hybrid ARIMA-LSTM guna meningkatkan akurasi prediksi harga emas dalam lima tahun ke depan.Metode yang digunakan mencakup pengumpulan dan preprocessing data harga emas dari sumber daring. Model ARIMA diterapkan untuk menangkap pola linier dalam data historis, sedangkan LSTM digunakan untuk mengenali pola non-linier serta volatilitas harga. Evaluasi dilakukan dengan membandingkan performa model hybrid dengan model tunggal menggunakan metrik RMSE dan MAE.Hasil penelitian menunjukkan bahwa model hybrid ARIMA-LSTM memiliki tingkat akurasi lebih tinggi dibandingkan model ARIMA atau LSTM secara terpisah. Prediksi harga emas dalam lima tahun ke depan menunjukkan tren penurunan, dengan perkiraan harga akhir sebesar 1727.31 USD/troy ounce atau sekitar 832.477.500 RP/kg. Model ini diharapkan dapat memberikan wawasan yang lebih baik bagi investor dan pemangku kebijakan dalam pengambilan keputusan investasi.
RANCANG BANGUN CHATBOT SEBAGAI MEDIA LAYANAN INFORMASI AKADEMIK MAHASISWA UNIVERSITAS NEGERI MEDAN BERBASIS NLP SEDERHANA Evanthe, Hansel; Afrrahman S. Effendi, Ali; Putra Paskah Halawa, Sovantri; Zidane, Muhammad; Perdana, Adidtya
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.v9i4.13997

Abstract

Kemajuan teknologi kecerdasan buatan mendorong pengembangan chatbot sebagai solusi otomatis dalam layanan informasi akademik. Penelitian ini mengembangkan chatbot berbasis web menggunakan Flask dan MySQL untuk menjawab pertanyaan mahasiswa Universitas Negeri Medan. Permasalahan utama adalah kurangnya sistem otomatis yang efisien dalam menyediakan informasi kampus secara real-time, sehingga diperlukan chatbot yang merespons pertanyaan berdasarkan data terstruktur dalam database. Tujuan penelitian adalah membangun chatbot yang dapat merespons pertanyaan mahasiswa dengan cepat dan akurat, sehingga mempermudah akses informasi akademik dan meningkatkan efisiensi layanan. Metode penelitian meliputi analisis kebutuhan melalui observasi, studi literatur, dan pengamatan website universitas; perancangan sistem dengan dukungan flowchart; implementasi backend menggunakan Flask dan penyimpanan data dengan MySQL; serta pengujian fungsionalitas melalui pertanyaan standar seperti informasi rektor, jurusan, fasilitas, dan pengumuman. Hasil pengujian menunjukkan chatbot memberikan jawaban akurat (100%) dengan waktu respons di bawah 1 detik. Antarmuka yang dibangun dengan HTML, CSS, dan JavaScript terbukti interaktif dan mudah digunakan. Namun, sistem masih terbatas dalam menangani pertanyaan dengan typo atau variasi kalimat, serta pembaruan data masih manual. Hasil ini mendemonstrasikan efektivitas chatbot sebagai penyedia informasi akademik dan menyarankan pengembangan NLP yang lebih canggih serta integrasi machine learning.