Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi bit-Tech
Tri Sapta Warman Zai
Universitas Negeri Medan
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Transportation

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

Found 2 Documents
Search

 1 
Implementasi Sistem Pengelolaan Pesanan Menu Restoran Berbasis Stack dan Queue Agata Putri Handayani Simbolon; Khairul Fahmi Sagala; Muhammad Raffi Akbar Tanjung; Tri Sapta Warman Zai; Fanny Ramadhani
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1867

Abstract

Di industri restoran, memiliki sistem pengelolaan pesanan yang efisien sangat penting untuk meningkatkan kualitas layanan dan kepuasan pelanggan. Namun, sebagian besar restoran masih bergantung pada metode manual yang sering kali menyebabkan masalah, seperti antrian yang tidak teratur, kesalahan pencatatan, dan kesulitan dalam melacak riwayat pesanan, terutama pada volume pelanggan yang tinggi. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pengelolaan pesanan yang berbasis struktur data stack dan queue. Sistem ini menggunakan metode FIFO pada queue untuk memastikan pesanan diproses secara berurutan sesuai urutan kedatangan, sementara stack berfungsi untuk menyimpan dan menampilkan riwayat pesanan yang sudah selesai diproses. Pengembangan sistem dilakukan dengan pendekatan waterfall yang meliputi analisis kebutuhan, desain sistem menggunakan diagram UML, implementasi dengan Python, dan pengujian sistem untuk memastikan semua fungsionalitas bekerja dengan baik. Hasil penelitian menunjukkan bahwa sistem ini dapat mengelola alur pemesanan dengan lebih terorganisir, mempercepat proses layanan, mengurangi kesalahan, dan meningkatkan kepuasan pelanggan. Selain itu, sistem ini memungkinkan staf restoran untuk dengan mudah mengakses riwayat pesanan yang sudah diproses. Secara keseluruhan, penelitian ini menyimpulkan bahwa penerapan struktur data stack dan queue menawarkan solusi yang efektif dan efisien dalam pengelolaan pesanan restoran. Penelitian lanjutan dapat fokus pada integrasi sistem dengan database eksternal untuk meningkatkan skalabilitas dan mendukung operasi restoran dengan lebih banyak pelanggan.
Perancangan dan Implementasi Sistem Logging Jaringan Berbasis Website dengan Fitur Multi-User Real-Time dan Deteksi Tri Sapta Warman Zai; Dedy Kiswanto; Fahra Pebiana Putri; Bob Valentino
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 6 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.9915

Abstract

Abstrak - Perkembangan teknologi informasi menimbulkan tantangan dalam deteksi anomali log secara real-time. Penelitian ini mengembangkan NetLog, sistem monitoring log dengan pendekatan hybrid yang menggabungkan deep learning dan deteksi berbasis aturan. Sistem menggunakan Autoencoder untuk mempelajari pola log normal dan rule-based detector sebagai fallback. Arsitektur terdiri dari backend FastAPI, frontend React/Next.js, dan modul anomaly detection. Hasil implementasi menunjukkan sistem berhasil mendeteksi 60% serangan simulasi dengan precision 100% dan recall 20%. Evaluasi komprehensif menunjukkan ROC AUC 82% dan PR AUC 86.7%, mengindikasikan kemampuan model yang baik dalam membedakan log normal dan log anomali. Dashboard real-time menampilkan log dengan latensi di bawah 2 detik. Kesimpulannya, pendekatan hybrid pada NetLog terbukti efektif memperluas cakupan deteksi anomali dibandingkan metode tunggal, meskipun masih diperlukan peningkatan sensitivitas deteksi.Kata kunci: Deteksi Anomali; Autoencoder; Deep Learning; Monitoring Log; Sistem Real-time; Abstract - The rapid advancement of information technology poses new challenges in real-time log anomaly detection. This study develops NetLog, a log monitoring system based on a hybrid approach that combines deep learning with rule-based detection. The system employs an Autoencoder to learn normal log patterns and a rule-based detector as a fallback mechanism. The architecture consists of a FastAPI backend, React/Next.js frontend, and an anomaly detection module. The implementation results show that the system successfully detected 60% of simulated attacks with 100% precision and 20% recall. A comprehensive evaluation demonstrates ROC AUC of 82% and PR AUC of 86.7%, indicating a strong ability of the model to distinguish between normal and anomalous logs. The real-time dashboard displays log data with latency below 2 seconds. In conclusion, the hybrid approach of NetLog effectively broadens anomaly detection coverage compared to single-method systems, although improvements in sensitivity are still required.Keywords: Anomaly Detection; Autoencoder; Deep Learning; Log Monitoring; Real-time System;
Co-Authors Agata Putri Handayani Simbolon Bob Valentino Dedy Kiswanto Fahra Pebiana Putri Khairul Fahmi Sagala Muhammad Raffi Akbar Tanjung Ramadhani, Fanny