Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal ISO: Jurnal Ilmu Sosial, Politik dan Humaniora
Ega Pratama
Universitas Negeri Medan
Aerospace Engineering Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Social Sciences Transportation Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Perancangan dan Implementasi Aplikasi Mobile Lost & Found Kampus Berbasis Real-Time Menggunakan Jetpack Compose dan Firebase Raihan Insan Pratama Siagian; Muhammad Zidane Al-Kautsar; Ega Pratama; Najwatul Khoiriah; Fatimah Asro Harahap; Adidtya Perdana

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9871

Abstract

Abstrak - Perkembangan teknologi mobile membuka peluang besar dalam menciptakan solusi praktis bagi permasalahan sehari-hari di lingkungan kampus, salah satunya terkait kehilangan dan penemuan barang. Penelitian ini merancang dan mengimplementasikan aplikasi mobile Lost Found berbasis real-time yang dibangun menggunakan Jetpack Compose sebagai framework modern Android dan Firebase sebagai layanan backend. Aplikasi ini dirancang untuk mempermudah mahasiswa maupun civitas akademika dalam melaporkan serta menemukan barang yang hilang dengan cepat, akurat, dan terintegrasi. Metode pengembangan yang digunakan adalah prototype development sehingga pengguna dapat memberikan umpan balik pada setiap tahap perancangan. Hasil implementasi menunjukkan bahwa aplikasi mampu menampilkan informasi kehilangan dan penemuan barang secara real-time, mendukung notifikasi, serta menyediakan antarmuka yang intuitif dan responsif. Dengan demikian, aplikasi ini diharapkan dapat menjadi solusi efektif dalam meningkatkan kepedulian, keterhubungan, serta efisiensi dalam mengatasi masalah kehilangan barang di lingkungan kampus.Kata kunci: Aplikasi Mobile; Lost and Found; Jetpack Compose; Firebase; Real-Time; Abstract - The development of mobile technology opens up great opportunities in creating practical solutions for everyday problems in the campus environment, one of which is related to the loss and discovery of goods. This research designs and implements a real-time Lost Found mobile application built using Jetpack Compose as a modern Android framework and Firebase as a backend service. This application is designed to make it easier for students and the academic community to report and find lost items quickly, accurately, and integrated. The development method used is prototype development so that users can provide feedback at each stage of the design. The implementation results show that the application is able to display real-time lost and found information, support notifications, and provide an intuitive and responsive interface. Thus, this application is expected to be an effective solution in increasing awareness, connectedness, and efficiency in overcoming the problem of lost items in the campus environment.Keywords: Mobile App; Lost and Found; Jetpack Compose; Firebase; Real-Time;
Pengaruh Implementasi Sila Ke-2 Kemanusiaan Yang Adil dan Beradab Dalam Penurunan Perilaku Bullying Di Kelas C Prodi Ilmu Komputer Universitas Negeri Medan Ega Pratama; Parlaungan Gabriel Siahaan; Novridah Reanti Purba; Agata Putri Handayani Simbolon; Najwa Latifah Hasibuan5
Jurnal ISO: Jurnal Ilmu Sosial, Politik dan Humaniora Vol. 4 No. 2 (2024): December
Publisher : Penerbit Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53697/iso.v4i2.2050

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh penerapan sila ke-2 Pancasila, yaitu "Kemanusiaan yang Adil dan Beradab," terhadap pengurangan perilaku bullying di kelas C Prodi Ilmu Komputer Universitas Negeri Medan. Penelitian ini menggunakan pendekatan deskriptif kualitatif dengan data yang dikumpulkan melalui kuesioner yang melibatkan mahasiswa sebagai responden. Analisis data dilakukan menggunakan statistik deskriptif untuk menggambarkan pola-pola data, serta regresi linier sederhana untuk mengevaluasi hubungan antara implementasi nilai-nilai kemanusiaan dengan penurunan bullying di lingkungan akademik. Hasil penelitian menunjukkan bahwa penerapan nilai-nilai sila ke-2 berkontribusi signifikan dalam menciptakan suasana belajar yang inklusif, kondusif, dan bebas dari kekerasan. Mahasiswa yang memahami dan mengimplementasikan nilai-nilai ini cenderung menunjukkan sikap empatik, adil, serta menghargai perbedaan antarindividu. Temuan ini menegaskan pentingnya integrasi pendidikan nilai-nilai Pancasila dalam proses pembelajaran untuk membangun karakter mahasiswa yang menghormati hak asasi manusia. Dengan demikian, nilai-nilai kemanusiaan ini dapat menjadi landasan bagi terciptanya lingkungan akademik yang harmonis dan berkeadaban.
Sistem Logging Jaringan Berbasis Web dengan Visualisasi Interaktif dan Analisis Anomali sebagai Solusi Keterbatasan Sistem Konvensional Rizal Muslim Sinaga; Dedy Kiswanto; Ega Pratama; Yohana Lorinez S.

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.9937

Abstract

Abstrak - Pertumbuhan ekosistem digital di lingkungan kampus menghasilkan volume log jaringan yang tinggi sehingga administrator kesulitan mengidentifikasi anomali secara manual. Penelitian ini menghadirkan sistem logging berbasis web yang mengintegrasikan Django sebagai layanan aplikasi, ELK Stack untuk agregasi dan visualisasi real-time, serta modul machine learning RandomForest yang dilatih menggunakan dataset UNSW-NB15 guna mengklasifikasikan tipe serangan. Telegram Bot API digunakan sebagai kanal notifikasi instan ketika pola mencurigakan ditemukan. Metode Research and Development diterapkan untuk merancang arsitektur, mengimplementasikan modul, dan menguji performa sistem. Evaluasi menunjukkan akurasi model sebesar 81,54% dengan f1-score tertinggi 99,05% pada trafik Generic, sedangkan kelas dengan data terbatas seperti Backdoor masih menantang. Integrasi dashboard dan notifikasi menurunkan waktu investigasi insiden serta membuktikan bahwa sinergi visualisasi dan analitik dapat memperkuat ketahanan keamanan jaringan kampus.Kata kunci : Logging jaringan; ELK Stack; deteksi anomali; machine learning; Telegram Bot; Abstract - The rapid expansion of campus digital services produces high-volume network logs that complicate manual anomaly analysis. This article presents a web-based logging system that combines Django as the application layer, the ELK Stack for real-time aggregation and visualization, and a RandomForest model trained on the UNSW-NB15 dataset to classify attack categories. A Telegram Bot API integration delivers instant notifications when suspicious patterns emerge. A Research and Development methodology guides the architecture design, module implementation, and performance evaluation. Experiments report 81.54% accuracy with the highest f1-score of 99.05% on Generic traffic, while minority classes such as Backdoor remain challenging. The integrated dashboard and notification flow reduce incident investigation time and demonstrate how visual analytics and machine learning improve campus network resilience.Keywords: Network logging; ELK Stack; anomaly detection; machine learning; Telegram Bot;
Evaluasi dan Kalibrasi Model M/M/c untuk Sistem Antrian Restoran Cepat Saji Mie Gacoan Muhammad Rosyid Fauzan; Zulfahmi Indra; Fahra Febiana Putri; Ega Pratama

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9878

Abstract

Abstrak - Restoran cepat saji Mie Gacoan sering mengalami antrian panjang yang mengakibatkan waktu tunggu pelanggan menjadi lama dan berpotensi menurunkan kepuasan pelanggan. Penelitian ini bertujuan untuk mengevaluasi kinerja sistem antrian dan mengidentifikasi bottleneck menggunakan model antrian M/M/c. Metode yang digunakan meliputi pengumpulan data waktu kedatangan dan waktu pelayanan, analisis distribusi data, pemodelan M/M/c, validasi model, serta kalibrasi empiris menggunakan Python. Hasil penelitian menunjukkan bahwa model M/M/c standar menghasilkan error prediksi sebesar 84,9% pada hari pertama dan 83,4% pada hari kedua. Setelah kalibrasi empiris dengan faktor koreksi 6,3x, akurasi model meningkat signifikan menjadi error 4,7% dan 5,2%. Konfigurasi dual server terbukti lebih optimal dengan utilisasi 59,7% dan 62,5% serta waktu tunggu rata-rata di bawah 3,5 menit. Simpulan penelitian ini adalah model M/M/c yang dikalibrasi secara empiris mampu memprediksi kinerja sistem antrian restoran dengan lebih akurat dan dapat digunakan sebagai dasar pengambilan keputusan operasional.Kata kunci: sistem antrian; model M/M/c; bottleneck; kalibrasi empiris; restoran cepat saji; Abstract - Mie Gacoan fast food restaurants often experience long queues, resulting in long waiting times for customers and potentially reducing customer satisfaction. This study aims to evaluate the performance of the queueing system and identify bottlenecks using the M/M/c queueing model. The methods used include collecting arrival and service time data, analyzing data distribution, M/M/c modeling, model validation, and empirical calibration using Python. The results show that the standard M/M/c model produced a prediction error of 84.9% on the first day and 83.4% on the second day. After empirical calibration with a correction factor of 6.3x, the model's accuracy improved significantly to an error of 4.7% and 5.2%. The dual server configuration proved to be more optimal with a utilization of 59.7% and 62.5% and an average waiting time of less than 3.5 minutes. The conclusion of this study is that an empirically calibrated M/M/c model can predict the performance of a restaurant queuing system more accurately and can be used as a basis for operational decision making.Keywords: queueing system; M/M/c model; bottleneck; empirical calibration; fast food restaurant;
Sistem Keamanan Pintu Otomatis Berbasis Face Recognition dan Machine Learning Menggunakan ESP32-CAM dengan Web Dashboard Nazwar Farezi; Dedy Kiswanto; Muhammad Alby Savana Hasibuan; Ega Pratama

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10273

Abstract

Abstrak - Penelitian ini membahas pembuatan dan penerapan sistem keamanan pintu otomatis yang menggunakan teknologi pengenalan wajah. Sistem ini memanfaatkan modul ESP32-CAM sebagai alat utama untuk mengambil gambar dan melakukan pemrosesan awal. Selain itu, sistem juga menggabungkan machine learning untuk proses mengenali wajah dan menggunakan dashboard web sebagai alat untuk pemantauan serta pengelolaan pengguna secara langsung. Data wajah dikumpulkan melalui proses registrasi langsung dengan kamera, kemudian diolah melalui beberapa tahap pra-pemrosesan dan ekstraksi ciri sebelum digunakan untuk membandingkan dan mengenali identitas pengguna. Hasil pengujian menunjukkan bahwa sistem bisa melakukan autentikasi secara otomatis, membuka pintu saat wajah pengguna terdeteksi, serta mencatat seluruh aktivitas akses ke dalam dashboard. Uji coba dilakukan dalam berbagai kondisi cahaya dan jarak, dan sistem menunjukkan kinerja yang stabil pada situasi normal. Dashboard yang dibuat juga mampu menampilkan kondisi perangkat, riwayat akses, serta informasi pengguna secara akurat. Dari hasil tersebut, sistem ini dianggap bisa memberikan solusi keamanan rumah yang lebih praktis, efisien, dan mudah dikelola dibandingkan metode tradisional.Kata kunci: Face Recognition; ESP32-CAM; Sistem Keamanan Pintu Otomatis; Machine Learning; Internet of Things (IoT); Abstract - This research discusses the development and implementation of an automatic door security system using facial recognition technology. This system utilizes an ESP32-CAM module as the primary tool for image capture and initial transmission. Furthermore, the system incorporates machine learning for facial recognition and utilizes a web dashboard for real-time user monitoring and management. Facial data is collected through a direct registration process with a camera, then processed through several stages of pre-processing and feature extraction before being used to recognize and identify users. Test results show that the system can perform automatic authentication, open the door upon face detection, and record all access activity in the dashboard. Tests were conducted under various lighting conditions and distances, and the system demonstrated stable performance under normal conditions. The dashboard is also capable of accurately displaying device status, access history, and user information. These results suggest that this system can provide a more practical, efficient, and easier-to-manage home security solution than traditional methods.Keywords: Facial Recognition; ESP32-CAM; Automatic Door Security System; Machine Learning; Internet of Things (IoT); Web Dashboard;
Co-Authors Adidtya Perdana, Adidtya Agata Putri Handayani Simbolon Dedy Kiswanto Fahra Febiana Putri Fatimah Asro Harahap Muhammad Alby Savana Hasibuan Muhammad Rosyid Fauzan Muhammad Zidane Al-Kautsar Najwa Latifah Hasibuan5 Najwatul Khoiriah Nazwar Farezi Novridah Reanti Purba Parlaungan Gabriel Siahaan Raihan Insan Pratama Siagian Rizal Muslim Sinaga Yohana Lorinez S. Zulfahmi Indra, Zulfahmi