Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Jusikom : Jurnal Sistem Komputer Musirawas JRIIN :Jurnal Riset Informatika dan Inovasi
Yohanes Gerardus Haga Zai
Universitas Negeri Medan
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 3 Documents
Search

 1 
Pengembangan Sistem Peringatan Dini Anomali Cuaca Berbasis Geospasial dan Asisten Virtual Yehezkiel Haganta Tarigan; Yohanes Gerardus Haga Zai; Callysa Elistia
CESS (Journal of Computer Engineering, System and Science) Vol. 11 No. 2 (2026): Juli 2026
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v11i2.73665

Abstract

Sistem peringatan dini cuaca konvensional saat ini masih memiliki keterbatasan akibat penyampaian informasi satu arah yang statis dan tingginya beban kognitif masyarakat dalam memahami data meteorologis mentah. Penelitian ini bertujuan mengembangkan WAMApp (Weather Anomaly Mitigation App), sebuah sistem peringatan dini berbasis seluler yang menyinergikan pemetaan geospasial dinamis dengan agen kecerdasan buatan interaktif. Pengembangan aplikasi menerapkan model Agile dan arsitektur microservices, mengintegrasikan data cuaca resolusi tinggi ERA5 dari Open-Meteo dengan asisten virtual berbasis Retrieval-Augmented Generation (RAG). Untuk mengoptimalkan efisiensi daya perangkat seluler, sistem mengimplementasikan algoritma pelacakan lokasi latar belakang dengan ambang batas pergerakan 500 meter dan memanfaatkan komputasi tepi nirserver (serverless edge computing) untuk distribusi notifikasi bahaya. Hasil pengujian fungsionalitas Black Box membuktikan bahwa seluruh modul berjalan optimal tanpa kendala teknis. Integrasi RAG pada asisten virtual WAMChat memungkinkan penyajian instruksi mitigasi yang lebih interaktif dan kontekstual berdasarkan kondisi cuaca pengguna. Hasil evaluasi melalui User Acceptance Testing (UAT) terhadap 102 responden menunjukkan tingkat kepuasan pengguna sebesar 4,60 dari skala 5. Temuan ini mengindikasikan bahwa kombinasi visualisasi geospasial dan asisten virtual generatif memiliki potensi untuk mendukung penyampaian informasi mitigasi cuaca secara lebih adaptif dan mudah dipahami.
Pengembangan Visualisasi Interaktif untuk Analisis Komparatif Binary Search dan Jump Search Yohanes Gerardus Haga Zai; Callysa Elistia; Yehezkiel Haganta Tarigan; Adidtya Perdana
Jurnal Riset Informatika dan Inovasi Vol 3 No 12 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini berfokus pada pengembangan perangkat lunak visualisasi interaktif menggunakan bahasa pemrograman Python dan pustaka Pygame untuk menganalisis kinerja algoritma Binary Search dan Jump Search secara empiris. Meskipun teori asimtotik konvensional telah menetapkan kompleksitas waktu masing-masing algoritma, representasi kognitif murni melalui teks sering kali tidak memadai untuk memahami realitas eksekusi mekanis pada perangkat keras. Sistem visualisasi ini dirancang untuk mengeksekusi kedua algoritma secara konkuren (simultan) pada representasi spasial yang sama guna menyingkirkan bias kecepatan perangkat keras keras dalam proses pengujian. Pengujian dilakukan melalui simulasi variasi ukuran himpunan data berskala masif dengan kalkulasi batas langkah maksimum eksak pada kondisi terburuk. Hasil simulasi secara mutlak memvalidasi bahwa strategi pembagian ruang secara eksponensial pada Binary Search dengan kompleksitas memiliki tingkat skalabilitas yang jauh lebih superior dibandingkan Jump Search dengan kompleksitas . Meskipun Jump Search telah dieksekusi menggunakan parameter ukuran lompatan matematis yang paling optimal yaitu , algoritma tersebut terbukti tetap tidak mampu mengungguli efisiensi waktu eksekusi Binary Search seiring bertambahnya jumlah elemen data.
SISTEM MONITORING JARINGAN SMALL OFFICE DAN DETEKSI ANOMALI TRAFIK BERBASIS MACHINE LEARNING DENGAN VISUALISASI Yohanes Gerardus Haga Zai; Dedy Kiswanto; Bicanro Gebriyan Panjaitan; Zahira Putri Julia Daulay
Jusikom : Jurnal Sistem Komputer Musirawas Vol. 11 No. 1 (2026): Jurnal Sistem Komputer Musirawas JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusikom.v11i1.3208

Abstract

Jaringan small office umumnya dikelola dengan sumber daya terbatas sehingga rentan terhadap ancaman siber yang tidak terdeteksi secara dini. Penelitian ini merancang dan mengimplementasikan sistem monitoring infrastruktur jaringan small office yang terintegrasi dengan mekanisme deteksi anomali trafik berbasis deep learning. Sistem dibangun menggunakan tiga komponen utama: pengumpulan data melalui protokol SNMP dan packet sniffing berbasis Scapy, pemrosesan dan klasifikasi trafik menggunakan model Fully Connected Neural Network dengan fungsi aktivasi Softmax, serta dashboard visualisasi. Topologi jaringan disimulasikan menggunakan GNS3 dengan MikroTik Cloud Hosted Router (CHR) sebagai gateway utama dan Kali Linux sebagai agen penyerang untuk pengujian skenario serangan. Dataset dibangun dari empat kelas trafik — Normal, Denial of Service (DoS), Port Scanning, dan SSH Brute Force — yang diekstraksi menggunakan metode Time-Windowing 3 detik. Model deep learning yang dilatih menggunakan algoritma class weighting, Early Stopping, dan ReduceLROnPlateau berhasil mencapai akurasi pelatihan 99,28% dan akurasi validasi 99,48% tanpa indikasi overfitting. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi seluruh kelas serangan secara real-time dan menampilkan peringatan pada dashboard secara otomatis, menjadikannya solusi monitoring yang komprehensif, ringan, dan adaptif untuk infrastruktur jaringan small office.
Co-Authors Adidtya Perdana, Adidtya Bicanro Gebriyan Panjaitan Callysa Elistia Dedy Kiswanto Yehezkiel Haganta Tarigan Zahira Putri Julia Daulay