cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Raja Ayu Mahessya
Contact Email
jurnalpustakadata@gmail.com
Phone
+6285264454350
Journal Mail Official
jurnalpustakadata@gmail.com
Editorial Address
Jl. Batu Kasek Blok E 11 Padang
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer
Published by Pustaka Galeri Mandiri
ISSN : -     EISSN : 28097483     DOI : https://doi.org/10.55382/jurnalpustakadata
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering
Jurnal Pustaka Data adalah sebuah jurnal Double blind peer-review yang didedikasikan untuk publikasi hasil penelitian yang berkualitas dalam bidang ilmu komputer. Semua publikasi di Jurnal Pustaka Data bersifat akses terbuka yang memungkinkan artikel tersedia secara bebas online tanpa berlangganan apapun.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 123 Documents
 9   10   11   12   13 
Optimasi Jaringan Menggunakan VLSM, Proxy Server dan Bandwidth Management pada Instansi Pemerintahan Ikhsan, Ikhsan; Novinaldi, Novinaldi; Putra, Yogi Mandala
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1532

Abstract

Instansi pemerintahan sering menghadapi kendala dalam pengelolaan jaringan internet, termasuk pemborosan alamat IP, akses internet yang tidak terkendali ke situs media sosial dan streaming, serta distribusi bandwidth yang tidak merata. Penelitian ini mengimplementasikan Variable Length Subnet Mask (VLSM), proxy server, dan manajemen bandwidth pada server Debian 9 di Kantor Kominfo Kabupaten Solok. Metode VLSM mengoptimalkan alokasi IP dari /24 menjadi /26, mengurangi host tersedia dari 254 menjadi 62 alamat yang sesuai kebutuhan aktual. Proxy Squid berhasil memblokir lima situs utama (Youtube, Facebook, Instagram, Twitter, dan platform streaming) dengan tingkat pemblokiran 100%. Manajemen bandwidth berbasis Wondershaper membatasi kecepatan download individual menjadi 128 Kbps, memastikan distribusi yang adil untuk 58 pegawai. Pengujian menunjukkan peningkatan stabilitas jaringan dengan pengurangan latensi rata-rata dari 45ms menjadi 28ms, serta pemblokiran situs non-kerja yang berhasil meningkatkan produktivitas pegawai dan efisiensi operasional dalam transmisi data pemerintahan.
Analisis Empiris Peningkatan Performa dan Redundansi Database Menggunakan Galera Cluster Fauzan, Reski Yulian; Adha, Muhammad Reyan Dirul; Lifwarda, Lifwarda; Lubis, Romia; Putra, Yeviki Maisyah
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1534

Abstract

Penelitian ini menganalisis secara empiris peningkatan performa dan redundansi sistem basis data dengan menerapkan Galera Cluster dibandingkan Single MariaDB menggunakan workload OLTP read–write. Penelitian ini memberikan validasi empiris terhadap efektivitas Galera Cluster pada skenario sumber daya terbatas. Pengujian dilakukan menggunakan tool benchmarking sysbench dengan total sumber daya hardware yang identik (16 core CPU, 8GB RAM) namun dengan arsitektur berbeda. Konfigurasi Galera Cluster menggunakan 2 node (8 core CPU, 4GB RAM masing-masing) dengan HAProxy sebagai load balancer, sementara Single MariaDB menggunakan satu server dengan 16 core CPU dan 8GB RAM. Hasil penelitian menunjukkan Galera Cluster mencapai 348,07 transaksi per detik (TPS) dibandingkan 202,99 TPS pada Single MariaDB, meningkat 71%. Galera Cluster juga menunjukkan latensi rata-rata yang jauh lebih rendah (22,97 ms vs 39,29 ms) dan latensi 95th percentile (26,20 ms vs 125,52 ms). Arsitektur ini memberikan redundansi bawaan dan high availability tanpa biaya hardware tambahan. Penelitian ini memberikan bukti empiris bahwa Galera Cluster dengan HAProxy memberikan performa dan ketersediaan yang unggul dibandingkan sistem database single-node tradisional.
Prediksi Risiko Diabetes Tahap Awal Menggunakan Machine Learning dengan Algoritma K-Nearest Neighbor Trisna, Novi; Ayu Mahessya, Raja
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1550

Abstract

Diabetes mellitus merupakan penyakit metabolik kronis yang prevalensinya terus meningkat dan berkontribusi signifikan terhadap beban kesehatan masyarakat global akibat komplikasinya yang bersifat progresif dan sering terdeteksi pada tahap lanjut. Oleh karena itu, deteksi dini risiko diabetes berdasarkan gejala awal dan riwayat kesehatan pasien menjadi penting untuk mendukung intervensi preventif yang tepat waktu. Perkembangan machine learning memungkinkan pemanfaatan data kesehatan untuk membangun model prediksi yang lebih cepat, konsisten, dan objektif dibandingkan pendekatan manual konvensional. Penelitian ini bertujuan untuk mengembangkan model klasifikasi risiko diabetes menggunakan algoritma K-Nearest Neighbor (KNN) berdasarkan dataset Early Stage Diabetes Risk Prediction. Dataset tersebut terdiri dari 520 data dengan 17 atribut, termasuk fitur numerik seperti usia dan fitur kategorikal yang merepresentasikan gejala awal diabetes, seperti polyuria, polydipsia, weakness, dan polyphagia, dengan label kelas positif dan negatif diabetes. Tahap pra-pemrosesan data dilakukan dengan mentransformasikan atribut kategorikal menjadi nilai numerik (Yes=1, No=0; male=1, female=0) agar mendukung perhitungan jarak pada algoritma KNN. Model klasifikasi diimplementasikan menggunakan bahasa pemrograman Python pada Google Colab dan dievaluasi melalui empat skenario percentage split, yaitu 60:40, 70:30, 80:20, dan 90:10. Nilai K diuji pada rentang K=2 hingga K=9 menggunakan metrik jarak Euclidean untuk menentukan parameter optimal. Hasil eksperimen menunjukkan bahwa K=3 secara konsisten memberikan performa terbaik dengan akurasi tertinggi sebesar 97% pada skenario pembagian data 60:40. Temuan ini menunjukkan bahwa model KNN yang diusulkan efektif untuk mendeteksi risiko diabetes pada tahap awal.

Page 13 of 13 | Total Record : 123

 9   10   11   12   13 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt Vol 5 No 1 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt Vol 4 No 2 (2024): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt Vol 4 No 1 (2024): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt Vol 3 No 2 (2023): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt Vol 3 No 1 (2023): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt Vol 2 No 2 (2022): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt Vol 2 No 1 (2022): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt Vol 1 No 1 (2021): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt