cover
Contact Name
Ganjar Alfian
Contact Email
ganjar.alfian@ugm.ac.id
Phone
+6281393177733
Journal Mail Official
jise.sv@ugm.ac.id
Editorial Address
Sekip Unit 3, Jl. Yacaranda, Caturtunggal, Kec. Depok, Kabupaten Sleman, Daerah Istimewa Yogyakarta 55281. Indonesia
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Journal of Internet and Software Engineering
ISSN : -     EISSN : 27979016     DOI : https://doi.org/10.22146/jise.v3i1.4834
Core Subject : Science,
1. About the Journal The Journal of Internet and Software Engineering (JISE) is open-access, peer-reviewed and published by the Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada. 2. Aim JISE provides a platform for researchers and scientists to publish their research papers on areas of computer networks and software engineering. The journal publishes papers within scopes of computer networking technology, software engineering methods, artificial intelligence, machine learning, and with emphasis on applied methods and technology. 3. Focus and Scope Subject areas include, but are not limited to the following fields: 3.1. Computer Networks Communication Network Protocols and Architectures Network Services and Applications Network Security and Privacy Network Operation and Management Mobile and Wireless networks Cloud and Fog computing Internet of Things Next Generation Technologies Routing and Scheduling 3.2. Software Engineering Information Systems Software Engineering Methodologies Software Analysis, Design and Modelling Verification and Validation Software Testing and Debugging Web, Mobile and Game programming Project and People Management 3.3. Applied Artificial Intelligence Machine Learning Deep Learning Big Data Data Mining Data Science Computer Vision Expert Systems
Articles 64 Documents
Optimisasi Hyperparameter YOLO untuk Purwarupa Aplikasi Ekstraksi Judul dan Isi pada Surat Kabar di Monumen Pers Nasional Hendarto Kurniawan; Dinar Nugroho Pratomo; Umar Taufiq; Candra Febri Nugraha; Ahmad Adhiim Muthahhari
Journal of Internet and Software Engineering Vol 7 No 1 (2026): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v7i1.20398

Abstract

Monumen Pers Nasional mempunyai salah satu layanan yang menyediakan informasi bahan-bahan, dokumen-dokumen, artefak-artefak dan sejarah pers nasional yang dapat digunakan untuk pembelajaran. Untuk memudahkan akses data, artefak dan koleksi lainnya, Monumen Pers Nasional membangun Sistem Informasi Database Koleksi (SIDAK) dengan penerapan teknologi Object Character Recognition (OCR). Namun dalam penerapannya teknologi OCR yang dibagun kerap kali menghasilkan data yang kurang akurat dalam proses ekstraksi data dari koleksi surat kabar. Salah satu solusi yang digunakan untuk mengatasi permasalahan ini adalah dengan mengadopsi metode deteksi judul dan konten menggunakan You Only Look Once (YOLO). Dengan melakukan analisis perbandingan optimizer menggunakan data koleksi surat kabar yang diperoleh dari Museum Monumen Pers Nasioal, hasil optimizer paling baik akan diimplementasikan pada purwarupa aplikasi berbasis website. Adapun optimizer yang dianalisis adalah Stocasthic Gradient Descent (SGD), Adaptive Moment Estimation (Adam), Adam with Weight Decay (AdamW). Hasil analisis menunjukkan optimizer AdamW mengungguli SGD dan Adam dalam nilai f1-score dan mAP secara keseluruhan, sehingga diimplementasikan pada purwarupa aplikasi. Kemudian purwarupa diuji menggunakan User Acceptance Test acuan Skala Likert dan mendapatkan nilai 84,8% kategori sangat baik, sehingga dapat membantu dalam melakukan ekstraksi informasi judul dan isi pada surat kabar di Monumen Pers Nasional.
Implementasi Load Balancing pada Platform Artificial Intelligence Berbasis Website Menggunakan HAProxy Sri Ayu Rahmadani; Yuris Mulya Saputra
Journal of Internet and Software Engineering Vol 7 No 1 (2026): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v7i1.14856

Abstract

Seiring meningkatnya kebutuhan akan konten media sosial, tantangan dalam memverifikasi kebenaran berita yang dikonsumsi publik juga semakin tinggi akibat penyebaran berita palsu. Permintaan akan teknologi AI untuk klasifikasi berita meningkat sebagai solusi atas masalah ini. AI untuk klasifikasi berita diimplementasikan melalui website dengan infrastruktur virtual machine. Namun, tingginya permintaan dapat menyebabkan penurunan kinerja atau downtime. Penelitian ini mengkaji penggunaan HAProxy sebagai solusi load balancing pada platform AI berbasis web. Tujuan utamanya adalah mengembangkan platform AI yang dapat mengklasifikasikan berita dan menerapkan teknologi load balancing agar platform dapat menangani lalu lintas tinggi dengan efisiensi dan responsivitas memadai. Pengujian menggunakan Apache JMeter menunjukkan bahwa sistem dapat menangani peningkatan beban dari 100 hingga 10.000 pengguna tanpa kesalahan, dengan waktu respons rata-rata 95 ms untuk 100 pengguna, 104 ms untuk 1,000 pengguna, dan 225 ms untuk 10,000 pengguna. Meskipun waktu respons meningkat seiring bertambahnya pengguna, tetap dalam batas yang dapat diterima. Model AI ini terbukti berhasil mengklasifikasikan berita dengan dukungan verifikasi dari sumber berita lain, menunjukkan bahwa HAProxy efektif meningkatkan kinerja dan keandalan platform AI, berkontribusi pada akurasi informasi publik.
Implementasi Sistem Monitoring Server Menggunakan Prometheus dan Grafana Dengan Notifikasi Email Umi Nasiyatun Nauha; Alif Subardono
Journal of Internet and Software Engineering Vol 7 No 1 (2026): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v7i1.20832

Abstract

Era teknologi yang terus berkembang membuat perusahaan semakin bergantung pada infrastruktur IT yang menjadikan monitoring server sebagai aspek penting untuk menjaga stabilitas operasional. Proses memantau 74 server secara manual tidak efektif sehingga menyulitkan administrator mendeteksi anomali secara real-time. PT HMMI telah menggunakan Zabbix untuk monitoring seluruh perangkat jaringan namun, performa server menurun ketika ditambahkan dashboard monitoring server. Pada penelitian ini akan dilakukan implementasi sistem monitoring server menggunakan Prometheus dan Grafana dengan notifikasi email. Prometheus mengumpulkan data metrik seperti CPU, memori, penyimpanan, dan throughput secara terpusat, sementara Grafana menyediakan visualisasi data yang interaktif dan mudah dipahami. Sistem ini menggantikan metode manual yang kurang efisien dengan tujuan guna mempermudah administrator dalam memantau resource server secara real-time. Hasil pengujian menunjukkan bahwa sistem monitoring Grafana berhasil menampilkan data secara real-time dan mengirimkan notifikasi email dengan tingkat keberhasilan 100%. Selain itu, akurasi data pengujian menunjukkan penggunaan CPU mencapai 95,20%, memori 99,71%, disk 99,71%, dan throughput 91,42%. Pengujian performa server mencatat penggunaan CPU tertinggi sebesar 2,11%, memori maksimum 22,48%, ruang disk terbesar 20,85%, dan throughput tertinggi mencapai 203,56 Kbps saat memantau enam server selama enam jam. Sistem ini terbukti efektif dalam mendeteksi anomali dan membantu menjaga stabilitas layanan perusahaan.
Pose-Based Suspicious Activity Detection Using YOLOv12n and MediaPipe in Smart Surveillance Systems Bowo Nugroho; Bima Prihasto; Aninditya Anggari Nuryono; Ahmad Rusdianto Andarina Syakbani; Nawfal Alhadi; Rionando Soeksin Putra; Ilham Al Basith
Journal of Internet and Software Engineering Vol 7 No 1 (2026): Journal of Internet and Software Engineering
Publisher : Department of Electrical Engineering and Informatics, Vocational College, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jise.v7i1.31998

Abstract

Detecting suspicious activity in video surveillance is critical for public safety. Early identification of pre-incident behaviors, such as "looking around" nervously, can prevent crimes before they occur. However, traditional surveillance relies on continuous human monitoring, which is prone to error and resource-intensive. Existing automated methods struggle with real-time stability and produce flickering predictions. We present a two-stage pose-based detection system: YOLOv12n detects humans in each frame, and MediaPipe Holistic extracts pose features. A Support Vector Classifier (SVC) and Neural Network (NN) then classify 15-frame temporal segments as either "still" or "looking around." On our custom dataset, SVC achieves 97.35% accuracy while NN achieves 97.00%. Temporal smoothing eliminates prediction flickering, enabling stable real-time deployment. SVC provides better precision-recall balance, NN offers greater adaptability to complex pose variations.