Ramadhan Wahyu Sahputra

Penelitian ini bertujuan mengembangkan sistem prediksi kandungan gula pada madu lebah tanpa sengat dengan metode Partial Least Squares Regression (PLSR). Metodologi yang digunakan melibatkan model Waterfall untuk pengembangan sistem dan CRISP-DM untuk pengelolaan data. Dataset yang digunakan meliputi spektrum UV-Vis madu, mencakup panjang gelombang, nilai serapan cahaya, dan kandungan gula. Untuk mengatasi keterbatasan jumlah data yang hilang, penelitian ini juga mencakup pembuatan data sintetis untuk memperkaya dataset dan meningkatkan akurasi model. Hasilnya menunjukkan sistem prediksi dengan akurasi tinggi: R2 = 0.98, MSE = 0.02, MAE = 0.09, RMSE = 0.15, dan MAPE = 1.3%. Penelitian ini me...

Ramadhan Wahyu Sahputra

Penelitian ini bertujuan mengembangkan sistem prediksi kandungan gula pada madu lebah tanpa sengat dengan metode Partial Least Squares Regression (PLSR). Metodologi yang digunakan melibatkan model Waterfall untuk pengembangan sistem dan CRISP-DM untuk pengelolaan data. Dataset yang digunakan meliputi spektrum UV-Vis madu, mencakup panjang gelombang, nilai serapan cahaya, dan kandungan gula. Untuk mengatasi keterbatasan jumlah data yang hilang, penelitian ini juga mencakup pembuatan data sintetis untuk memperkaya dataset dan meningkatkan akurasi model. Hasilnya menunjukkan sistem prediksi dengan akurasi tinggi: R2 = 0.98, MSE = 0.02, MAE = 0.09, RMSE = 0.15, dan MAPE = 1.3%. Penelitian ini me...

Ramadhan Wahyu Sahputra

Penelitian ini bertujuan mengembangkan sistem prediksi kandungan gula pada madu lebah tanpa sengat dengan metode Partial Least Squares Regression (PLSR). Metodologi yang digunakan melibatkan model Waterfall untuk pengembangan sistem dan CRISP-DM untuk pengelolaan data. Dataset yang digunakan meliputi spektrum UV-Vis madu, mencakup panjang gelombang, nilai serapan cahaya, dan kandungan gula. Untuk mengatasi keterbatasan jumlah data yang hilang, penelitian ini juga mencakup pembuatan data sintetis untuk memperkaya dataset dan meningkatkan akurasi model. Hasilnya menunjukkan sistem prediksi dengan akurasi tinggi: R2 = 0.98, MSE = 0.02, MAE = 0.09, RMSE = 0.15, dan MAPE = 1.3%. Penelitian ini me...

Muhammad Akbar Hidayatulloh

Pengelolaan konfigurasi pada server yang sudah ada dapat menjadi tantangan tersendiri, terutama jika jumlah perangkat yang dikelola cukup besar. Proses instalasi dan konfigurasi manual satu per satu pada server tersebut memerlukan waktu yang cukup lama. Untuk itu diperlukan Ansible dan Terraform dalam Manajemen Konfigurasi secara otomatis. Tujuan dari penelitian ini adalah menganalisis kinerja dari aplikasi Ansible dan Terraform sebagai aplikasi manajemen konfigurasi dalam deployment beberapa aplikasi kebutuhan server seperti aplikasi Prometheus, Fail2ban dan Uncomplicated Firewall (Ufw) yang berada di ruang server Jurusan Teknik Informatika dan Komputer. Metode yang digunakan pada peneliti...

Muhammad Akbar Hidayatulloh

Pengelolaan konfigurasi pada server yang sudah ada dapat menjadi tantangan tersendiri, terutama jika jumlah perangkat yang dikelola cukup besar. Proses instalasi dan konfigurasi manual satu per satu pada server tersebut memerlukan waktu yang cukup lama. Untuk itu diperlukan Ansible dan Terraform dalam Manajemen Konfigurasi secara otomatis. Tujuan dari penelitian ini adalah menganalisis kinerja dari aplikasi Ansible dan Terraform sebagai aplikasi manajemen konfigurasi dalam deployment beberapa aplikasi kebutuhan server seperti aplikasi Prometheus, Fail2ban dan Uncomplicated Firewall (Ufw) yang berada di ruang server Jurusan Teknik Informatika dan Komputer. Metode yang digunakan pada peneliti...