Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal CogITo Smart Journal
George Morris William Tangka
Universitas Klabat
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Tata Kelola Teknologi Informasi Menggunakan Framework COBIT 2019 Pada Perusahaan PT. Pelindo TPK Bitung George Morris William Tangka; Erienika Lompoliu
CogITo Smart Journal Vol. 9 No. 2 (2023): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v9i2.577.355-367

Abstract

Tata kelola teknologi informasi (TI) merupakan aspek yang sangat krusial bagi perusahaan dalam mengelola aset TI yang dimilikinya. Penelitian ini menyelidiki implementasi COBIT 2019 di PT. Pelindo TPK Bitung, sebuah perusahaan logistik dan penyimpanan, dengan tujuan meningkatkan tata kelola Teknologi Informasi (TI) perusahaannya. Menghadapi tantangan dalam manajemen TI, perusahaan mengadopsi COBIT 2019 untuk meningkatkan efisiensi operasional, mengurangi risiko keamanan, dan memastikan kepatuhan regulasi. Studi ini menggunakan pendekatan terstruktur dengan memanfaatkan COBIT 2019 Design Toolkit, dan melibatkan tinjauan literatur, wawancara, serta evaluasi sistematis terhadap tata kelola TI PT. Pelindo TPK Bitung. Temuan dari wawancara pertama menyoroti fokus perusahaan pada pertumbuhan, inovasi, dan peran TI yang strategis, sekaligus tantangan dalam mengintegrasikan TI dan operasional. Sasaran utama tata kelola, yaitu DSS05 - Managed Security Services, mencapai tingkat kemampuan 3, menunjukkan keberhasilan yang signifikan, meskipun terdapat celah pada aspek keamanan yang memerlukan peninjauan kebijakan segera. Sebagai kesimpulan, implementasi COBIT 2019 di PT. Pelindo TPK Bitung telah mencapai kesuksesan yang signifikan, mencapai tingkat kemampuan 3, dengan saran untuk menjaga dan meningkatkan manajemen keamanan. Penelitian ini memberikan wawasan tentang implementasi COBIT 2019, memberikan pemahaman menyeluruh tentang dampaknya pada tata kelola TI dalam konteks organisasi yang spesifik.
Deep Learning for Peak Load Duration Curve Forecasting George Morris William Tangka; Lidya Chitra Laoh
CogITo Smart Journal Vol. 10 No. 1 (2024): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v10i1.694.603-612

Abstract

As the energy landscape changes towards renewable energy sources and smart grid technologies, accurate prediction of peak load duration curve (PLDC) becomes crucial to ensure power system stability. The background to this research is the urgent need for more effective prediction methods to manage increasingly complex energy loads. This research presents a leading-edge approach to PLDC prediction, leveraging Deep Learning, a subsection of artificial intelligence. Focusing on data from the Taiwan State Electric Company, this study uses a Long Short-Term Memory (LSTM) network to capture complex load patterns. The LSTM model, consisting of two layers and trained on 2019-2020 data, demonstrated excellent accuracy with a Mean Absolute Percentage Error (MAPE) as low as 0.03%. These results confirm the potential of Deep Learning to revolutionize PLDC predictions in complex energy systems. These research recommendations involve exploring diverse datasets, integrating real-time data streams, and conducting comparative analyses for more reliable prediction methodologies. The benefits of this research include providing relevant insights for sustainable energy resource management amidst a dynamic energy landscape.
Co-Authors Erienika Meiling Lompoliu Lidya Chitra Laoh