Deteksi Cyberbullying pada Facebook Menggunakan Algoritma K-Nearest Neighbor

Kasus penghinaan di Indonesia yang dilakukan di media sosial seperti Facebook sudah disinggung pada Undang-Undang Nomor 11 Tahun 2008 tentang Informasi dan Transaksi Elektronik UU ITE pasal 27 ayat 3. Maraknya penggunaan facebook yang meningkat secara cepat mengindikasi berbuat kejahatan. Jumlah like dan komentar bisa diketahui otomatis, namun seberapa besar sentimen positif dan negatif pengguna masih perlu dievaluasi. Evaluasi deteksi sentimen menjadi penting karena bertujuan untuk membantu kebijakan pihak facebook menindak lanjuti pelaku cyberbullying. Metode yang diusulkan dengan pendekatan K-NN yang menjadi bagian algoritma machine learning untuk menemukan kelas atau nilai K agar memperoleh nilai yang baik. Hasil akurasi menggunakan K-NN untuk deteksi cyberbullying pada facebook dalam mengenali sentiment positif cyberbullying perolehan akurasi tertinggi saat menggunakan 1-NN. Akurasi tertinggi pada lowercase dan uppercase influence perolehan sama 71,43%. Diikuti influence punctuation 71,40% dan akurasi pengaruh normalisasi kata dasar 70,80%. Namun waktu komputasi tercepat pengujian saat influence punctuation yaitu 0,00 pengujian lain menghasilkan 0,01.

Optimasi Query Hash Join Dan Inner Join Pada Sistem Pencarian Data Tracer Study

Optimasi query merupakana solusi dalam permasalahan kompleknya query yang kita buat guna menghasilkan data dengan kondisi tertentu, optimasi query memberikan sebuah model pemecahan masalah dengan menggabungkan teknik-teknik yang meliputi transformasi logika serta mempresentasikan teknik tersebut dalam sebuah masalah. Semua model query yang menghasilkan (output) yang sama tetapi waktu proses yang berbedabeda. Pemecahan masalah dengan membandingkan dua bentuk algoritma yang paling banyak digunakan merupakan salah satu yang menjadi pertimbangan peneliti untuk mengetahui mana yang terbaik yang dapat digunakan pada kondisi tertentu. Hash join dan Inner join query merupakan query yang termasuk banyak digunakan untuk sebuah rancang bangun basis data. Masalah paling penting adalah bagaimana menentukan query dengan akses tercepat dari query tersebut pada sebuah basis sistem tertentu, sehingga menjadikan judul ini sebagai pertimbangan dari penulis untuk melakukan optimasi query pencarian data alumni dengan Hash Join query.

Modifikasi Kriptografi Klasik Kombinasi Metode Vigenere Cipher dan Caesar Cipher

Keamanan dan kerahasiaan data masih menjadi aspek yang perlu diperhatikkan dalam berkomunikasi. Tidak adanya prosedur keamanan yang tepat menyebabkan maraknya kasus pencurian data. Tindakan pencurian data sering terjadi pada aplikasi maupun jaringan komunikasi khususnya data berupa teks. Penyebab utama tindakan pencurian data berupa teks adalah belum adanya prosedur keamanan yang tepat. Maka diperlukan suatu metode penyandian data atau kriptografi. Penyandian atau enkripsi data merupakan salah satu teknik keamanan data yang sering digunakan. Adanya metode kriptografi diharapkan dapat meminimalisir kasus pencurian atau penyadapan data. Penelitian ini bertujuan untuk memberikan prosedur keamanan pada data teks dengan menggabungkan dua metode kriptografi yaitu Vigenere Cipher dan Caesar Cipher, dalam proses kombinasi metode Vigenere Cipher dan Caesar Cipher menggunakan kata kunci yang berbeda. Vigenere menggunakan kunci berupa teks sedangkan Caesar menggunakan pergeseran angka sebagai kuncinya. Pada penelitian ini akan dilakukan penyandian dengan perhitungan manual dan program. Dari hasil pengujian didapatkan bahwa hasil penyandian dengan cara perhitungan manual bernilai sama dengan perhitungan program, jika input plainteks menggunakan huruf kapital. Berdasarkan kapasitas informasi didapatkan bahwa tingkat keberhasilan pengujian 100% dengan 15 kali percobaan proses hingga 5000 karakter plainteks dan cipherteks

Implementasi Simple Addictive Weighting (SAW) Pada Penentuan Kepala Kompetensi Keahlian SMK PGRI 1 NGAWI

Kepala Kompetensi Keahlian (Kakomli) merupakan jabatan yang penting dalam sebuah kompetensi keahlian di SMK PGRI 1 Ngawi. Penelitian ini merupakan penelitian tindakan yang bersifat kasual dan dengan pendekatan kualitatif dan penelitian ini berfokus pada penentuan Kepala Kompetensi Keahlian. Pemilihan Kepala Kompetensi Keahlian harus berdasarkan pada kriteria yang telah ditentukan. Simple Additive Weighting merupakan metode yang sesuai untuk melakukan perhitungan menggunakan multi kriteria dan memiliki tingkat akurasi yang tinggi. Pada penelitian ini yang menjadi kriteria pada perhitungan metode SAW adalah penilaian pimpinan, tingkat pendidikan guru, lama kerja guru, dan status guru. Hasil penelitian menunjukkan bahwa dengan menggunakan metode SAW didapatkan hasil perhitungan yang akurat dan dalam waktu yang singkat.

Penggunaan Topsis Dalam Menentukan Kepala Bagian Di Universitas Tunas Pembangunan Surakarta

Universitas Tunas Pembangunan (UTP) merupakan salah satu Universitas tertua dan cukup besar di kota Surakarta dengan empat Fakultas dan 12 Program Studi. Dengan memiliki lebih dari 100 tenaga kependidikan dan lebih dari 125 tenaga pendidik, dalam menentukan kepala bagian menjadi sesuatu yang harus dilakukan dengan pertimbangan yang matang agar tenaga pendidik dan kependidikan yang memiliki jabatan kepala bagian dapat bekerja dengan tanggung jawab yang besar.Penelitian dilakukan dengan metode wawancara dan observasi, serta menggunakan metode TOPSIS sebagai metode pendukung keputusan dalam penentuan kepala bagian. Dalam penggunaan TOPSIS terdapat beberapa kriteria dalam perhitungan diantaranya adalah penilaian pimpinan, status pegawai, pendidikan terakhir, dan masa kerja calon kepala bagian. Perhitungan dengan menggunakan metode TOPSIS menghasilkan perhitungan yang ideal sesuai dengan kriteria dan bobot yang telah ditentukan, sehingga pimpinan Universitas dapat menentukan tenaga pendidik dan kependidikan yang benar-benar kompeten dalam menduduki jabatan kepala bagian di Universitas Tunas Pembangunan