Penelitian ini mengungkapkan bagaimana pentingnya penanganan deteksi profile nasabah untuk meminimalisir terjadinya penyalahgunaan akun nasabah. Kebutuhan akan nasabah baru dengan berbagai macam produk perbankan membuat layanan screening awal begitu penting dilakukan oleh pihak perbankan agar mendapatkan informasi profile resiko nasabah sejak dini. Oleh karena itu, tujuan dari penelitian ini adalah menentukan model terbaik dari klasifikasi data profile nasabah dengan cara membandingkan model klasifikasi data mining Naïve Bayes, Decision Tree, Random Forest, KNN, SVM. Model dengan akurasi terbaik inilah yang nantinya akan direkomedasikan sebagai model aternatif untuk melakukan prediksi profile resiko nasabah. Pada penelitian ini juga dilakukan proses optimasi dengan menggunakan Optimize Selection (Evolutionary) pada setiap teknik klasifikasi yang digunakan. Dimana dihasilkan bahwa model algoritma Random Forest mendapatkan hasil total akurasi paling baik yaitu sebesar 82.55% dengan angka kenaikan optimasi sebesar 2.51%. Proses training dan testing pada penelitian ini menggunakan komposisi 80% dataset training dan 20% dataset untuk testing sedangkan metodologi yang digunakan pada penelitian ini adalah dengan menggunakan CRISP-DM.

Perkembangan teknologi sistem informasi dan ilmu pengetahuan khususnya dalam bidang pemasaran membuat para pelaku usaha berupaya untuk meningkatkan competitive advantage mereka dengan mengerahkan sumber daya yang dimiliki oleh perusahaan. Perusahaan dituntut untuk berinovasi dalam mengelola perusahaannya agar dapat bertahan dalam dunia persaingan. Kemampuan untuk memprediksi pelanggan prabayar yang berpotensi tambah daya listrik merupakan salah satu strategi pendukung untuk keberhasilan program pemasaran tambah daya pelanggan berdasarkan karakteristik konsumsi listriknya. Berdasarkan hal tersebut, penelitian ini mengajukan metode prediksi pelanggan prabayar dengan memanfaatkan algoritma pengelompokan (Clustering) dan klasifikasi. Data yang diolah adalah data pelanggan prabayar tarif rumah tangga yang memiliki fitur variabel daya listrik pelanggan (VA), frekuensi beli token listrik, total pemakaian kWh, total rupiah pembelian token, selisih daya VA pelanggan, jam nyala, periode hari pembelian token listrik, dan riwayat tambah daya listrik pelanggan. Pengelompokan dilakukan dengan menerapkan algoritma K-means. Dari hasil tersebut, model prediksi dibangun sesuai target setiap klaster dengan memanfaatkan dua metode, Gradient Boosting dan Artificial Neural Network. Evaluasi prediksi model terbaik dilakukan dengan menerapkan tiga skenario proporsi data latih dan data uji, yang selanjutnya diukur menggunakan matrik akurasi dan Cohen Kappa. Hasil eksperimen menghasilkan empat klaster berdasarkan karakteristik konsumsi listriknya. Gradient Boosting memberikan hasil yang terbaik untuk semua klaster, untuk klaster 1 menghasilkan nilai AUC 0.784, klaster 2 menghasilkan nilai AUC 0.941, klaster 3 menghasilkan nilai 0.884 dan klaster 4 menghasilkan nilai AUC 0.903.

Penelitian ini mengukur kualitas sistem informasi akademik dengan studi kasus Sistem Pembelajaran Online (SPON) Universitas MDP. Setelah melakukan studi literatur, penelitian ini dimulai dengan menyebarkan kuesioner yang disusun berdasarkan metode McCall. Metode McCall merupakan salah satu dari metode-metode yang dapat digunakan untuk mengukur kualitas perangkat lunak. Selanjutnya hasil dari pengisian kuesioner diuji nilai validitas dan reliabilitasnya untuk mendapatkan variabel-variabel dan indikator-indikator yang valid dan reliabel. Variabel dan indikator tersebut selanjutnya digunakan untuk mengukur nilai kualitas (Fa) dari setiap variabel. Pengukuran tersebut dimulai dengan proses pembobotan variabel dan indikator melalui kuesioner yang diisi oleh pakar. Pembobotan tersebut menggunakan skala 0,1 sampai dengan 0,5 untuk setiap variabel kebenaran, keandalan, efisiensi, integritas, dan penggunaan beserta indikatornya masing-masing. Hasil perhitungan metode McCall terhadap kualitas SPON menunjukkan nilai kualitas sebesar 44,69%. Nilai kualitas tersebut berada pada rentang 41-60% yang menunjukkan angka interpretasi cukup. Artinya, berdasarkan perhitungan kualitas sistem informasi menggunakan metode McCall, sistem informasi akademik SPON merupakan sistem yang cukup berkualitas.

Penelitian ini bertujuan untuk merancang sistem server load balancing web server dan selanjutnya melakukan analisis masalah-masalah yang ada sebagai dasar perancangan server untuk mengatasi masalah yang ada pada server yang akan dibuat. Penelitian ini dilakukan dengan menggunakan pendekatan berlandaskan pada metode perancangan atau eksperimental, selanjutnya dilakukan analisa terhadap kondisi server sebelum dan sesudah dirancangnya load balancing web server serta aplikasi website yang akan diterapkan dengan mengimplementasikan load balancing web server menggunakan HAProxy. Hasil dari penelitian ini menunjukkan bahwa load balancing web server menggunakan HAProxy dapat meningkatkan performansi server website berdasarkan tingkat ketersediaan server (uptime) sebesar 99,49% dan rata – rata waktu klik sebesar 7,291ms per user serta konsistensi data pada server website Universitas Dehasen Bengkulu. Untuk menjaga konsistensi data, pada pengembangan server ini juga memanfaatkan fasilitas replikasi data. Dengan solusi ini tingkat ketersediaan server akan terjaga dan konsistensi data yang terjamin.

Proses yang tidak terdokumentasi dapat menjadi masalah apabila tidak ada suatu prosedur yang mendasarinya, khususnya pada proses yang melibatkan banyak aktivitas. Prosedur dibutuhkan untuk mengatur kegiatan dalam mencapai tujuan tertentu. Dalam hal memenuhi tujuan tersebut, dibuatlah panduan berupa Standar Operasional Prosedur (SOP) yang dapat memberikan manfaat bagi organisasi mana pun yang menerapkannya. SOP juga menjadi dasar dalam proses evaluasi antara kenyataan di lapangan dengan prosedur yang telah dibuat ke dalam SOP sehingga diperlukan suatu teknik untuk mengevaluasi antara SOP dengan kenyataan. Process mining merupakan teknik evaluasi antara suatu model proses dengan data peristiwa atau event log yang terdapat dalam sistem informasi. Berbagai metode process mining telah dikenalkan yaitu algoritma Alpha dan Heuristic Miner. Algoritma Alpha dan Heurisctic pada penelitian ini akan dihitung nilai fitness dan presisi. Fitness dilakukan dengan mengukur kesesuaian antara event log dan model proses. Presisi mengukur apakah suatu algoritma tepat untuk menyelesaikan kasus tertentu. Berdasarkan evaluasi yang dilakukan, algoritma Alpha tidak mampu menggambarkan proses sesuai dengan event log PKL. Hal ini disebabkan karena varian kasus mengandung proses loop/perulangan. Hal ini juga menunjukkan event log yang ada pada proses PKL belum menerapkan SOP PKL. Sedangkan Heuristic Miner mengabaikan proses minor menyebabkan proses-proses yang tidak banyak terjadi, tidak digambarkan ke dalam model proses. Secara keseluruhan proses model yang terbentuk menggunakan algoritma Alpha yang paling mendekati dengan kenyataan karena memiliki fitness 0,96.

Helpdesk merupakan aplikasi yang bermanfaat bagi pengguna nya untuk memperoleh informasi mengenai layanan yang ada pada sebuah perusahaan atau instansi pemerintah. Proses disposisi tiket helpdesk secara manual dapat menimbulkan kesalahan dalam menentukan unit tujuan tiket serta memperpanjang masa penyelesaian tiket karena adanya waktu tunggu untuk mendisposisikan tiket menuju unit yang sesuai. Klasifikasi teks helpdesk sangat diperlukan untuk mendisposisikan tiket secara tepat dan cepat ke unit yang berwenang menangani tiket. Teks helpdesk diklasifikasi ke dalam 8 kategori unit tujuan yaitu Setditjen, Dit.Humas, Dit.PKNSI, Dit.KND, Dit.BMN, Dit.Penilaian, Dit.PNKNL, dan Dit.Lelang. Klasifikasi menggunakan metode K-Nearest Neighbor (KNN) dengan jumlah tetangga terdekat (k) yaitu k=1,3,5,7,9,11,13,15,17,19 serta metode pembobotan TF-ABS untuk proses seleksi fitur. Jumlah fitur yang digunakan untuk klasifikasi sebanyak 5%, 10%, 15%, 20%, 25% dan 30% dari jumlah seluruh dokumen. Akurasi klasifikasi tertinggi sebesar 90,04% diperoleh pada k=3 dan jumlah fitur sebanyak 15%, sedangkan akurasi terendah 84,54% pada k=19 dan jumlah fitur sebanyak 30%. Hasil klasifikasi helpdesk menggunakan KNN dan TF-ABS dapat menghasilkan akurasi cukup baik.

Sistem pengelolahan dokumen secara elektronik sudah menjadi salah satu kebutuhan penting dalam institusi pendidikan khususnya dalam pengelolaan naskah soal. Masalah utama dalam pengelolaan naskah elektronik adalah adanya berbagai format yang digunakan serta kekhawatiran terhadap tingkat keamanan akun. Sistem keamanan akun dengan menggunakan password yang sederhana akan mudah diretas sedangkan penggunaan sistem yang kompleks akan mempersulit pengguna. Departemen Informatika Universitas Diponegoro mengembangkan sistem manajemen naskah soal yang mampu menghasilkan format naskah soal sesuai dengan standar tunggal serta memiliki sistem keamanan yang sederhana namun kuat melalui sistem pre-hash coding dengan nilai unik pengguna melalui dua skema. Pengujian pertama yang dilakukan berhasil membuktikan kemampuan sistem dalam menghasilkan naskah soal sesuai dengan standar tunggal. Percobaan kedua dilakukan untuk menguji tingkat keamanan terhadap nilai hash dari sampel password melalui uji brute-force menggunakan sistem Hashcat. Sistem yang diusulkan mampu menggagalkan peretasan sebesar 40% pada karakter alfanumerik pada skema pertama dengan operator bitwise xor sedangkan pada skema kedua dengan operator penjumlahan mampu menggagalkan seluruh peretasan yang dilakukan. Sistem yang diusulkan mampu memenuhi kebutuhan pengguna terhadap password yang sederhana namun kuat.

Bisnis kuliner semakin dinamis disebabkan perubahan selera konsumen, orang-orang cenderung mengunjungi tempat kuliner pilihan dengan pertimbangan kriteria dan mengikuti perkembangan trend. Pengumpulan data menggunakan google trends untuk mengetahui trend masyarakat terhadap tempat kuliner di Bekasi dan google maps khusususnya untuk memperoleh tempat kuliner disekitar Universitas Bhayangkara Jakarta Raya di Bekasi. Metode Weighted Product (WP) mampu memberikan hasil keputusan berupa rekomendasi tempat kuliner di kota Bekasi berdasarkan kriteria dan memberikan hasil berdasarkan nilai alternatif tertinggi. Kriteria penelitian dalam memilih tempat kuliner berdasarkan harga, jumlah varian menu, rating dan jarak. Alternatif yang diberikan sejumlah sepuluh tempat yang direkomendasikan. Berdasarkan perhitungan diperoleh hasil alternatif delapan merupakan rekomendasi tempat kuliner yang dipilih karena memiliki hasil nilai preferensi atau vektor V tertinggi sebesar 0,126. Dengan tingkat akurasi metode Weighted Product sebesar 70% termasuk dalam kategori cukup baik.Kata kunci: Bekasi, Kuliner, Metode Weighted Product, Rekomendasi