Efisiensi di sepanjang rantai pasokan industri F & B yang terintegrasi dengan kemajuan teknologi telah mendorong penerapan sistem ketertelusuran produk dalam bentuk pemanfaatan Internet of Things (IoT). tujuan dari penelitian ini adalah untuk menyelidiki adopsi IoT di pada Startup Industri F&B di Jawa Barat-Indonesia. Data dianalisa dengan menyebarkan kuesioner terhadap 30 Startup Industri F&B di Jawa Barat dengan menggunakan analisis Stuctural Equation Modeling (SEM) menggunakan aplikasi AMOS. Hasil penelitian menunjukkan bahwa sebagian besar Startup Industri F&B di Jawa Barat menunjukkan tingkat adopsi IoT yang cukup dalam mengelola proses produksi produk F&B mereka

Serangan cyber yang semakin meningkat menjadikan persoalan bagi penyedia layanan jasa internet. Contoh jenis serangan cyber yang digunakan adalah dengan teknik serangan DDoS dan Brute Force. Perangkat jaringan seperti Mikrotik pun bisa menjadi target dari serangan. Upaya mencegah serangan diperlukan dengan suatu sistem keamanan. Penelitian ini menggunakan metode kuantitatif dengan menganalisis performasi dan kinerja dari Mikrotik apabila terjadi serangan. Hasil Pengujian, serangan DDos sebanyak 171847 serangan ke port 80 terpantau CPU Mikrotik sebesar 96,81% dan pada webserver sebesar 16,61%. Perangkat Mikrotik yang telah terkena serangan DDoS sudah tidak dapat lagi beroperasi secara normal. Namun saat skenario serangan Brute Force, terpantu normal 4,76% pada CPU Mikrotik karena port forwarding telah meneruskan paket serangan ke server Honeypot. Kesimpulan dari penelitian ini serangan DDoS dan Brute Force mengakibatkan peningkatan beban kinerja CPU baik pada Mikrotik maupun pada server Honeypot.

Pengelompokkan peneliti seringkali menggunakan informasi tekstual yang terdapat pada artikel ilmiah peneliti, contohnya judul, abstrak, dan kata kunci sehingga menghasilkan kelompok peneliti dengan kemiripan informasi tekstual pada artikel ilmiah mereka. Pengelompokkan peneliti juga seringkali menggunakan jumlah publikasi dan sitasi sehingga menghasilkan kelompok peneliti yang memiliki jumlah publikasi dan sitasi yang cenderung sama. Berdasarkaan kedua metode di atas, penelitian ini mencoba untuk menganalisis penggunaan topik artikel ilmiah pada proses ekstraksi fitur produktivitas. Fitur ini merupakan fitur yang didapatkan melalui penghitungan kinerja peneliti berdasarkan jumlah publikasi dan sitasi. Hasil ekstraksi fitur akan digunakan untuk klasterisasi peneliti menggunakan metode K-Means++. Sebelum data peneliti diklasterisasi, terlebih dahulu data peneliti dianalisis untuk menghilangkan kemungkinan adanya outlier. Evaluasi hasil klaster dilakukan dengan mempertimbangkan nilai Sum Squared Error dan Silhouette. Hasilnya, klaster optimal didapatkan dengan nilai K sama dengan 8 dan nilai silhouette sama dengan 0.15396. Kemudian, hasil klaster dianalisis untuk dapat memberikan label terhadap masing-masing klaster dengan mempertimbangkan topik artikel ilmiah, jumlah publikasi dan jumlah sitasi.

Perangkingan dokumen telah menjadi topik yang banyak dibahas pada sistem temu kembali informasi untuk memberikan urutan dokumen paling relevan berdasarkan kueri yang diberikan oleh pengguna. Namun, penelitian tentang perangkingan dokumen dalam bahasa Arab masih belum banyak dilakukan karena memiliki morfologi yang unik dan literatur dalam bahasa Arab yang masih sedikit. Selain itu, didalam proses perangkingan juga diperlukan perhitungan pembobotan kata yang optimal supaya dapat memberikan hasil yang sesuai. Pembobotan kata yang paling umum digunakan adalah term frequency-inverse document frequency (TF.IDF) yang hanya menghitung pembobotan setiap kata berdasarkan pengelompokan dokumen saja sehingga dapat menyebabkan relevansi antar dokumen menjadi rendah karena memiliki tingkat kemiripan antar dokumen yang berbeda. Oleh karena itu, diperlukan suatu pembobotan kata berdasarkan pengelompokan dokumen dalam suatu cluster untuk meningkatkan relevansi antar dokumen. Tujuan penelitian ini membuat metode perangkingan dokumen berbahasa Arab dengan menggunakan pembobotan berbasis cluster yang menggabungkan TF.IDF dan inverse cluster frequency (ICF) sehingga diperoleh TF.IDF.ICF. Evaluasi dilakukan menggunakan dokumen e-book berbahasa Arab yang telah dikelompokkan menjadi tiga cluster. Hasil penelitian membuktikan pembobotan TF.IDF.ICF mampu menemukan dokumen paling relevan terhadap kueri yang dimasukan oleh pengguna serta memperoleh nilai rata-rata precision dan F1-Measure yang lebih tinggi daripada hanya menggunakan pembobotan TF.IDF yaitu sebesar 68% dan 78%.

Pandemi Covid-19 yang terjadi bersamaan dengan proses penerimaan mahasiswa baru membuat Universitas XYZ mengembangkan sistem informasi pendaftaran online untuk melayani proses tersebut pada tahun akademik 2020/2021 karena pembatasan sosial berskala besar. Tujuan penelitian ini untuk mengevaluasi tingkat penggunaan dan penerimaan pengguna terhadap sistem tersebut sehingga dapat memberikan rekomendasi dalam pemeliharaan sistem. Pengkajian dilakukan dengan menggunakan konstruk Technology Acceptance Model (TAM), yaitu Perceived Usefulness (PU), Perceived Ease of Use (PEU), Attitude Towards Using (ATU), Behavior Intention to Use (BIU), dan Actual Technology Use (ATU). Konstruk TAM dianalisis dengan metode Partial Least Squares-Structural Equation Modeling (PLS-SEM). Hasil pengujian membuktikan ada pengaruh positif dan signifikan antara PU terhadap ATG dengan nilai 2,398, PEU terhadap PU dengan nilai 12,539, PEU terhadap ATG dengan nilai 8,609, ATG terhadap BIU dengan nilai 5,902, serta BIU terhadap ATU dengan nilai t statistik 28,806. Sedangkan hubungan antara PU terhadap BIU tidak memiliki relasi yang signifikan karena nilai t-statistiknya kurang dari t-tabel, yaitu 1,912. Berdasarkan hasil penelitian, dapat disimpulkan bahwa kemudahan menggunakan sistem memiliki pengaruh yang kuat terhadap sikap pengguna. Sementara sikap pengguna mempengaruhi niat perilaku, dan niat perilaku pengguna mempengaruhi penggunaan teknologi secara aktual. Sehingga untuk pemeliharaan sistem, harus diperhatikan dari sisi kemudahan dalam penggunaan sistem.

Penggunaan mesin reverse osmosis untuk memenuhi kebutuhan air layak minum dalam industri food and beverages adalah satu kesatuan yang tidak dapat dipisahkan. Salah satu permasalahan yang sering terjadi adalah kebocoran pada mesin tersebut. Pada penelitian ini dirancang sebuah alat rancang bangun sistem proteksi kebocoran prototipe mesin reverse osmosis berbasis mikrokontroler untuk mengurangi kerugian yang diakibatkan dari kebocoran. Proteksi kebocoran pada sistem menggunakan solenoid valve yang berfungsi mengatur buka atau tutup valve air. Sistem mendapat masukan dari sensor tekanan dan debit, sensor tersebut digunakan untuk menentukan apakah telah terjadi kebocoran. Keluaran yang dihasilkan berupa sinyal yang mengatur buka atau tutup solenoid valve dan mengirim pesan ke whatsapp bahwa telah terjadi kebocoran. Berdasarkan pengujian yang telah dilakukan sistem ini dapat memproteksi kebocoran dengan aktifnya solenoid valve (tutup) saat sistem mendeteksi kebocoran. Selisih debit air masuk dengan debit air keluar lebih dari 1 ml/s dan selisih tekanan air masuk dengan tekanan air keluar lebih dari 10 Kpa, maka sistem akan menganggap telah terjadi kebocoran. Semakin besar lubang kebocoran maka selisih tekanan air dan selisih debit air semakin besar. Sistem dapat mengirim pesan kebocoran ke whatsapp menggunakan komunikasi serial antara arduino mega2560 dengan pycharm IDE.

Klasifikasi adalah proses menemukan model atau fungsi yang menggambarkan dan membedakan kelas atau konsep data. Algoritma k-NN (k Nearest Neighbors) merupakan algoritma klasifikasi berdasarkan pembelajaran dari data yang sudah terklasifiasi sebelumnya. Algoritma k-NN (k Nearest Neighbors) merupakan algoritma yang sangat bagus dalam menangani beberapa kasus, salah satu kelebihan k-NN diantaranya adalah tangguh terhadap data training yang noisy dan sangat efektif apabila data trainingnya besar. Namun terdapat beberapa masalah pada algoritma k-NN diantaranya adalah penentuan nilai k untuk pemilihan jumlah tetangga terdekatnya sangat sulit, karena nilai k sangat peka atau sensitif terhadap hasil klasifikasi. Pada penelitian ini, akan dilakukan pemodelan klasifiasi dengan menggunakan algoritma k-NN yang difokuskan pada proses penentuan nilai k terbaik pada dataset IKG (Indeks Kesulitas Geografis) desa. Pada penelitian ini akan melakukan integrasi algoritma k-NN dengan menentukan nilai k optimal dengan optimize parameters berdasar algoritma genetika.

Pernyataan Mendikbud Republik Indonesia mengenai keberlanjutan pembelajaran daring memperoleh komentar positif dan negatif dari masyarakat melalui Twitter. Tweet atau komentar masyarakat berbahasa Indonesia melalui Twitter diambil secara crawling. Komentar tersebut merupakan opini masyarakat yang perlu didengar. Permasalahannya, komentar tersebut sulit dipilah untuk mendapatkan term atau kata hasil dari komentar positif atau negatif sehubungan penggunaan ragam kata yang digunakan diantaranya penggunaan bahasa tidak formal, simbol, singkatan, bahasa asing, dan bahasa daerah. Untuk mengatasi hal tersebut dilakukan penelitian menggunakan analisis sentimen. Tahapan penelitian yang dilakukan terdiri dari pengambilan data mentah; pre-processing data; seleksi fitur dengan Term Frequency dan TF-IDF; klasifikasi dengan Support Vector Machine (SVM); dan evaluasi menggunakan k-Fold Cross Validation dan Confusion Matrix. Tujuan penelitian adalah melakukan analisis sentimen komentar masyarakat terhadap pernyataan Mendikbud mengenai keberlanjutan pembelajaran daring dengan klasifikasi dua kelas yaitu positif dan negatif. Data yang digunakan berjumlah 200 data tweet terdiri dari 100 komentar positif dan 100 komentar negatif menggunakan lima rasio perbandingan data latih dan data uji. Penelitian ini menghasilkan evaluasi yang cukup baik sehingga kata-kata dengan nilai seleksi fitur tertinggi dapat menjadi bahan pertimbangan mewakili suara masyarakat yang disampaikan melalui Twitter, dimana diperoleh nilai tertinggi pada accuracy sebesar 86,00%, precision sebesar 87,38%, dan recall sebesar 85,02%.

Kualitas jaringan Long Term Evolution (LTE) di Kota Tangerang Selatan masih kurang optimal, berdasarkan data hasil drive test nilai rata-rata RSRP dan SINR termasuk dalam kategori buruk. Hal tersebut dikarenakan jumlah site yang masih kurang, serta gedung-gedung yang menghalangi site. Perlu dilakukan perencanaan ulang untuk meningkatkan kinerja jaringan LTE di Kota Tangerang Selatan dengan melakukan perhitungan estimasi jumlah penduduk serta pengguna seluler pada tahun 2024, untuk mengetahui jumlah site yang dibutuhkan yang mencakup seluruh area di Kota Tangerang Selatan. Nilai total loss yang disebabkan oleh gedung–gedung di wilayah Kota Tangerang Selatan juga diperhitungkan, dengan menggunakan perbandingan model propagasi COST 231 dan Lee, sehingga didapatkan prediksi cakupan site serta jumlah site yang dapat mencakup keseluruhan area. Hasil yang didapatkan dari perencanaan jaringan 4G LTE di Kota Tangerang Selatan pada eNodeB berdasarkan kapasitas dari nilai parameter RSRP dan SINR termasuk dalam kategori sangat baik. Sedangkan berdasarkan coverage menggunakan model propagasi COST 231 dan Lee, didapatkan model propagasi Lee yang sesuai dengan parameter serta mencakup area lebih luas dibandingkan model propagasi COST 231. Dari keseluruhan hasil simulasi untuk nilai RSRP dan SINR sudah sesuai dengan standar KPI, yaitu nilai RSRP > -80dBm dan nilai SINR > 5dB.

Kota Lubuklinggau dengan jumlah penduduk mencapai 229.224 Jiwa. Dan luas wilayah 401 KM2 merupakan kota terpadat kedua di sumatera selatan. Dalam memenuhi kebutuhan tenaga listrik bagi seluruh jenis pelanggan yang berjumlah 99805, Perusahaan Listrik Negara Kota Lubuklinggau di tahun 2018 memproduksi tenaga listrik sebesar 235.752 ribu KWH. Tenaga listrik merupakan kebutuhan pokok manusia untuk dapat membantu dalam menjalankan semua aktivitas yang dilakukan. Pemenuhan akan kebutuhan tenaga listrik merupakan suatu kewajiban yang harus dilakukan karena tanpa adanya tenaga listrik akan mengakibatkan kelumpuhan bagi aktivitas yang ada di Kota Lubuklinggau. Untuk mengatasi hal tersebut tentunya pemerintah wajib memiliki rencana jangka panjang untuk memenuhi kebutuhan tenaga listrik. Seiring dengan pertumbuhan penduduk dan berkorelasi pada peningkatan jumlah pelanggan mengakibatkan kebutuhan tenaga listrik yang akan terus bertambah. Dengan demikian maka perlu dilakukan analisa terhadap kebutuhan tenaga listrik dalam jangka panjang menggunakan algoritma regresi linear berganda. Berdasarkan hasil penelitian dapat diketahui pertumbuhan pelanggan sampai 2024 sebesar 169.037 pelanggan dan produksi tenaga listrik sebesar 336.887 Ribu KWH sehingga dihasilkan prediksi kebutuhan listrik sampai tahun 2024 adalah sebesar 162.569 Ribu KWH.