Hasil Pencarian  ::  Simpan CSV :: Kembali

"Malware merupakan suatu hal yang dapat merusak maupun menganggu aktivitas dari suatu jaringan ataupun komputer, untuk mencegah semakin tersebarnya Malware maka dibutuhkan pendeteksi untuk malware disuatu jaringan maka dapat ditempatkan suatu Honey Pot ataupun DNS Sinkhole untuk memantau adanya penyerangan terhadap jaringan tersebut ataupun ada malware yang berusaha masuk pada jaringan tersebut, data ndash; data malware yang telah dikumpulkan selanjutnya dapat diolah dengan menggunakan data mining, dengan menggunakan data mining, hasil pengolahan data tersebut dapat dijadikan sebagai parameter bagaimana aktivitas malware yang sering masuk kedalam jaringan dan jenis malware apa saja yang ada dijaringan tersebut. Dengan menggunakan Oracle Data Miner dapat dikatakan untuk tipe data malware yang digunakan untuk data mining adalah Naive Bayes dan Support Vector Machine SVM dimana menunjukkan untuk tipe data seperti ini algoritma Naive Bayes lebih berfungsi dengan baik dibandingkan dengan SVM terlihat dari presentase keberhasilan pengolahan datanya dimana Naive Bayes memiliki 76 keberhasilan sedangkan SVM hanya 32 keberhasilan.

---

Malware are something that can damage or disrupt activities of a network or computer. To prevent spreading of a malware, it is required a detection or a protection system in a network. Honey Pot and DNS Sinkhole are the two kinds of malware detection system that can detect and monitoring network activities and capture or prevent any malware attack that can happens inside the network or computer. Malware datas that already been gathered and collected then will be processed using data mining. With data mining, the mining result will be used as a parameter in how malware activities inside a network and what kind of malware that actived inside a network. Using Oracle Data Miner with data that consist of malware type can be done using Naive Bayes and Support Vector Machine SVM . With this kind of data Naive Bayes perform better than the other algorithm SVM judging by the completion percentage of data mining process for Naive Bayes are 76 and SVM are 32."

"Permintaan terhadap produk private label PL belakangan ini semakin meningkat seiring dengan semakin selektifnya konsumen untuk membeli barang yang cukup berkualitas dengan harga yang pas Namun di Indonesia masih banyak orang yang memiliki persepsi konvensional terhadap PL diantaranya menyebut produk tersebut sebagai produk dengan kualitas rendah alternatif produk yang tak bermerek dan hanya menarik bagi pembeli yang sadar biaya Oleh karena itu para peritel patut untuk memberi perhatian lebih pada penjualan PL dalam menghadapi kompetisi bisnis dengan perancangan strategi yang tepat Penelitian ini bertujuan untuk mengetahui karakteristik dan perilaku belanja pelanggan pasar ritel serta tingkat kepuasan pada setiap kategori produk PL yang mempengaruhi intensitas pembelian produk PL dengan menggunakan Data Mining dimana algoritma yang digunakan adalah C5 0 Hasil yang didapatkan pada penelitian ini berupa model pohon keputusan yang berisikan klasifikasi pelanggan PL berdasarkan tingkat intensitas pembeliannya.

---

Private label demand will be likely to get higher as the consumers become more and more selective in buying the products of high quality with an optimal price However in Indonesia for some people the traditional perceptions of private label were once of low quality unbranded alternatives attracting the most cost conscious consumers Considering this retailers need to pay more attention to products with private label in facing the competition The current study discusses consumer rsquo s attitude and satisfaction with respect to each category of private label products Frequency of purchase and consumer characteristics are also discussed in light of empirical evidence Using Data Mining with C5 0 algorithm the research resulting decision tree model that contains a classification of PL customers based on their frequency of purchase."

"ABSTRAKSkripsi ini bertujuan untuk mengetahui kepuasan pelanggan layanan data operator CDMA di Indonesia dengan menggunakan pesan tweet sebagai data kepuasan pelanggan real time. Data tersebut diolah menggunakan text mining dan sentiment analysis dengan membuat model klasifikasi teks. Tingkat akurasi model yang dibuat untuk memprediksi sentimen dari pesan tweet mencapai 80 %. Hasil penelitian menunjukkan bahwa pelanggan data operator CDMA di Indonesia baik secara umum maupun pada masing-masing operator cenderung tidak puas dengan layanan data yang diberikan. Secara umum kriteria kemudahan koneksi paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA di Indonesia. Sedangkan kriteria kemudahan koneksi paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA 1. Kemudian kriteria kemudahan koneksi dan kehandalan jaringan paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA 2.

---

ABSTRACTThis thesis aims to gain insight of customer satisfaction of Indonesian CDMA data services operators by using tweets as real time customer satisfaction data. The data is processed using text mining and sentiment analysis by creating text classification model. The model accuracy to predict sentiment of a tweet achieve 80%. The results showed that Indonesia CDMA data subcribers in general or to individual operators tend to not satisfied with the service provided. Connection easiness criteria most influencing customer dissatisfaction of Indonesia CDMA data service operators in general. While, the connection easiness criteria most influencing customer dissatisfaction of CDMA data service operator 1. Then, Connection easiness and network reliability criteria most influencing customer dissatisfaction of CDMA data service operator 2."

"Latar Belakang: Prevalensi DM di Indonesia beranjak naik dari tahun ke tahun, ini sesuai hasil Riset Kesehatan Dasar (Riskesdas) tahun 2007 menunjukkan prevalensi nasional penyakit DM sebesar 1,1% dan pada tahun 2013 mengalami peningkatan menjadi 2,1%. Sedangkan aktivitas fisik sebagai salah satu faktor risiko Diabetes Melitus tipe 2 prevalensi mengalami penurunan yaitu dari 48,2% menjadi 26,1% (Litbangkes 2013). Tujuan: Untuk mengetahui hubungan antara aktifitas fisik dengan DM tipe 2 di Indonesia berdasarkan data Riskesdas Tahun 2013, Metode: Desain study cross sectional, dilaksanakan pada bulan bulan Mei-Juni tahun 2015, total sampel sebesar 22.779 orang, analisis data menggunakan uji regresi logistik. Hasil: Penelitian menunjukkan bahwa tidak ada hubungan yang bermakna antara aktivitas fisik dengan Diabetes Melitus tipe 2 dengan uji statistik (OR=1,069: CI 95% : 0,978 – 1,167).

---

Background: The prevalence of DM in Indonesia is rising from year to year, this according to the results of Health Research (Riskesdas) in 2007 showed a national prevalence of 1.1% DM disease and by 2013 had increased to 2.1%. While physical activity as a risk factor for type 2 diabetes mellitus prevalence decreased from 48.2% to 26.1% (Research 2013). Objective: To determine the relationship between physical activity and type 2 diabetes in Indonesia based on data Riskesdas In 2013, Methods: cross sectional study, conducted in the month of May-June 2015, a total sample of 22 779 people, data analysis using logistic regression. Results: The study showed that there was no significant association between physical activity with diabetes mellitus type 2 with a statistical test (OR = 1.069: 95% CI: 0.978 to 1.167)."

"Diabetes melitus (DM) merupakan penyakit tidak menular yang menyebabkan kematian dini di dunia. Salah satu faktor risikonya adalah hipertensi, keduanya merupakan komponen dari sindrom metabolik yang saling mempengaruhi. Studi ini bertujuan untuk mengetahui besarnya risiko kejadian DM tipe 2 pada penduduk usia >15 tahun dikaitkan dengan hipertensi. Studi memanfaatkan data IFLS ke-4 dan ke-5 yang dianalisis dengan desain kohort retrospektif. Pengukuran variabel independen dan kovariat yang berubah didasarkan IFLS ke-4 dan ke-5, sedangkan variabel yang tidak berubah didasarkan IFLS ke-4. Pemilihan sampel dipastikan terbebas dari DM dan tidak memiliki status hipertensi terkontrol. Hasil studi menunjukkan tetap hipertensi dan menjadi hipertensi terbukti dapat meningkatkan risiko kejadian DM. Pada kelompok tetap hipertensi risiko DM 2,30 kali lipat, sedangkan pada kelompok menjadi hipertensi risiko DM 2,14 kali lipat dibandingkan kelompok tetap tidak hipertensi setelah dikontrol usia, perubahan aktivitas fisik, dan perubahan indeks masa tubuh, sedangkan pada kelompok hipertensi terkendali tidak didapatkan hubungan yang signifikan. Studi ini juga menyimpulkan 41,5% kasus DM dapat dicegah pada populasi umum dan 68% kasus DM dapat dicegah pada penderita hipertensi dengan mengendalikan hipertensi menjadi terkontrol atau mengeliminasinya. Pengendalian hipertensi dan DM memerlukan komitmen bersama dari pemerintah dan masyarakat untuk menjalankan gaya hidup sehat sesuai pesan CERDIK dan PATUH.

---

Diabetes mellitus is a non-communicable disease which was the main cause of early death at the global level. One of the known risk factors for diabetes mellitus is hypertension, both are known as the components of the metabolic syndrome in interplay system. This study aims to determine the risk of Diabetes Mellitus in people aged >15 years that associate with hypertension in Indonesia. The study was using data from the 4th IFLS and 5th IFLS which analyzed using a retrospective cohort design. The measurements of the independent and covariate variables that potentially changes are based on the 4th IFLS and 5th IFLS data, whereas the variables that constant are based on the4th IFLS data. The sampling method was excluding the diabetes mellitus and hypertension controlled criteria. The multivariable adjusted RR for incident diabetes melitus for baseline hypertension 2,30, and progression hypertension 2,14 after controlling for age, changes in physical activity, and body mass index changes. This study also concluded that PAR % 41.5%  and AR% 68%. The hypertension control is an integrated strategy of diabetes mellitus control which requires a joint commitment from the government and society to live a healthy lifestyle according to the CERDIK and PATUH health messages."

"Penelitian ini bertujuan untuk membantu UMKM A dalam menentukan jenis produk yang dapat diproduksi kembali dari 4 kategori produk yang dimilikinya, yaitu Tenun Songket, Bordir Karancang, Sulaman Tangan, dan Batik, dengan menggunakan algoritma decision tree. UMKM A telah mengubah strategi produksinya akibat pandemi COVID-19 lalu, fokus pada produksi berbasis pesanan tanpa menyimpan stok barang yang banyak. Untuk mencapai tujuan tersebut, penelitian ini akan mengimplementasikan metode CRISP-DM (Cross-Industry Standard Process for Data Mining) dan algoritma decision tree serta alat bantu perangkat lunak terbaru serta berlisensi sumber terbuka yaitu KNIME. Data yang digunakan dalam penelitian ini akan diperoleh dari UMKM A dan berdasarkan proses bisnis produksi dan penjualan pada periode pandemi COVID-19. Hasil dari penelitian ini diharapkan dapat memberikan wawasan yang berguna bagi UMKM A dalam menyesuaikan strategi produksi mereka dengan kondisi pasar yang terusberubah akibat pandemi COVID-19.

---

This research aims to help MSMEs A in determining the types of products that can be reproduced from the 4 product categories it owns, namely Tenun Songket, Bordir Karancang, Sulaman Tangan, and Batik, using the Decision Tree algorithm. MSMEs A has changed its production strategy due to the COVID-19 pandemic, focusing on production based on orders without keeping large stocks of goods. To achieve this goal, this research will implement the CRISP-DM (Cross- Industry Standard Process for Data Mining) methodology and the Decision Tree algorithm as well as the latest and open source licensed software tools, namely KNIME. The data used in this research will be obtained from MSMEs A and is based on production and sales business processes during the COVID-19 pandemic period. It is hoped that the results of this research will provide useful insights for MSMEs A in adapting their production strategies to changing market conditions due to the COVID-19 pandemic."

"Persaingan dalam dunia bisnis khususnya perbankan yang semakin ketat membuat para pelakunya harus selalu memikirkan strategi-strategi terobosan yang dapat menjamin keberlangsungan bisnis mereka. Kepuasan pelanggan merupakan salah satu faktor yang sangat perlu diperhatikan untuk mengikat pelanggan agar tetap setia pada produk atau layanan yang ditawarkan. Salah satu aset utama yang dimiliki oleh perusahaan perbankan dewasa ini adalah data transaksi bisnis dalam jumlah yang sangat besar. Hal ini menciptakan sebuah kebutuhan akan adanya teknologi yang dapat memanfaatkannya untuk menggali pengetahuan-pengetahuan baru, yang dapat membantu dalam perencanaan strategi bisnis di masa depan. Dalam hal tersebut teknologi data mining hadir sebagai sebuah solusi yang dapat diterapkan. Dalam tulisan ini akan dibahas implementasi data mining untuk menemukan model berupa association rules yang bisa diinterpretasikan menjadi pengetahuan baru mengenai karakteristik beberapa obyek layanan perbankan Bank XYZ. Pengetahuan baru tersebut nantinya bisa digunakan sebagai bahan analisis untuk menentukan rencana strategis ke depan khususnya dalam rangka meningkatkan kinerja layanan sehingga pelanggan tetap setia terhadap produk dan layanan Bank XYZ.

---

The tighter competition in banking industry motivates the actors to always think of new strategies to ensure their business sustainability. Customer satisfaction must be maintained to make customers remain loyal to the offered products or services. One of the main assets of banking organization or corporate is a large number of business transaction data. This creates a need of new technologies to mine new knowledges, which can assist management in making future business strategy plans. Data mining technology is one applicable solution.

This thesis describes the implementation of data mining in order to find association rules model which can be further interpreted as new knowledges on banking service characteristic of Bank XYZ. The new knowledges will be useful to determine strategic plans in the future, especially in increasing the performance of products or services. They finally can make the customers loyal to products or services of Bank XYZ."