Hasil Pencarian  ::  Simpan CSV :: Kembali

"Peer-to-peer accommodation (P2P) adalah model ekonomi berbagi yang telah merubah industri akomodasi dengan cara yang belum pernah terjadi sebelumnya. Namun, perbedaan akomodasi P2P yang ditandai oleh beragam jenis akomodasi dan kurangnya standar kualitas menyiratkan bahwa apa yang di rasakan para tamu akomodasi P2P berbeda dari hotel. Oleh karena itu, penting untuk menyelidiki atribut akomodasi P2P untuk memahami pengalaman para tamu. Studi ini mengeksplorasi pemahaman akomodasi P2P dengan mengidentifikasi topik dan atribut penting dari ulasan pelanggan melalui beberapa perspektif; kota, peringkat, dan waktu. Penelitian ini mengambil pendekatan penambangan teks pada dataset 55.377 ulasan pelanggan Airbnb dari daftar 10 kota paling banyak dikunjungi di Indonesia (berdasarkan jumlah kedatangan asing). Studi ini mengidentifikasi bahwa atribut yang terkait dengan lokasi, tuan rumah, kamar, fasilitas, kemudahan, harga, komunitas, dan keamanan, dapat dikaitkan dengan pengalaman para tamu di akomodasi P2P. Studi ini juga melihat bagaimana atribut-atribut ini digunakan dalam konteks berbagai kota, peringkat, dan waktu. Temuan ini dapat memperkuat definisi atribut akomodasi P2P yang ditetapkan dalam penelitian sebelumnya.

---

Peer-to-peer accommodation (P2P) is a sharing economy model that has disrupted the accommodation industry in an unprecedented way. However, differences of P2P accommodation characterized by diverse accommodation types and a lack of quality standard implies that guests may perceive P2P accommodation differently from hotels. Hence, there is an increase in importance to investigate P2P accommodation attributes to understand guests' experience. This study explores how people perceive P2P accommodation by identifying important topics and attributes from customer reviews through several perspectives; city, ratings, and time. This study took a text-mining approach on a dataset of 55,377 Airbnb customer reviews from listings in the top 10 most visited cities in Indonesia (based on the number of foreign arrivals). This study identified that attributes related to location, host, room, facility, amenity, price, community, and security, are associated with guests' experience in P2P accommodation. This study also looks into how these attributes are used in the context of different cities, ratings, and time. These findings can strengthen the definition of P2P accommodation attributes established in prior research."

"ABSTRAKBisnis digital merupakan salah satu bisnis yang menjanjikan pada era informasi saat ini. Informasi penting dapat diperoleh dari mewawas data yang berkualitas, sehingga dapat dimanfaatkan untuk kepentingan organisasi. Data pelanggan yang dimiliki oleh PT XYZ menjadi bahan inti dalam strategi pengembangan program digital. Data yang terkumpul dari beberapa unit bisnis memiliki kualitas data yang rendah. Tantangan tersebut menjadi perhatian manajemen, sehingga butuh pengelolaan kualitas data yang baik untuk meningkatkan kualitas data pelanggan.Penelitian ini menggunakan metode kualitatif, pengumpulan data dilakukan dengan melakukan wawancara terhadap empat narasumber dan studi dokumen perusahaan. Penilaian kualitas data dilakukan dengan menggunakan Big Data Quality Assessment dari lsquo;Cai and Zhu rsquo; dan tingkat kematangan kualitas data menggunakan Data Quality Framework dari Loshin untuk mengetahui karakteristik yang kurang dalam pengelolaan kualitas data. Hasil tersebut dipetakan berdasarkan praktik manajemen kualitas data Data Management Body of Knowledge DMBOK dari DAMA institute untuk menyusun rekomendasi strategi pengelolaan kualitas data.Pengukuran tingkat kematangan kualitas data pelanggan PT XYZ berada pada level 2 repeatbele . Rekomendasi yang dihasilkan yaitu: menentukan proses dan prosedur untuk menetapkan tanggung jawab dan akuntabilitas untuk semua aspek manajemen data, penerapan pengelolaan metadata, melakukan proses analisis data pelanggan, melakukan penambahan proses validasi data terhadap setiap elemen kualitas data, merumuskan Service Level Agreements SLA , merumuskan data profiling untuk data pelanggan, menyusun Standard Operating Procedure SOP , menerapkan manajemen pelacakan insiden, dan melakukan evaluasi pengelolaan data secara berkala.

---

ABSTRACTDigital business is one of the promising businesses in this information age. Important information can be obtained from data which has quality, so it can be utilized for the benefit of the organization. Customer data owned by PT XYZ becomes the core ingredient in digital program development strategy. The data collected from several business units has low data quality. The challenge become a concern of management, so it takes the management of good data quality to improve the quality of customer data.This research use qualitative method, data retrieval is done by interviewing four resource person and company rsquo;s document. Data quality assessment is performed using Big Data Quality Assessment from 39;Cai and Zhu 39; and data maturity level using Data Quality Framework from Loshin to know the quality of data. The results are mapped based on data management quality management practices of DMBOK from DAMA institutions to develop recomendation of data quality management strategy.Measurement of PT XYZ customer data quality maturity level is at level 2 repeatbele . Recommendations of the strategies are: determine the processes and procedures for assigning responsibilities and accountability for all aspects of data management, implementation of metadata management, conducting customer data analysis process, adding data validation process to each element of data quality, formulating Service Level Agreements SLA , formulate profiling data for customer data, develop Standard Operating Procedures SOP , implement incident tracking management, and conduct periodic data management evaluations."

"Pandemi COVID-19 yang terjadi pada tahun 2020 membawa dampak buruk terhadap berbagai industri dan sektor bisnis, tidak terkecuali industri sharing economy. Brian Chesky, CEO dari Airbnb, menyatakan bahwa bisnis yang telah dibangun selama bertahun-tahun kehilangan 80% dari bisnis mereka hanya dalam waktu delapan minggu akibat pandemi. Namun, pandemi ini justru membuka peluang baru bagi platform Airbnb untuk berkembang, menjadi salah satu perusahaan yang berhasil pulih dengan luar biasa dari krisis pandemi. Hal ini dapat dilihat dari gross booking value Airbnb pada tahun 2021 yang melebihi tahun 2019 dan berhasil mencetak gross booking value terbesarnya pada tahun 2022 yaitu sebesar 63.2 miliar USD. Salah satu kunci pemulihan luar biasa Airbnb dari krisis pandemi adalah dengan kembali memfokuskan pada bisnis utama mereka dan mengutamakan kebutuhan pelanggan. Salah satu aspek penting dari bisnis platform digital seperti Airbnb adalah continuance intention. Berbagai penelitian telah dilakukan untuk mencari tahu faktor-faktor yang mempengaruhi continuance intention pada platform Airbnb. Pada penelitian terdahulu, ditemukan bahwa perceived usefulness dan trust adalah prediktor kuat dari continuance intention pada platform Airbnb. Dalam penelitian ini, tim penulis menerapkan pendekatan elaboration likelihood model yang mencakup central route dan peripheral route untuk mengeksplorasi faktor-faktor yang berpengaruh terhadap continuance intention pada platform Airbnb. Penelitian ini mengumpulkan data kuantitatif melalui kuesioner yang diisi oleh 514 responden dan data kualitatif melalui wawancara dengan 11 narasumber. Pengolahan data kuantitatif menggunakan metode partial least square structural equation modelling (PLS-SEM), sedangkan pengolahan data kualitatif menggunakan metode content analysis. Hasil penelitian menunjukkan bahwa baik central route maupun peripheral route mempengaruhi continuance intention. Namun, central route dianggap memiliki pengaruh yang lebih signifikan terhadap continuance intention. Implikasi dari penelitian ini menunjukkan bahwa platform Airbnb dapat memprioritaskan pengembangan fitur, strategi pemasaran, dan manajemen hubungan pelanggan sesuai yang sesuai dengan variabel-variabel central route.

---

The 2020 COVID-19 pandemic severely damaged a number of businesses and industries, including the sharing economy. According to Brian Chesky, CEO of Airbnb, the pandemic caused the company, which they had spent years building, to lose 80% of its business in just eight weeks. Nevertheless, the pandemic also created fresh chances for Airbnb to expand, making it one of the businesses that bounced back from the crisis rather admirably. Airbnb demonstrated this by surpassing the gross booking value of 2019 in 2021 and reaching its greatest gross booking value of $63.2 billion USD in 2022. Refocusing on their core business and putting the needs of their customers first was one of the keys to Airbnb's amazing return from the pandemic issue. For online platforms such as Airbnb, continuance intention is a crucial component of their business. The variables influencing continuance intention on the Airbnb platform have been the subject of numerous studies. Perceived usefulness and trust are powerful indicators of continuing intention on Airbnb, according to prior research. The research team used the elaboration likelihood model approach in this study to investigate the elements influencing continuance intention on the Airbnb platform. This approach comprises both central route and peripheral route. A questionnaire completed by 514 respondents provided quantitative data for this study, while 11 sources were interviewed to obtain qualitative data. The partial least square structural equation modeling (PLS-SEM) approach was used to process quantitative data, and content analysis was used to evaluate qualitative data. According to the findings, continuance intention is influenced by both the central and peripheral routes. However, the central route is considered to have a more significant impact on continuance intention. The study suggests Airbnb prioritize feature development, marketing strategies, and customer relationship management aligned with central route variables"

"Pandemi COVID-19 yang terjadi pada tahun 2020 membawa dampak buruk terhadap berbagai industri dan sektor bisnis, tidak terkecuali industri sharing economy. Brian Chesky, CEO dari Airbnb, menyatakan bahwa bisnis yang telah dibangun selama bertahun-tahun kehilangan 80% dari bisnis mereka hanya dalam waktu delapan minggu akibat pandemi. Namun, pandemi ini justru membuka peluang baru bagi platform Airbnb untuk berkembang, menjadi salah satu perusahaan yang berhasil pulih dengan luar biasa dari krisis pandemi. Hal ini dapat dilihat dari gross booking value Airbnb pada tahun 2021 yang melebihi tahun 2019 dan berhasil mencetak gross booking value terbesarnya pada tahun 2022 yaitu sebesar 63.2 miliar USD. Salah satu kunci pemulihan luar biasa Airbnb dari krisis pandemi adalah dengan kembali memfokuskan pada bisnis utama mereka dan mengutamakan kebutuhan pelanggan. Salah satu aspek penting dari bisnis platform digital seperti Airbnb adalah continuance intention. Berbagai penelitian telah dilakukan untuk mencari tahu faktor-faktor yang mempengaruhi continuance intention pada platform Airbnb. Pada penelitian terdahulu, ditemukan bahwa perceived usefulness dan trust adalah prediktor kuat dari continuance intention pada platform Airbnb. Dalam penelitian ini, tim penulis menerapkan pendekatan elaboration likelihood model yang mencakup central route dan peripheral route untuk mengeksplorasi faktor-faktor yang berpengaruh terhadap continuance intention pada platform Airbnb. Penelitian ini mengumpulkan data kuantitatif melalui kuesioner yang diisi oleh 514 responden dan data kualitatif melalui wawancara dengan 11 narasumber. Pengolahan data kuantitatif menggunakan metode partial least square structural equation modelling (PLS-SEM), sedangkan pengolahan data kualitatif menggunakan metode content analysis. Hasil penelitian menunjukkan bahwa baik central route maupun peripheral route mempengaruhi continuance intention. Namun, central route dianggap memiliki pengaruh yang lebih signifikan terhadap continuance intention. Implikasi dari penelitian ini menunjukkan bahwa platform Airbnb dapat memprioritaskan pengembangan fitur, strategi pemasaran, dan manajemen hubungan pelanggan sesuai yang sesuai dengan variabel-variabel central route.

---

The 2020 COVID-19 pandemic severely damaged a number of businesses and industries, including the sharing economy. According to Brian Chesky, CEO of Airbnb, the pandemic caused the company, which they had spent years building, to lose 80% of its business in just eight weeks. Nevertheless, the pandemic also created fresh chances for Airbnb to expand, making it one of the businesses that bounced back from the crisis rather admirably. Airbnb demonstrated this by surpassing the gross booking value of 2019 in 2021 and reaching its greatest gross booking value of $63.2 billion USD in 2022. Refocusing on their core business and putting the needs of their customers first was one of the keys to Airbnb's amazing return from the pandemic issue. For online platforms such as Airbnb, continuance intention is a crucial component of their business. The variables influencing continuance intention on the Airbnb platform have been the subject of numerous studies. Perceived usefulness and trust are powerful indicators of continuing intention on Airbnb, according to prior research. The research team used the elaboration likelihood model approach in this study to investigate the elements influencing continuance intention on the Airbnb platform. This approach comprises both central route and peripheral route. A questionnaire completed by 514 respondents provided quantitative data for this study, while 11 sources were interviewed to obtain qualitative data. The partial least square structural equation modeling (PLS-SEM) approach was used to process quantitative data, and content analysis was used to evaluate qualitative data. According to the findings, continuance intention is influenced by both the central and peripheral routes. However, the central route is considered to have a more significant impact on continuance intention. The study suggests Airbnb prioritize feature development, marketing strategies, and customer relationship management aligned with central route variables"

"ABSTRAKTujuan dari penelitian ini adalah untuk menganalisis pengaruh enjoyment, social benefits, economic benefits, sustainability, amenities, locational benefits, subjective norms, perceived behavioral control, eWOM, familiarity terhadap attitude serta behavioral intention pada penggunaan layanan akomodasi peer-to-peer Airbnb. Penelitian ini merupakan penelitian kuantitatif dengan menggunakan data primer melalui pembagian kuesioner dan diolah dengan teknik statistik SEM dengan metode LISREL. Unit analisisnya adalah konsumen layanan akomodasi online. Hasil temuan penelitian ini menunjukkan bahwa attitude untuk menggunakan akomodasi via Airbnb secara positif dipengaruhi oleh perceived enjoyment, social benefits, economic benefits, amenities, locational benefits, serta subjective norms. Hasil temuan lainnya, subjective norms secara positif dipengaruhi oleh eWOM sedangkan perceived behavioral control secara positif dipengaruhi oleh familiarity. Temuan penting lainnya adalah niat perilaku (behavioral intention) untuk menggunakan layanan akomodasi via Airbnb dipengaruhi oleh economic benefits dan familiarity. Penelitian ini menunjukkan behavioral intention dapat dipengaruhi oleh faktor-faktor determinan serta terdapat masukan manajerial untuk pengembangan pemasaran layanan akomodasi yang meningkatkan behavioral intention konsumen dalam menggunakan layanan akmodasi peer-to-peer.

---

ABSTRACTThe purpose of this study is to analyze the influence of enjoyment, social benefits, economic benefits, sustainability, amenities, locational benefits, subjective norms, perceived behavioral control, eWOM, familiarity toward attitude and behavioral intention to use Airbnb peer-to-peer accommodation services. This study is a quantitative research, using primary data through the distribution of questionnaires and processed by SEM with LISREL method. The unit of analysis is online accommodation marketplace consumers. The findings indicate that attitude positively affected by perceived enjoyment, social benefits, economic benefits, amenities, locational benefits, and subjective norms. Other findings, subjective norms positively affected by eWOM while perceived behavioral control were positively influenced by familiarity. Another important finding is that behavioral intention to use Airbnb peer-to-peer accommodation services positively affected by economic benefits and familiarity. This indicates several determinant factors as a contributing source to behavioral intention. This study provides managerial input to develop better online accommodation services to improve consumers' behavioral intention to use peer-to-peer accommodation services."

"Tesis ini membahas tentang penerapan Prinsip Mengenal Pelanggan Anda untuk Perusahaan Teknologi Keuangan pada Penyedia Pinjaman Peer to Peer di Indonesia Indonesia, dengan penelitian di PT X. Salah satu layanan paling populer di bidang Keuangan Teknologi adalah layanan peminjaman uang yang dikenal sebagai Peer to Peer Lending. Mengetahui bahwa sektor keuangan sering disalahgunakan untuk pencucian uang kegiatan, oleh karena itu penerapan prinsip Know Your Customer perlu diterapkan untuk mencegah pencucian uang. Kewajiban untuk menerapkan Know Your Pelanggan pada perusahaan pemberi pinjaman peer to peer diatur dalam Nomor POJK 77 / POJK.01 / 2016, karena Undang-Undang Nomor 8 Tahun 2010 mewajibkan pelaksanaan Kenali prinsip Pelanggan Anda. Pertanyaan penelitian dalam tesis ini adalah bagaimana regulasi di Indonesia mengatur implementasi Know Your Customer prinsip untuk perusahaan Peer to Peer Lending dan bagaimana penerapannya Kenali prinsip Pelanggan Anda di PT X untuk mencegah pencucian uang kegiatan. Penelitian ini adalah penelitian yuridis normatif dengan menggunakan tipe penelitian deskriptif analitik. Penelitian ini menggunakan data sekunder dan juga didukung oleh data wawancara. Hasil dari penelitian ini adalah peraturan tentang PT implementasi dari Know Your Customer for Peer to Peer Lending provider sendiri belum dapat mengakomodasi implementasi Know Your Prinsip pelanggan untuk penyedia Pinjaman Peer to Peer di Indonesia secara efektif. Oleh karena itu, penulis merekomendasikan OJK untuk meninjau dan melengkapi peraturan ini, khususnya tentang penerapan prinsip Know Your Customer dengan berbasis teknologi.

---

This thesis discusses the application of Know Your Customer Principles for Financial Technology Companies to Peer to Peer Loan Providers in Indonesia, Indonesia, with research at PT X. One of the most popular services in the field of Technology Finance is a money lending service known as Peer to Peer Lending. Knowing that the financial sector is often misused for money laundering activities, therefore the application of the Know Your Customer principle needs to be applied to prevent money laundering. The obligation to apply Know Your Customer to a peer to peer lender company is stipulated in POJK Number 77 / POJK.01 / 2016, because Law Number 8 Year 2010 requires the implementation of Know Your Customers' principles. The research question in this thesis is how Indonesian regulations regulate the implementation of Know Your Customer principles for Peer to Peer Lending companies and how they are applied. Know your customer's principles at PT X to prevent money laundering activities. This research is a normative juridical research using analytic descriptive research type. This study uses secondary data and is also supported by interview data. The results of this study are the regulations regarding PTThe implementation of Know Your Customer for Peer to Peer Lending providers themselves cannot yet accommodate the implementation of Know Your Customer principles for providers of Peer to Peer Loans in Indonesia effectively. Therefore, the author recommends OJK to review and complete this regulation, especially regarding the application of Know Your Customer principles based on technology."

"Di era teknologi informasi muncul isu terkait privasi dikarenakan kemampuan komputer untuk melakukan penyimpanan dan pengolahan data dalam jumlah yang besar. Di Indonesia perlindungan data pribadi telah diatur dalam Undang-Undang dan Peraturan Menteri. Akan tetapi kasus terkait perlindungan data pribadi masih terjadi tidak terkecuali dalam industri fintech peer to peer lending. Awareness, Privacy Concern, Trust, dan Risk Beliefs memiliki pengaruh terhadap niat seseorang untuk memberikan data pribadinya saat akan menggunakan suatu layanan. Penelitian ini bertujuan untuk mengetahui pengaruh Awareness, Privacy Concern, Trust, dan Risk Beliefs terhadap niat menggunakan layanan fintech peer to peer lending. Untuk mengetahui pengaruh Awareness, Privacy Concern, Trust, dan Risk Beliefs untuk menggunakan layanan fintech peer to peer lending, dilakukan analisis menggunakan mixed methods. Pengumpulan data kuantitatif pada penelitian ini menggunakan survei. Uji struktural penelitian ini menggunakan metode partial least square-structural equation modeling (PLS-SEM). Pengumpulan data kualitatif pada penelitian ini menggunakan penelitian terdahulu dan diolah menggunakan open coding. Hasil uji hipotesis ditemukan bahwa hanya variabel Trust mempengaruhi niat untuk menggunakan layanan. Awareness tidak memiliki pengaruh terhadap niat untuk menggunakan layanan tetapi memiliki pengaruh terhadap Privacy Concern. Privacy Concern tidak memiliki pengaruh terhadap niat untuk menggunakan layanan tetapi memiliki pengaruh terhadap Risk Beliefs. Penelitian ini memberikan rekomendasi kepada penyedia layanan fintech peer to peer lending untuk mengikuti sebuah standar keamanan. Selain penyedia layanan fintech peer to peer lending rekomendasi yang diberikan untuk regulator yiatu OJK adalah untuk membuat sebuah standar keamanan dan regulasi teknis terkait dengan persetujuan pengelolaan data pribadi

---

In the era of information technology issues related to privacy arise because of computer ability to store and process huge amounts of data. Personal Data Protection is governed by the laws of the Republic of Indonesia. However, there are still violation of personal data protection even in the fintech peer to peer lending industry. Awareness, Privacy Concerns, Trusts, and Risk Beliefs are said to influence ones intention to disclose personal data when using a service. This study aims to determine the effect of Awareness, Privacy Concerns, Trusts, and Risk Beliefs and intention to use fintech peer to peer lending services. To determine the effect of individual awareness of personal data protection on fintech peer to peer lending, an analysis was conducted using mixed methods. PLS-SEM data processing are used to determine factor that influences intention when using fintech peer to peer lending and open coding used to determine research implication. Only trust that have influence on the intention to use fintech peer to peer lending. Awareness does not have an influence on the intention to use fintech peer to peer lending service but awareness has an influence on Privacy Concern. Privacy Concern has no influence on intention to use fintech peer to peer lending but has influence on Risk Beliefs. This study provides recommendations to fintech peer to peer lending services to follow a security standard. In addition, recommendation given to OJK as a regulator to create a security standard and technical regulation related to the approval of collection and use of personal data in fintech peer to peer lending. Recommendations also given to fintech peer to peer lending services to use security standard so they can gain more trust."

"Saat ini kompetisi di industri telekomunikasi semakin ketat. Perusahaan telekomunikasi yang dapat tetap menghasilkan banyak keuntungan yaitu perusahaan yang mampu menarik dan mempertahankan pelanggan di pasar yang sangat kompetitif dan semakin jenuh. Hal ini menyebabkan perubahan strategi banyak perusahaan telekomunikasi dari strategi 'growth '(ekspansi) menjadi 'value added services'. Oleh karena itu, program mempertahankan pelanggan ('customer retention') saat ini menjadi bagian penting dari strategi perusahaan telekomunikasi. Program tersebut diharapkan dapat menekan 'churn' 'rate 'atau tingkat perpindahan pelanggan ke layanan/produk yang disediakan oleh perusahaan kompetitor. Program mempertahankan pelanggan ('customer retention') tersebut tentunya juga diimplementasikan oleh PT Telekomunikasi Indonesia, Tbk (Telkom) sebagai perusahaan telekomunikasi terbesar di Indonesia. Program tersebut diterapkan pada berbagai produk Telkom, salah satunya Indihome yang merupakan 'home services' berbasis 'subscriber' berupa layanan internet, telepon, dan TV interaktif. Melalui kajian ini, penulis akan menganalisa penyebab 'churn' pelanggan potensial produk Indihome tersebut, sehingga Telkom dapat meminimalisir angka 'churn' dengan melakukan program 'customer retention' melalui 'caring' yang tepat. Mengingat ukuran 'database' pelanggan Indihome yang sangat besar, penulis akan menganalisis data pelanggan tersebut menggunakan metoda 'Big Data Analytics'. 'Big Data' merupakan salah satu metode pengelolaan data yang sangat besar dengan pemetaan dan 'processing' data. Melalui berbagai bentuk 'output', implementasi 'big data' pada perusahaan akan memberikan 'value' yang lebih baik dalam pengambilan keputusan berbasis data.

---

Nowadays, telecommunication industry is very competitive. Telecommunication companies that can make a lot of profit is the one who can attract and retain customers in this highly competitive and increasingly saturated market. This causes change of the strategy of telecommunication companies from growth strategy toward value added services. Therefore, customer retention program is becoming very important in telecommunication companies strategy. This program hopefully can reduce churn rate or loss of potential customers due to the shift of customers to other similar products.

Customer retention program also implemented by PT Telekomunikasi Indonesia, Tbk (Telkom) as the leading telecommunication company in Indonesia. Customer retention program implemented for many Telkom products, including Indihome, a home services based on subscriber which provide internet, phone, and interactive TV. Through this study, the authors will analyze the cause of churn potential customers Indihome product, so that Telkom can minimize the churn number by doing customer retention program through the efficient caring.

Given by huge customer database the author will analyze using Big Data analytics method. Big Data is one method in data management that contain huge data, by mapping and data processing. Through various forms of output, big data implementation on the organization will provide better value in data-based decision making."

"

Ancaman keamanan cyber berupa aktivitas Botnet merupakan salah satu ancaman berbahaya yang dihadapi oleh komunitas internet. Para peneliti telah mengusulkan sistem deteksi intrusi (IDS) yang bekerja dengan menggunakan algoritma machine learning sebagai solusi alternatif dari IDS yang menggunakan metode signature dan metode anomali untuk mendeteksi aktivitas Botnet.

Permasalahan yang dihadapi adalah sulitnya membedakan antara trafik normal dengan trafik Botnet. Perlu adanya pemilihan fitur dari data set jaringan sehingga trafik Botnet dapat dideteksi dengan akurat. Dalam penelitian ini diusulkan metode baru yang meningkatkan kinerja IDS dalam mendeteksi Botnet. Metode yang diusulkan adalah dengan menggabungkan dua metode statistik yaitu low variance filter yang dikombinasikan dengan Pearson Correlation Filter yang selanjutnya disebut dengan  Hybrid Pearson Correlation Filter (HPCF) untuk diterapkan dalam tahap  pemilihan fitur. Pemilihan fitur dengan metode yang diajukan yaitu HPCF (Hybrid Pearson Correlation Filter) terbukti dapat meningkatkan efektifitas dan efisiensi dari IDS. Efektivitas diukur dengan menggunakan metrik performasi. Dari hasil eksperimen offline maupun reatime detection, DT lebih unggul dari tujuh model ML lainnya. Model DT-15 merupakan kombinasi terbaik dengan performasi diatas 95% untuk offline detection, 99% untuk Real-time detection.

Pemilihan fitur juga berpengaruh terhadap efisiensi yang diukur dari waktu komputasi pembelajaran mode dan waktu komputasi deteksi di jaringan sebenarnya. Model DT-15 merupakan kombinasi terbaik dengan rata-rata waktu 6,3 detik untuk pembelajaran model (offline detection) and 350 detik untuk waktu deteksi di jaringan sebenarnya (Real-time detection).

Tantangan untuk membuat arsitektur IDS yang dapat beradaptasi dengan  tekonologi komputasi awan juga menjadi topik dalam penelitian ini. Perubahan dinamis dalam arsitektur komputasi awan membutuhkan kemudahan dan fleksibilitas didistribusikan dan dikonfigurasi, dan sarana transportasi data yang paling andal ke defense center. Selain itu teknologi komputasi awan secara signifikan meningkatkan volume, kecepatan, dan variasi data yang harus diproses di pusat pertahanan. Ini berarti bahwa defense center membutuhkan teknologi big data. Snort adalah sistem deteksi dan pencegahan intrusi jaringan berbasis signature yang populer dan berpengaruh di komunitas Internet. Kekurangan dari Snort adalah keterbatasannya dalam menempatkan sensor dengan defense center yang harus terhubung dalam satau sama lain dalam satu jaringan. Hal ini bertolak belangkang dengan kebutuhan dari teknologi komputasi awan. Pada penelitian ini digunakan referensi arsitektur lambda. Dalam pengembangannya arsitektur terbagi menjadi tiga bagian: data source, data collecting dan data serving. Untuk data source dikembangkan aplikasi docker yang didalamnya terdapat aplikasi Snort IDS. Sedangkan untuk collecting data ddigunakan protokol MQTT sebagai saluran pengirimannya. MQTT lebih unggul dalam kemampuan pengirimanya dengan message rate 12 kali lebih besar dan latensi 62 kali lebih rendah dibandingkan dengan protokol Kafka Pub/Sub. Secara keseluruhan penelitian menghasilkan arsitektur baru big data penerapan sistem deteksi intrusi jaringan berbasis Snort di lingkungan komputasi awan.  Aplikasi NIDS Snort yang dibangun dengan merujuk dari arsitektur yang telah dibangun dapat diakses di https://github.com/Mata-Elang-Stable/MataElang-Platform/wiki.

---

Cyber security threats in the form of botnet activities are one of the dangerous threats faced by the internet community. Researchers have proposed an intrusion detection system (IDS) that works using machine learning algorithms as an alternative solution to IDS that uses signature and anomaly methods to detect botnet activity.

The problem faced is the difficulty of distinguishing between normal traffic and Botnet traffic. There needs to be a selection feature from the network data set to detect Botnet traffic accurately. This study proposes a new method to improve IDS performance in detecting botnets. The proposed method combines two statistical methods, namely the low variance filter and the Pearson Correlation Filter, referred to as the Hybrid Pearson Correlation Filter (HPCF), to be applied in the feature selection stage. Feature selection with the proposed method, namely HPCF (Hybrid Pearson Correlation Filter), is proven to increase the effectiveness and efficiency of IDS. Effectiveness is measured using performance metrics. From the results of offline and real-time detection experiments, DT is superior to the other seven ML models. The DT-15 model is the best combination, with over 95% performance for offline detection and 99% for real-time detection.

The selection of features also affects the efficiency measured by the computational time of mode learning and the computational time of detection in the real network. The DT-15 model is the best combination, with an average time of 6.3 seconds for the learning model (offline detection) and 350 seconds for detecting in the real network (real-time detection).

Developing an IDS architecture that can adapt to cloud computing technology is also a topic in this research. Dynamic changes in cloud architecture require the flexibility of configuring and the most reliable means of data transportation for the defense center. In addition, cloud computing significantly increases the volume, speed, and variety of data that must be centralized in the defense center. So this means that the defense center needs big data technology. Snort is a signature-based network intrusion detection and prevention system that is popular and influential in the Internet community. The drawback of Snort is its limitation in placing sensors with central defenses that must be connected to a single network, which is contrary to the needs of cloud computing technology.

In this study,  we refer to lambda architecture, which consists of three parts: data source, data collecting and serving. A docker application for the data source is developed, including the Snort IDS application. Meanwhile, the MQTT protocol is used as the delivery channel for collecting data. MQTT is superior in its delivery capabilities, with a message rate of 12 times more significant and latency 62 times lower than the Kafka Pub/Sub protocol. Overall, the research resulted in a new big data architecture for implementing a Snort-based network intrusion detection system in a cloud computing environment. Our proposed design and implementation can be accessed at https://github.com/Mata-Elang-Stable/MataElang-Platform/wiki.

"

"

---

ABSTRACTBig Data Analytics" will assist managers in providing an overview of the drivers for introducing big data technology into the organization and for understanding the types of business problems best suited to big data analytics solutions, understanding the value drivers and benefits, strategic planning, developing a pilot, and eventually planning to integrate back into production within the enterprise."