Sampai saat ini sistem absensi di hampir seluruh institusi Pendidikan masih menggunakan kertas dan tinta. Hal ini menyebabkan sering munculnya celah bagi para siswa untuk tidak absen dan membolos saat kegiatan belajar mengajar. Tujuan dari penelitian ini adalah untuk membuat sebuah sistem informasi absensi dengan menggunakan teknologi nirsentuh yang dalam hal ini adalah RFID (Radio Frequency Identification). Teknologi ini nantinya akan menggantikan peran kertas dan tinta untuk merekam kehadiran siswa dan guru agar mempermudah operator sekolah dalam pelaporan absensi kepada pihak-pihak yang berkepentingan. Hasil menunjukkan bahwa sistem sudah mampu untuk mengendalikan proses absensi yang terjadi pada SMK Ar-Rahmah dan sudah dapat dilaporkan dengan baik. Namun perlu adanya kajian lebih lanjut mengenai peningkatan peran teknologi nirsentuh dalam menangani absensi siswa agar sistem dapat berjalan lebih baik dengan mengkolaborasikan peran manusia dengan peran teknologi informasi itu sendiri.

region. In 2015, the electrification ratio in Kupang is 58.67%. This figure is far below from Indonesia electrification ratio, which is 88.3%. At present, people of Kupang get their electricity supply from fuel energy power system, which is costly and has a bad impact for environment. Furthermore, Indonesia has many renewable resource that has not been fully utilized and this condition in line with acceleration program of electricity infrastructure development in Indonesia, considering that Kupang has a geothermal potential in Mataloko. This research aims to develop a dynamical model of Mataloko geothermal power plant 1 x 2.5 mw development strategy in Kupang, East Nusa Tenggara from technical and economical aspect. We used system dynamics to modelling the existing electricity condition in Kupang as a base model to develop scenarios. We hope this scenario can be taken as consideration to develop a renewable resource power plant in order to fulfill the electricity demand. The result shows that geothermal potential in Mataloko is feasible to generate an electricity.

Penelitian ini bertujuan untuk menerapkan sebuah algoritma klasifikasi yang dapat menjustifikasi sentimen pada kumpulan cuitan Twitter yang diposting oleh masyarakat Indonesia. Penerapan algoritma ini nantinya akan mengklasifikasikan cuitan mana yang mengandung unsur pelanggaran yang diatur dalam UU-ITE. Dengan adanya penerapan algoritma klasifikasi ini diharapkan dapat membantu pemerintah khususnya Kepolisian Republik Indonesia dan Badan Intelijen Negara dalam merumuskan kebijakan mengenai tindakan pencegahan pelanggaran UU-ITE serta mencegah penyebaran paham radikalisme, informasi palsu dan isu SARA di Negara Indonesia. Teknik pengumpulan data yang dilakukan pada penelitian ini yaitu menggunakan Twitter API (Application Programming Interface). Sedangkan algoritma klasifikasi yang digunakan pada penelitian ini yaitu Naive Bayes Multinomial Text. Algoritma ini dipilih karena mampu mengklasifikasikan dokumen dengan memperhitungkan jumlah kemunculan kata. Dari hasil kompilasi dan data yang diolah, algoritma ini mampu menjustifikasi sentimen secara akurat kurang lebih 99,62%.

No abstract

The main requirement for graduation from students is to make a final scientific paper. One of the factors determining the quality of a student's scientific work is the uniqueness and innovation of the work. This research aims to apply data mining methods to detect similarities in titles, abstracts, or topics of students' final scientific papers so that plagiarism does not occur. In this research, the cosine similarity method is combined with the preprocessing method and TF-IDF to calculate the level of similarity between the title and the abstract of a student's final scientific paper, then the results will be displayed and compared with the existing final project repository based on the threshold value to make a decision whether scientific work can be accepted or rejected. Based on the test data and training data that has been applied to the TF-IDF method, it shows that the percentage level of similarity between the training data document and the test data document is 8%. This shows that the student thesis is still classified as unique and does not contain plagiarism content. The findings of this study can help the university in managing the administration of student theses so that plagiarism does not occur. Furthermore, it is necessary to study further adding methods to increase the accuracy of system performance so that when the process is run the system will work faster and optimally.