Salah satu bentuk tindak kriminal yang bisa dijerat dengan undang-undang ITE adalah Hate speech. Namun saat ini netizen di Indonesia masih banyak menggunakan kata-kata Hate Speech dalam mengomentari berita di media online. Dampaknya adalah banyak netizen saat ini yang diperkarakan ke kepolisian oleh pihak yang merasa dirugikan. Hal ini terjadi karena kurangnya informasi dari netizen mengenai hate speech. Penelitian yang akan dilakukan terkait pendeteksian kata-kata yang mengadung Hate Speech pada porta berita online. Pendekatan yang digunakan untuk melakukan pendeteksian kata-kata Hate Speech menggunakan Neural Language Processing dengan menggunakan metode Support Vector Machine (SVM). Untuk mengukur tingkat keakuratan dilakukan beberapa skenario uji coba sehingga tingkat keakuratannya menjadi lebih baik. Komentar pada penelitian ini didapat pada sebuah portal berita online terpopuler di Indonesia. Algoritma SVM dapat diterapkan dalam menganalisa komentar terkait isu politik yang mengngandung Hate Speech dengan nilai akurasi yang bisa sebesar 53. 88% serta nilai Recall adalah  49,69%, Precision adalah 48,77%, Classification error adalah 46,12% dan fmeasure adalah 49.23%.. Dengan adanya penelitian yang akan dilakukan ini bisa menjadi rujukan portal berita untuk menerapkan sistem filtering sehingga kedepannya kasus-kasus mengenai Hate Speech ini dapat diminimalisir.

STMIK Amik Riau menggunakan sistem informasi akademik dalam memberikan pelayanan terhadap mahasiswa dan kegiatan akademik lainnya seperti e-KRS, e-EDOM, Labkom, e-library, e-ktm, e-BAAK, PMB, dan lain sebagainya. Evaluasi sistem merupakan salah satu cara untuk mengetahui sistem dapat berjalan dengan baik dan optimal dalam memberikan layanan yang lebih efektif dan efisien. Audit TI digunakan untuk mengukur tingkat kematangan (maturity level) dari SIASAR dan memberikan rekomendasi terhadap sistem. Penelitian berfokus pada terhadap mahasiswa sehingga framework audit Information Technology Infrastucrure Library (ITIL) v3 sesuai karena terdapat domain khusus yang dapat mengukur tingkat kematangan dari SIASAR yaitu Domain Service Operation. Analisa berupa penyebaran kuisioner kepada pengguna atau yang terlibat dengan sistem secara langsung SIASAR. Berdasarkan perhitungan sistem SIASAR masih pada level 2 (repeatable) dengan nilai 1,78 dimana sistem SIASAR saat ini sudah memiliki sebuah tingkat kedisiplinan dan kepatuhan terhadap peraturan dan standar operasional yang berlaku. Rekomendasi yang dapat diberikan berupa peningkatan proses pendokumentasian, standarisasi, dan pengukuran serta pencatatan pada seluruh unit yang ada pada STMIK Amik Riau.

Peminatan studi pada STMIK Amik Riau merupakan pilihan minat berdasarkan kemampuan khusus dan ketertarikan mahasiswa. Program studi Teknik Informatika STMIK Amik Riau memiliki dua bidang peminatan, yaitu bisnis dan jaringan. Peminatan disesuaikan dengan kemampuan dan ketertarikan dari mahasiswa serta harus dipilih dengan baik dan tepat. Pengambilan peminatan sangat berpengaruh terhadap tugas akhir dan tingkat kelulusan mahasiswa. Pemilihan peminatan studi oleh mahasiswa saat ini hanya mengikuti teman dan tidak berdasarkan kemampuan, sehingga sebuah Sistem klasifikasi peminatan merupakan salah satu solusi untuk menyelesaikan permasalahan pemilihan peminatan pada program studi karena dianggap mampu memberikan rekomendasi pemintan yang baik dan tepat. Algoritma K-Nearest Neighbor (K-NN) merupakan algoritma klasifikasi yang dapat digunakan sebagai solusi dalam pengelompokan data. Pada penelitian ini data yang digunakan diperoleh dari nilai mata kuliah prasyarat selama semester satu hingga semester lima. Data diolah dengan membangun aplikasi yang menerapkan algoritma K-NN menggunakan PHP dan MySQL. Hasil keluaran sistem memiliki akurasi 100% dibandingkan hasil perhitungan manual menggunakan Ms. Excel. Pengujian menggunakan tools RapidMiner untuk mengukur performa algoritma. Hasil pengujian yang dilakukan terhadap 183 data latih dan 100 data uji menyatakan algoritma K-NN memiliki performa dengan hasil Acuracy, Recall, Precision, F Measure, dan Clasificassion Error dengan nilai 98%, 100%, 100%, 91.67%, dan 2%. Penelitian ini dapat memberikan rekomendasi peminatan studi kepada mahasiswa Teknik Informatika STMIK Amik Riau.

Coronavirus Disease-19 (Covid-19) is an infectious disease caused by the SARS-CoV-2 virus. The rapid spread of this disease has affected 216 other countries and regions, including Indonesia. In minimizing the spread and increasing losses, it is necessary to have several policies made by the Indonesian government in dealing with this. One of the policies taken by the government is the Convict Assimilation Program to prevent the spread of the virus in prisons. The Prisoner Assimilation Program fosters inmates by integrating prisoners into social life. Many media reported on the assimilation program in various media, including news portals, so that it became a forum for the public to express their opinions. News portals can be a source for getting public opinion. Therefore, sentiment analysis can be done to determine the sentiment of any existing public opinion. In this study, the analysis was carried out by applying one of the data mining methods, namely the Support Vector Machine, with positive, negative, and neutral sentiment labeling. The data used is audience comments in Indonesian with a dataset of 404 comments and then resampled so that the number of data becomes 669. The analysis uses the kernel Radial Basis Function (RBF), RBF with Grid Search, Polynomials, and Polynomials with grid search. Kernel RBF and Kernel Polynomial with Grid Search comparing test and training data 80%:20% with the highest accuracy of 95%.