This study aims to measure the classification accuracy of XSS attacks by using a combination of two methods of determining feature characteristics, namely using linguistic computation and feature selection. XSS attacks have a certain pattern in their character arrangement, this can be studied by learners using n-gram modeling, but in certain cases XSS characteristics can contain a certain meta and synthetic this can be learned using feature selection modeling. From the results of this research, hybrid feature modeling gives good accuracy with an accuracy value of 99.87%, it is better than previous studies which the average is still below 99%, this study also tries to analyze the false positive rate considering that the false positive rate in attack detection is very influential for the convenience of the information security team, with the modeling proposed, the false positive rate is very small, namely 0.039%

Proses pencarian IP pada Web Application Firewall menjadi sebuah tantangan ketika database IP yang dikumpulkan mulai membesar. WAF harus dapat dengan cepat memberikan keputusan apakah sebuah IP masuk kedalam kategori buruk (blacklisted ip) atau tidak. Berdasarkan penelitian-penelitian sebelumnya algoritma bloom filter dapat dengan mengurangi waktu pencarian secara signifikan, namun hal itu tidak cukup karena bloom filter memiliki kelemahan pada struktur datanya yang tidak dapat dilakukan penghapusan, berdasarkan masalah tersebut kami mengajukan pemodelan baru pencarian IP pada WAF dengan menggunakan algoritma Counting Bloom Filter.

<span lang="EN-US">Kondisi bertambahnya pasien covid-19 ini tidak sebanding dengan jumlah kamar yang tersedia di rumah sakit atau tempat khusus yang ditunjuk sebagai tempat isolasi pasien covid-19. Kekurangan ruang isolasi dan fasilitas juga dialami oleh rumah sakit lainnya diseluruh wilayah Indonesia. Sedikitnya jumlah kamar yang tersedia pada rumah sakit dan terbatasnya jumlah dan tenaga para dokter dan perawat maka diperlukan sebuah sistem untuk membantu dokter memberikan rekomendasi perangkingan pasien yang dapat masuk sebagai pasien rawat inap sehingga pasien, penggunaan ruangan, fasilitas serta tenaga yang ada menjadi lebih efisien serta mampu menolong semua pasien yang benar-benar membutuhkan. Dengan pemodelan yang diajukan AHP dapat membantu memberikan keputusan yang cepat dan dengan algoritma logistic regression mampu membantu mempercepat keputusan dari salah satu kriteria pada AHP yang digunakan dengan tingkat akurasi pengklasifikasian kondisi paru paru pasien sebesar 97.14%.</span>