AbstrakSaat ini pembicaraan publik di sosial media menjadi salah satu hal menarik untuk diteliti. Dari topik pembicaraan itu menghasilkan komentar yang sebagian besar mengandung opini sentimen. Penelitian ini mencoba menganalisis komentar dengan metode analisis vader, yaitu metode analisis lexicon-based berbasis rule-based sentiment analysis. Vader akan menganalisis text berdasarkan lexicon (a library) yang menghasilkan class sentimen berupa positif, negatif, dan neutral dengan tambahan skor total atau compound (combined score). Penelitian ini memanfaatkan Prepocess text yang meliputi transformation, tokenization, normalization, dan filtering yang bertujuan agar text bisa dianalisis oleh Orange Data Mining guna mendapat perbandingan analisis sentimen terhadap T-cash dan Go-pay di sosial media. Dari penelitian yang dilakukan mendapat kesimpulan bahwa T-cash memiliki nilai sentimen positif lebih tinggi dari pada Go-pay dan memiliki sentimen negatif yang lebih rendah dari pada Go-pay. Namun persamaanya T-cash dan Go-pay memiliki kesamaan pola grafik dimana sentimen terbesar adalah neutral, diikuti oleh positif, dan terakhir adalah negative.

Fokus  peneltitian ini adalah melakukan analisis text mining pada produk elektronik yang dijual di e-commerce Shopee dengan menggunakan metode algoritma K-Means bahasa python. Data yang di scraping adalah teks komentar, penjualan dan rating bintang. Data hasil dari penelitian didapatkan pada analisis teks komentar produk dengan wordcloud produk Smartphone low cost menunjukan data komentar marketplace shopee dapat bahwa baik di smartphone low cost maupun yang high cost cenderung memiliki pola wordloud yang sama dimana kata yang dominan muncul cenderung netral dan positif, sedang  yang bermakna negatif cederung tidak dominan. Sementara kata yang sering muncul yaitu  barang, mantap, kirim dan bagus . Sedangkan hasil proses wordcloud high cost  kata yang sering muncul ialah  (kirim, cepat, dan bagus). Serta berdasarkan hasil grafik dari proses clustering data k-means menunjukan bahwa angka penjualan 0 sampai 1000 mendapatkan skor rating bintang tertinggi dan penjualan dengan skor rating bintang terendah ialah antara 1500 sampai 2000 ke atas.

Computer networks have penetrated into various fields including education for the learning process which is used as a medium for delivering scientific concepts to be more attractive and easily accepted. The Muhammadiyah University of Palembang currently has very high mobility, both used for browsing information, downloading data and using other facilities. For the need for bandwidth management to manage each passing data so that the distribution of bandwidth becomes evenly distributed by using the queue tree method that is applied to the proxy. To evaluate internet bandwidth analyze QoS (Quality of Service) using typhoid standardization in terms of measurement of throughput, delay, and packet loss. The results of this study show that the quality of the network with the hierarchical token bucket method is more optimal, this is because the bandwidth will be divided according to the rules applied to bandwidth management and does not cause clients to fight over bandwidth

Aplikasi yang berbasis website telah menjadi kebutuhan, salah satunya aplikasi web dalam bentuk virtual tour sebagai media informasi untuk meperkenalkan tempat objek wisata yang berada di kota, Penelitian ini mengambil kota lahat sebagai objek utama, dimana informasi akan di tampilkan secara visual dari suatu lokasi dengan panorama 360 sehingga pengguna dapat mengetahui objek wisata. Metode yang digunakan adalah metode Multimedia Development Life Cycle (MDLC) yang merupakan metode rancang bangun perangkat lunak multimedia yang menekankan pada 6 tahap pengembangan multimedia. Adapun Fitur yang akan digunakan adalah maps, informasi, panorama 360°, comment, like dan rating. Manfaat aplikasi virtual tour ini dapat memudahkan wisatawan untuk melihat objek wisata yang ada di kota lahat.

From the research that has been done, it can be concluded that Sentiment Analysis can be used to know the sentiment of the public, especially Twitter netizens against omnibus law. After the sentiment analysis, it looks neutral artmen with the largest percentage of 55%, then positive sentiment by 35% and negative sentiment by 10%. The results of the analysis showed that the Naïve Bayes Classifier method provides classification test results with accuracy in Hashtag Pro with an average accuracy score of 92.1%, precision values with an average of 94.8% and recall values with an average of 90.7%. While Hashtag Counter For data classification, with an average accuracy value of 98.3%, precision value with an average of 97.6% and recall value with an average of 98.7%. The result of text cloud analysis conducted on a combination of hashtags both Hashtag pros and Hashtags cons, the dominant word appears is Omnibus Law which means that all hashtags in scrap is really discussing the main topic that is about Omnibus Law