Situs web STT Wastukancana merupakan salah satu media informasi mengenai kegiatan institusi, baik untuk mahasiswa, dosen, tenaga kependidikan, maupun masyarakat luas. Selain sebagai media informasi, situs web STT Wastukancana juga terhubung dengan berbagai sistem informasi yang ada di institusi seperti sistem informasi akademik. Kemudahan pencarian informasi dan pengalaman yang baik saat menggunakan situs web tersebut sangatlah penting. Oleh karena itu, pada penelitian ini dilakukan evaluasi antarmuka dengan melakukan pengujian usability. Aspek usability yang dievaluasi adalah learnability, effectiveness, efficiency, dan satisfaction. Pengujian dilakukan dengan menggunakan metode cognitive walkthrough pada 10 orang responden, baik yang belum atau sudah pernah menggunakan situs web STT Wastukancana dan system usability scale (SUS) pada 20 responden yang sudah pernah menggunakan situs web STT Wastukancana. Hasil dari penelitian ini diperoleh nilai aspek learnability sebesar 96%, effectiveness sebesar 96%, efficiency sebesar 0,07 detik, dan aspek satisfaction dengan nilai SUS 86,25 dan acceptability ranges berada di kategori acceptable. Rekomendasi perbaikan usability situs web STT Wastukancana terdiri dari dua jenis rekomendasi, yaitu perbaikan antarmuka dan perbaikan sistem.

Indonesia is a country that has a lot of cultural diversity. This cultural diversity needs to be preserved. If this is not done, the culture that is owned by Indonesia can slowly disappear. The reduction in cultural values can also reduce the sense of belonging to the culture. This lack of sense of ownership makes it easy for other nations to make claims on the culture that is owned by Indonesia. Indonesia will lose its characteristics as a country that has a lot of cultural diversity. One of the efforts to preserve culture is to recognize the characteristics of each culture and be able to recognize the differences between one culture and another. For example, recognizing traditional houses from various ethnic groups based on their image. In this research, the image classification of the characteristics of traditional houses from several ethnic groups in Indonesia was carried out. The classification used to identify an image. In this study, deep learning techniques are used with the Convolutional Neural Network (CNN) algorithm and Keras framework. This CNN use several layers namely convolutional, pooling, flatten, and dense layer. The development of deep learning models uses the Knowledge Discovery in Database (KDD) method. This method consists of nine stages. The built model is evaluated using k-fold cross validation with a k value of 5 and produces an average accuracy of 80%. This shows that the model built is capable of classifying well. The built model is evaluated with 3 different epoch values, namely 50, 75, and 100. The larger the epoch value used, the greater the accuracy value. The model built is also able to make predictions with an accuracy of 80%.

Perbankan merupakan industri yang saat ini sudah berkembang dalam pemanfaatan teknologi informasi dengan meningkatkan standar kualitas layanan agar dapat bersaing dipasar pada era digital yang semakin ketat. Pada saat ini bank BRI sedang menarik perhatian masyarakat akan kualitas pembaharuan dengan meluncurkan aplikasi mobile banking,  maka dari itu dilakukanlah analisis mengenai ulasan pengguna mobile banking  BRImo untuk dijadikan sebagai objek penelitian  dengan melakukan komparasi metode klasifikasi text mining. Penelitian ini bertujuan  untuk   mengetahui hasil komparasi algoritma Support vector machine dan Naive bayes. Algoritma  Support vector machine dan Naive bayes  adalah suatu metode  klasifikasi untuk mengolah data berupa teks dengan  tingkat akurasi yang baik.  Algoritma ini biasanya digunakan untuk analisis text mining dengan 4 tahapan yaitu Scrapping data, Preprocessing, Klasifikasi dan evaluasi. Pada tahap preprocessing memiliki beberapa proses diantaranya filtering, labeling, case folding, tokenization, stopword removal & Stemming dan normalisasi agar mendapatkan suatu kata yang bisa diklasifikasikan. Hasil dari penelitian ini yaitu algoritma Support vector machine merupakan algortima yang lebih baik dalam klasifikasi data ulasan aplikasi mobile banking BRImo dengan nilai akurasi sebesar 97,69% dibandingkan algoritma Naive Bayes dengan nilai akurasi sebesar 96,53%.

Salah satu hal yang dinilai dalam proses akreditasi adalah rata-rata Indeks Prestasi Komulatif (IPK) lulusan dalam tiga tahun terakhir. Sekolah Tinggi Teknologi (STT) XYZ telah terakreditasi BAN-PT namun nilai akreditasi yang didapatkan belum maksimal. Salah satu hal yang mempengaruhi adalah rata-rata IPK lulusan yang masih rendah. Oleh karena itu, dilakukan analisis data mining dengan model klasifikasi pada data akademik dan non akademik mahasiswa. Algoritma klasifikasi yang digunakan adalah J48 dan Logistic Model Tree (LMT). Tujuan dari penelitian ini adalah untuk membandingkan algoritma J48 dan LMT dalam memprediksi IPK akhir mahasiswa melalui predikat kelulusan dan mengetahui faktor apa saja yang mempengaruhi IPK akhir mahasiswa. Data yang digunakan adalah data mahasiswa jenjang sarjana yang telah dinyatakan lulus pada yusidium tahun 2015 sampai 2019 sejumlah 1050 data. Hasil penelitian ini adalah algoritma algoritma J48 menghasilkan akurasi sebesar 75,5%, sedangkan algoritma LMT menghasilkan akurasi sebesar 73,5%. Pada kedua algoritma, atribut yang berpengaruh pada predikat kelulusan mahasiswa adalah IPS semester 2, IPS semester 1, dan IPS semester 4. Algoritma J48 mampu mengklasifikasikan predikat kelulusan mahasiswa dengan lebih baik dan melakukan proses klasifikasi dengan lebih sederhana juga membutuhkan waktu yang lebih singkat. Kata Kunci:predikat kelulusan, klasifikasi, J48, LMT