Analisis sentimen Review Aplikasi Kredivo merupakan salah satu contoh proses untuk mengaplikasikan dari pada metode algoritma Support Vector Machine (SVM) dan Naive Bayes Classifier dalam mengklasifikasi sentiment yang tujuannya adalah membandingkan kedua metode tersebut mana yang lebih baik. Data penelitian ini diambil dari website Google Play Store, data yang diambil yaitu data teks ulasan dengan jumlah 10000 ulasan. Data tersebut melewati proses Data Preprocessing dan menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC). Setelah itu dilakukan pengujian menggunakan kombinasi dari pembagian data latih dan data uji, serta menggunakan sistem set validation, dimana 80% untuk data uji dan 20% untuk data testing. Pengujian menggunakan algoritma Support Vector Machine menghasilkan akurasi 83,3% dengan nilai presisi untuk kelas positif 77% dan kelas negatif 87% sedangkan nilai recall untuk kelas positif sebesar 89% dan 73% untuk kelas negatif. Kemudian untuk algoritma Naive Bayes Classifier sendiri menghasilkan nilai akurasi sebesar 80,8% dengan nilai presisi untuk kelas positif sebesar 81% dan untuk kelas negatif sebesar 87%, sedangkan nilai recall untuk kelas positif sebesar 88% dan untuk kelas negatif sebesar 79%. Jadi untuk tingkat keseluruhan dapat dilihat dari nilai akursi dengan algoritma SVM lebih tinggi dibanding Naive Bayes Classifier.

The brain in humans becomes part of the central nervous system of the human body. The use of imaging with MRI is one that can be used as a first step to detect parts of the human brain. The imaging step is the first step in diagnosing brain tumor. By performing feature extraction, which aims to process the classification of brain tumors, between normal and abnormal brain images using the naive Bayes method. Obtained 41 images which then became 39 datasets. Feature extraction results with 2 classes, normal as many as 20 data and abnormal data 19. The calculation results obtained the value of the normal class of 0.513 and the abnormal class of 0.487 the value of the calculation accuracy of 84.17%.

Perkembangan digital di Indonesia ditunjukan dengan meningkatnya kebutuhan penggunaan perangkat komputer dan juga perangkat aplikasi bergerak atau mobile. Pesatnya perkembangan teknologi ini berdampak pada perubahan diberbagai bidang khususnya pada perubahan gaya hidup masyarakat. Masyarakat pada era ini cenderung ingin mendapatkan segala sesuatu dengan efisien dan efektif tak terkecuali dalam pemenuhan sayur dan buah pada masyarakat. Aplikasi VeggieFun memberikan kemudahan bagi masyarakat yang ingin memenuhi kebutuhan sayur masyarakat tanpa harus datang langusng ke pasar ataupun supermarket. Sebagai aplikasi yang ditujukan untuk kegiatan komersial atau bisnis, aplikasi VeggieFun memerlukan sebuah model bisnis dan model UML yang digunakan dalam proses perancangan dan pengembangan aplikasi VeggieFun ini. Dengan menggunakan Business Model Canvas (BMC) kita dapat menganalisa rencana dan pengembangan aplikasi yang kita akan buat dari sisi bisnis. Selain model BMC yang kami gunakan untuk merancang dan penggunaan model UML (Unified Modelling Language) pada tahapan desain untuk mempermudah tahapan imlementasi dan pengembangan aplikasi

In this study, an automatic diagnosis analysis of the results of pap smear image extraction using neural network algorithms, the analysis included a review of the results of Herlev pap smear extraction level 7 grade, 2 normal and abnormal classes, 3 classes of normal level dysplasia and 4 classes of abnormal dysplasia levels. The problem is that neural networks are very difficult to designate optimal features in diagnosing and difficult to handle class imbalances. This study proposes a combination of particle swarm optimization (PSO) to optimize the features and bagging methods to deal with class imbalances, with the aim that the results of diagnosis using a neural network can increase its accuracy. The results show that using PSO and bagging methods can improve the accuracy of the algorithm of network balance. At level 7 the buffer class increased by 1.64%, 2 classes increased by 0.44%, 3 classes increased by 2.04%, and at level 4 the class increased by 5.47%In this study, an automatic diagnosis analysis of the results of pap smear image extraction using neural network algorithms, the analysis included a review of the results of Herlev pap smear extraction level 7 grade, 2 normal and abnormal classes, 3 classes of normal level dysplasia and 4 classes of abnormal dysplasia levels. The problem is that neural networks are very difficult to designate optimal features in diagnosing and difficult to handle class imbalances. This study proposes a combination of particle swarm optimization (PSO) to optimize the features and bagging methods to deal with class imbalances, with the aim that the results of diagnosis using a neural network can increase its accuracy. The results show that using PSO and bagging methods can improve the accuracy of the algorithm of network balance. At level 7 the buffer class increased by 1.64%, 2 classes increased by 0.44%, 3 classes increased by 2.04%, and at level 4 the class increased by 5.47%

Pada jaringan internet kualitas suatu koneksi ditentukan oleh beberapa faktor diantaranya throughput bandwidth yang berjalan karena banyak sedikitnya bandwidth akan mempengaruhi akses bagi pengguna baik itu untuk browsing, streaming, download dan upload. Hal tersebut bukan hanya terjadi pada traffic yang menuju ke internet, melainkan terjadi juga pada jaringan VPN dimana apabila banyak user yang menggunakan traffic data VPN dapat menyebabkan akses menjadi lambat.  Terlebih lagi apabila pada suatu jaringan memiliki 2 link internet yang seharusnya kedua link tersebut dapat digunakan secara bersamaan. Ada beberapa parameter yang dapat digunakan untuk meningkatkan kapasitas bandwidth diantaranya adalah Bonding. Bonding adalah sebuah teknologi yang memungkinkan agregasi lebih dari satu interface ethernet dan menggabungkan kedalam satu link virtual sehingga kita akan mendapatkan throughput bandwith yang lebih besar. Faktor lain yang berpengaruh terhadap kualitas suatu koneksi diantaranya adalah topologi. Pemilihan topologi terutama pada jaringan VPN yang memiliki banyak node diperlukan topologi yang menerapkan sebuah perangkat jaringan yang bertugas menjadi concentrator sehingga jaringan VPN terpusat pada concentrator tersebut. Perangkat yang digunakan sebagai router concentrator adalah Mikrotik