Abstrak Dalam dunia transportasi khususnya penerbangan banyak sekali hal menarik yang bisa dianalisa maupun diperbarui, contohnya dalam menilai kepuasan penumpang maskapai sebagai evaluasi maupun mengetahui seberapa besar kepuasan pelanggan dalam menggunakan transportasi penerbangan tersebut. Karena alasan inilah sehingga peneliti akan melakukan penelitian mengenai hal tersebut di atas dengan menggunakan algoritma Naïve Bayes, dimana pengukuran tersebut diukur dengan 16 variabel pengukur dan 1 variabel respon. Digunakan dataset sebanyak 129.880 record untuk selanjutnya dari dataset tersebut akan dibagi menjadi data training dan data testing, dimana pembagian data tersebut akan dibuat dalam 4 kondisi yaitu 90%, 85%, 80% dan 75% untuk masing data training dan sisanya adalah data testing sehingga dapat dilihat dari keempat pembagian ini manakah yang memiliki tingkat akurasi yang paling tinggi. Dari proses analisa menggunakan algoritma Naïve Bayes yang dilakukan dengan aplikasi KNime, didapatkan bahwa pembagian data training 90% dan Data Testing 10% adalah hasil akurasi tertinggi dengan persentasi akurasi sebesar 81,466%. Dengan hasil ini maka 16 variabel pengukur yang ditetapkan peneliti dapat dijadikan sebagai sebuah acuan untuk mengukur tingkat kepuasan penumpang maskapai penerbangan.

Komputasi awan telah menjadi teknologi yang diterapkan banyak perusahaan dalam memenuhi kebutuhan penyimpanan data yang efektif dan efisien. Selain sebagai pengganti server fisik, Komputasi awan dapat meningkatkan efektifitas dan efisiensi akses data organisasi. Dalam penelitian ini, Universidade Dili sebagai institusi pendidikan juga memilih opsi Komputasi awan sebagai media penyimpanan data akademik dengan model private cloud storage. Sebelum diimplementasikan, perlu diukur tingkat kematangan tata kelola IT saat ini sehingga Komputasi awan ini layak untuk diimplementasi. Dalam penelitian yang dilakukan, digunakan kerangka kerja COBIT 5 dengan fokus domain yaitu APO(1,3,4,7,10,12,13) dan BAI(4,6,9). Hasil analisa didapatkan tingkat kapabilitas adalah sebesar 2.07 yang artinya Proses dan tata kelola IT telah dilakukan, mencapai tujuan, dan terkelola dengan baik. Dengan nilai kesenjangan sebesar 0.96 yang artinya tingkat kesenjangan antara nilai yang didapat dan diharapkan tidak terlalu besar sehingga private cloud storage dapat diimplementasikan dan layak karena saat ini tata kelola IT di universidade Dili telah siap untuk implementasi private cloud storage walaupun ada beberapa aspek yang harus diperbaiki agar lebih optimal.

Communication between people is essential for daily life activities. However, humans are created with their own strengths and weaknesses. One of them is the difficulty of communication and interaction for people with hearing and speech impairments. Sign language is a language for people who have difficulty hearing and speaking. However, sign language is not popular in society, and people who have it will have more difficulties. This research aims to classify hand gestures of sign language into letters using a convolutional neural network (CNN). The dataset is obtained from Kaggle, with a total of 34,627 data divided by the ratio of training and testing data of 80:20. From the test results, the letters of the alphabet that can be translated are: A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, S, T, U, V, W, X, Y, and Z. Furthermore, validation accuracy is obtained. In this study, a very high validation accuracy was obtained. The easiest letters to guess are V and N, while the most difficult letters to guess are n, c, j, and z. With different preprocessing, the loss value can be reduced, giving a higher accuracy of 95.4%.