The development of technology is currently developing very quickly, this is directly proportional to releasing cyber crime. One crime that often occurs is the case of Pornography. This application is done using one of the very popular Instant Messenger (IM) applications, the WhatsApp application. But after the crime is committed next or sending evidence in the form of conversations, video recordings, images and others committed by the suspect using the WhatsApp application. Therefore, this study proposes to find evidence related to digital pornography. This research produced a forensic procedure in conducting an investigation of the WhatsApp application to obtain previously published evidence containing a conversation session, a list of contact numbers, a profile photo of the victim and others. This research was conducted by reading a backup file of the encrypted WhatsApp application database that stores the conversation session that has been released. This research uses the method (National Institute of Standards and Technology (NIST). This digital evidence can be obtained using one of the forensic tools namely WhtasApp Viewer. The results obtained in this study contain WhatsApp contents that have been available which can be found digitally in uncovering the crime of pornography that is happen.

Teknologi informasi  memberi  pengaruh  besar  terhadap aktifitas pada sektor pendidikan diantaranya pada pendidikann sekolah menengah atas maupun tingkat pendidkan tinggi. Pemanfaatan teknologi informasi dengan bijak, dapat memberikan dampak yang baik untuk masyarakat, seperti bagi tenaga pendidik. Sehingga, seorang pendidik harus dapat memahami penggunaan teknologi informasi ketika melakukan proses belajar mengajar di kelas. Oleh sebab itu, penelitian ini bermaksud melihat pemahaman guru terhadap penggunaan teknologi informasi di tiga sekolah menengah kejuruan (SMK) di Aceh. Observasi dan penyebaran angket adalah dua langkah pengumpulan datapada penelitian ini. Hasil yang didapat kemudian dianalisis dengan program SPSS versi 22.0. Uji yang penulis lakukan untuk penelitian ini diantaranya adalah uji validitas, reliablitas, normalitas, dan uji korelasi yang bertujuan untuk melihat hubungan variabel-variabel yang penulis teliti. Hasil penelitian didapat bahwa, tingkat pemahaman penggunaaan teknologi informasi pada tiga sekolah kurang baik yang dipengaruhi oleh beberapa faktor.

Dalam pengembangan sistem informasi, kemungkinan kesalahan atau kegagalan (failure) cukup tinggi dan acap kali terjadi kasus kegagalan yang berulang yang dapat berakibat fatal bagi kelangsungan transaksi sistem pada suatu organisasi, sehingga penting untuk melakukan antisipasi untuk mengatasi kegagalan (failure) atau meminimalisir resiko kegagalan pengembangan sistem informasi tersebut. Pada penelitian ini dikaji beberapa kesalahan-kesalahan yang umum dan sering terjadi pada saat pengembangan sistem informasi menggunakan pendekatan forward chaining. Berdasarkan pada proses penelitian yang telah dilakukan, pendekatan metode penalaran kedepan (forward chaining) dapat digunakan dalam membentuk suatu aturan yang dapat melakukan penalaran terhadap pengetahuan kegagalan pengembangan sistem informasi dan setiap aturan yang dimasukkan ke dalam basis pengetahuan mampu di baca (dirunut) dengan baik oleh sistem.

No abstract

Abstrak-Analisis Clustering merupakan salah satu metode yang bertujuan untuk mengelompokan data/objek berdasarkan kemiripan dan ketidakmiripan karakteristiknya. Sehingga objek yang berada pada satu cluster memiliki kemiripan yang besar dan sangat kecil bila dibandingkan dengan cluster lain. Algoritma K-means merupakan salah satu metode pengelompokan non hierarki yang paling umum digunakan, namun pada algoritma ini pengguna harus mengetahui jumlah kelompok yang akan dikelompokan. Sedangkan algoritma X-means merupakan pengembangan dari algoritma K-means, dimana algoritma ini mampu mengelompokan datanya sendiri tanpa menginput jumlah k. Algoritma X-means akan berhenti melakukan pengelompokan hingga batas cluster maksimal tercapai. Algoritma X-means juga tau kapan dan dimana centroid baru harus muncul berdasarkan perhitungan nilai Bayesian Information Criterion  (BIC). Penelitian ini bertujuan untuk membandingkan hasil analisis clusteringK-means dengan X-means menggunakan data penduduk miskin provinsi Aceh tahun 2018 dan data Iris. Hasil pengujian clustering dengan data Iris memiliki tingkat kemurnian dan hasil pengelompokan yang baik dari masing-masing algoritma. Yaitu nilai purity pada K-means sebanyak 0.89 dan pada X-means 0.88 dengan nilai Davies Bouldin Index (DBI) masing-masing 0.16. Dan hasil pengujian clustering dengan data penduduk miskin menunjukkan bahwa pada algoritma K-means didapatkan tingkatan kemiskinan dengan kategori Sangat Miskin berada pada cluster nol, kategori Miskin pada cluster dua, kateogori Rentan Miskin berada pada cluster tiga dan kategori Tidak Miskin berada pada cluster satu. Dan pada algoritma X-means diperoleh tingkatan kemiskinan dengan kategori Sangat Miskin berada pada cluster satu, kategori Miskin pada cluster tiga, kategori Rentan Miskin berada pada cluster dua dan kategori Tidak Miskin berada pada cluster nol. Berdasarkan Waktu yang dibutuhkan selama proses clustering algoritma X-means memiliki kecepatan yang lebih baik yaitu 0.06second. Sedangkan K-means membutuhkan waktu selama 0.22 second. Sehingga dapat disimpulkan bahwa algoritma X-means lebih cepat dalam melakukan pengelompokan dibandingkan algoritma K-means. Kata Kunci : Penduduk Miskin, K-means, X-means, Purity, Davies Bouldin Index (DBI)