Diakhir tahun 2021 pandemi covid-19 sudah mulai menurun dan mobilitas sudah mulai tidak dibatasi akan tetapi varian baru covid-19 atau corona virus omicron mulai terdeteksi di Indonesia untuk itu masyarakat dihimbau dan diwajibkan selalu menggunakan masker ketika berada di luar rumah. Dan juga selalu menjaga jarak, menghindari kerumunan dan juga rajin mencuci tangan. Diwajibkannya selalu memakai masker menjadi point penting pada penelitian ini yang dimana fokus penelitian yang akan dilakukan yaitu citra gambar wajah menggunakan masker medis. Metode yang akan dilakukan yaitu dengan melakukan ekstraksi fitur atau tekstur gambar wajah menggunakan masker medis dan wajah tanpa masker. Ektraksi tekstur yang digunakan yaitu local binary pattern (LBP) yang dimana dilakukan beberapa pengujian varian rotasi nilai (R,P) R=radius dan P=n_point dari LBP dengan kombinasi jumlah data yang digunakan, untuk mengetahui akurasi dilakukan klasifikasi menggunakan metode support vector mechine (SVM) agar akurasi dari beberapa pengujian tersebut didapat akurasi terbaik. Hasil menunjukkan akurasi terbaik didapat 88.65% dari kombinasi beberapa model pengujian dari ektraksi tekstur wajah.

The density of traffic flow is a problem for every big city, especially as it is easy to have a private vehicle, causing the flow to increase every year. So to overcome traffic flow, a system that can make optimal traffic performance is needed is needed. The purpose of this study is to determine whether the road conditions are empty, smooth, dense and very congested so as to produce a prediction of road options whether to continue passing the road or find another way, as well as to test the accuracy of traffic flow using the naive bayes method and the liner model. The classification stages carried out are data input, data preprocessing, classification, and the results of accuracy, precision, and recall. And the results of this study the naive bayes method obtained higher accuracy than the linear model, namely for naive bayes accuracy 95.70%, precision 95.67%, and recall 100%, while for naive bayes accuracy 92.10%, precision 95.68%, and recall 96.20%. then the result is the naive bayes method is superior in the traffic flow data classification process. And the results of decision making obtained results from traffic flow data obtained that the road is empty so that the road can be passed without having to find another way.  Keywords  - Classification, Naive Bayes, Traffic, Linear Model, Flow Density AbstrakKepadatan arus lalu lintas menjadi masalah setiap kota-kota besar, apalagi seiring mudah nya dalam memiliki kendaraan pribadi sehingga menimbulkan arus yang meningkat pada setiap tahunnya. Maka untuk penanggulangan arus lalu lintas dibutuhkan sistem yang bisa membuat kinerja lalu lintas yang optimal. Tujuan penelitian ini adalah mengetahui kondisi jalan apakah lengang, lancar, padat dan sangat padat sehingga menghasilkan prediksi opsi jalan apakah tetap melewati jalan tersebut atau mencari jalan lain, serta menguji tingkat akurasi arus lalu lintas menggunakan metode naive bayes dan model liner. Dengan tahapan klasifikasi yang dilakukan yaitu input data, preprocessing data, klasifikasi, dan hasil accuracy, precision, dan recall. Dan hasil penelitian ini metode naive bayes mendapatkan accuracy lebih tinggi dari model linier yaitu untuk naive bayes accuracy 95.70%, precision 95.67%, dan recall 100%, sedangkan untuk naive bayes accuracy 92.10%, precision 95.68%, dan recall 96.20%. maka hasilnya metode naive bayes lebih unggul dalam proses klasifikasi data arus lalu lintas. Dan hasil dari pengambilan keputusan didapat hasil dari data arus lalu lintas didapatkan jalan tersebut lengang sehingga jalan tersebut dapat dilalui tanpa harus mencari jalan lain. Kata Kunci -    Klasifikasi, Naive Bayes, Lalu Lintas, Model Linier, Kepadatan Arus

- The development of database technology requires a quality of data, where a database is needed in various applications that support the performance of a company or office, so that the database is said to be good, it must be managed appropriately, efficiently in terms of speed or time. For this reason, the use of this database is still the prima donna used in running a system. In this study, testing a database to determine the query response time from a Structured Query Language (SQL) and NoSQL (Non-SQL) system which was tested with a sales or sales database where the data records were (100,500,1000,100000, 2279879). Testing focused on data search includes queries displaying all data, one of the data, AND, OR, AND and OR, Order By (asc), and Order By (desc). The purpose of this research is to produce a comparative analysis of the query response time between SQL and NoSQL so that it is known which database is superior in a data search for use. The results of this study indicate that NoSQL is superior in searching for a database, but there are certain NoSQL searches that are slower than the SQL search process. Keywords  - NoSQL, SQL, Response Time, Search Data, Comparison Base Data. Abstrak – Perkembangan teknologi basis data dituntut sebuah kualitas sebuah data, yang dimana sebuah basis data sangat diperlukan di berbagai aplikasi penunjang kinerja sebuah perusahaan atau kantor, untuk itu agar basis data dikatakan baik harus dikelola dengan tepat, efesien dari segi kecepatan atau waktu. Untuk itu penggunaan basis data ini masih menjadi primadona digunakan dalam menjalankan sebuah sistem. Pada penelitian ini melakukan pengujian sebuah database untuk menentukan waktu query response dari sebuah sistem Structured Query Language (SQL) dan NoSQL(Non SQL) yang diujikan dengan database sales atau penjualan yang dimana record data (100,500,1000,100000, 2279879). Pengujian terfokus pada pencarian data meliputi query tampil seluruh data, salah satu data, AND, OR, AND dan OR, Order By (asc), dan Order By (desc). Tujuan penelitian ini menghasilkan analisis perbandingan waktu query response antara SQL dan NoSQL agar diketahui basis data yang lebih unggul dalam sebuah pencarian data untuk digunakan. Hasil penelitian ini didapat bahwa NoSQL lebih unggul dalam pencarian sebuah datam namun ada pencarian tertentu NoSQL lebih lambat dari proses pencarian SQL. Kata Kunci - NoSQL,SQL, Response Time,Pecarian Data,Perbandingan Basis Data.

Database atau basisdata pada perkembangannya harus dikelola dengan baik, apalagi saat ini database yang didalamnya memiliki informasi data penting sebuah perusahaan yang harus dilindungi dari hilangnya data sehingga diperlukannya sistem untuk membackup data tersebut. Disisi lain ketika sebuah aplikasi yang dimiliki perusahaan memiliki dua tempat site A dan site B yang dimana saling terhubung sehingga diperlukan sistem untuk menangani ketika satu tempat mengalami gangguan aplikasi itu dapat berkerja dan ketika sistem sudah berjalan baik data pada site A dan site B memiliki data yang sama. Penelitian ini mencoba mengimplementasikan sistem replikasi data, yang dimana data site A dan site B akan dihubungkan, selanjutnya akan dilakukan replikasi data dengan sistem sinkronisasi database. Hasil dari implementasi ini berhasil dilakukan akan tetapi untuk memastikan proses replikasi data berhasil dilakukan pengujian lain seperti penghapusan data, edit data, ubah data, dari pengujian ini semua berhasil sinkron antara site A dan site B sehingga data yang dimiliki sama antar site, pengujian yang dilakukan diolah dalam bentuk persentasi keberhasilan sehingga didapat proses sinkronisasi database dengan replikasi data 100%, untuk itu replikasi ini dapat terapkan untuk proses bisnis pada perusahaan PT. XYZ dalam penanganan sistem database yang dikelola. Kata Kunci -      SQL Server, Replikasi Data, Database, Data, SQL