Twitter menjadi salah satu media sosial yang paling umum digunakan oleh masyarakat Indonesia. Dengan kepopuleran yang dimilikinya, menjadikan Twitter salah satu laman untuk mengekspresikan opini publik mengenai isu yang sedang dalam perbincangan. Undang-Undang Cipta Kerja adalah Omnibus Law pertama dalam hukum Indonesia yang disahkan yang mana didalamnya terdapat aturan yang mengatur tentang ketenagakerjaan, penyederhanaan perizinan, persyaratan investasi, hingga administrasi pemerintahan. Opini pro dan opini kontra terhadap Undang-Undang Cipta Kerja banyak dituangkan masyarakat Indonesia pada sosial media, dalam kasus ini Twitter. Penelitian yang dilakukan berguna untuk menganalisa opini masyarakat Indonesia di media sosial Twitter terhadap Undang-Undang Cipta Kerja dengan mengklasifikasi opini kedalam kelas positif atau negatif. Dengan menggunakan metode Naive Bayes Classifier, klasifikasi opini dilakukan oleh peneliti. Beberapa langkah yang dilakukan dalam penelitian yang diteliti kali ini yaitu pengumpulan data, pelabelan manual, preprocessing, term weighting, pemodelan, pengujian, dan evaluasi performa. Performa terbaik yang diperoleh oleh Naive Bayes Classifier adalah akurasi sebesar 89.9%, precision sebesar 90%, recall sebesar 89.9%, dan f-1 score sebesar 89.9%. Hasil yang didapat menunjukkan bahwa masyarakat Indonesia 52.9% kontra dan 47.1% pro terhadap Undang-Undang Cipta Kerja.Twitter is one of the most familiar social media that used by Indonesian. With that popularity, Twitter is one of a page to express publics opinions about the recent issues.  Job Creation Law is the first Omnibus Law that was enacted in Indonesia and regulates employment, simplification of licensing, investment requirements, and government administration. Therefore, Job Creation Law received pros and cons from Indonesians on Twitter. The conducted research is to analyze publics opinions towards by classifying the opinions into positive or negative class. The opinions were classified using Naive Bayes Classifier method. The stages in this study are data collection, manual labeling, preprocessing, term weighting, classification modeling, testing, and performance evaluation. The performance obtained by Naive Bayes Classifier is 89.9% accuracy, 90% precision, 89.9% recall, and 89.9% f-1 score. The results showed that Indonesians are 52.9% against and 47.1% support Job Creation Law.

E-business security becomes an important issue in the development of technology, to ensure the safety and comfort of transactions in the exchange of information is privacy. This study aims to improve security in e-business systems using a hybrid algorithm that combines two types of keys, namely symmetric and asymmetric keys. Encryption and decryption of messages or information carried by a symmetric key using the simple symmetric key algorithm and asymmetric keys using the Rivest Shamir Adleman (RSA) algorithm. The proposed hybrid algorithm requires a high running time in the decryption process compared to the application of a single algorithm. The level of security is stronger because it implements the process of message encryption techniques with two types of keys simultaneously.

Program pemerintah dalam menyejahterakan masyarakat salah satunya yaitu melaksanakan Program Keluarga Harapan (PKH). PKH adalah program bantuan bersyarat oleh pemerintah yang diberikan kepada Rumah Tangga Miskin (RTM). Tujuan dari program keluarga harapan yaitu meningkatkan kualitas hidup penerima bantuan melalui kualitas kesehatan, pendidikan dan kesejahteraan sosial. Desa Candirejo merupakan salah satu desa yang menerapkan program tersebut. Dalam penentuan penerima bantuan, terdapat 14 kriteria yang digunakan. Pada pemilihan penerima bantuan sering terjadi permasalahan, salah satunya yaitu proses penentuan penerima bantuan yang cukup lama dan timbulnya prasangka masyarakat terkait penerima bantuan dari program tersebut. Dalam membantu mengatasi permasalahan yang terjadi, maka dibutuhkan suatu sistem rekomendasi penerima bantuan menggunakan metode Simple Additive Weighting (SAW). Tujuan dari penelitian ini yaitu mempermudah dan mempercepat perangkat desa dalam menentukan penerima bantuan PKH secara objektiv. Metode SAW juga biasa disebut metode penjumlahan terbobot, dengan membobotkan semua alternatif dan kriteria yang akan menghasilkan nilai referensi yang tepat. Dari hasil perhitungan metode SAW menghasilkan nilai yang dapat dijadikan rekomendasi penerima bantuan yang layak dan tidak layak berdasarkan hasil perhitungan nilai alternatif serta beberapa kriteria dan bobot yang ditentukan.Program Keluarga Harapan (PKH) is one of the Indonesian Government programs to improve community welfare. PKH is a conditional sosial assistance program from the Government to Rumah Tangga Miskin (RTM). This program aims to improve their livelihoods through improving the quality of healthcare, education, and social welfare. Candirejo Village is one of the villages that has been carrying out the implementation of PKH. There are 14 criteria used to determine eligibility for PKH beneficiaries. A problem that often occurs when selecting PKH beneficiaries is the long process of determining beneficiaries and it evokes public prejudice towards PKH beneficiaries. A recommendation system for beneficiaries is needed to resolve this problem, using the Simple Additive Weighting (SAW) method. The main purpose of this research is to simplify and help the village apparatus determine PKH beneficiaries quickly and objectively. The SAW method is also known as the weighted addition method, by weighting the alternatives and criteria and will produce the precise reference values. The result can be used as a recommendation for eligible and ineligible PKH beneficiaries based on the results of the calculation of the alternatives and preferred weight values.

The role of network communication is vital in this era which is the industrial era 4.0. In this era, the emphasis on digital economic patterns, artificial intelligence, big data, robotics, and so on or known as the phenomenon of disruptive innovation. Technology tools that need to be developed do not directly want sophisticated automation technology. Still, network infrastructure that is available in an agency or region that wants to reach the industrial era must be considered. This research aims at designing the network is to make the topology of private networks and public networks. It is solving private networks to optimise SIMRS application access speed. It also improves the management of public networks in the form of hotspot management. The result that can be felt among the private networks is not that the SIMRS application network will not be interrupted by the public hotspot network. Besides, public network management will be more evenly distributed with hotspot management.

Salah satu permasalahan utama dalam data mining adalah untuk menemukan metode clustering yang powerful. Terdapat suatu pendekatan baru dengan menggabungkan lebih dari satu metode clustering dikenal juga sebagai multi-clustering. Salah satu metode yang telah diperkenalkan adalah bagging (bootstrap aggregating). Metode tersebut terdiri dari metode clustering dasar dan metode clustering hierarki untuk mengkombinasikan partisi yang dihasilkan oleh metode clustering dasar. Triangular kernel nearest neighbor (TKNN) merupakan salah satu metode clustering berbasis densitas yang memiliki kemampuan untuk menghasilkan jumlah cluster secara otomatis. Penelitian ini menggunakan TKNN sebagai metode clustering dasar dalam metode bagging. Analisis komparatif menggunakan nilai F-Measures untuk empat metode single clustering (TKNN, ILGC, DBSCAN dan DENCLUE) dengan 9 dataset untuk menganalisa kinerja dari metode yang diusulkan. Berdasarkan hasil percobaan, menunjukkan beberapa hasil cluster yang lebih baik.