Akhir tahun 2019 lalu dunia digemparkan oleh munculnya suatu penyakit yang disebabkan oleh virus SARS-CoV-2 yang merupakan jenis virus terbaru dari coronavirus. Penyakit ini dikenal dengan nama COVID-19. Penyebaran penyakit ini terbilang cukup luas dan cepat. Dalam waktu singkat penyakit ini mulai menyebar ke segala penjuru dunia tak terkecuali Indonesia. Dengan tingkat penyebaran yang begitu tinggi dan belum ditemukannya vaksin untuk COVID-19, menyebabkan kekacauan di tengah masyarakat. Hal ini mempengaruhi banyak sektor kehidupan masyarakat. Tak sedikit masyarakat yang aktif bersosial media dan menuliskan pendapat, opini serta pemikirannya di platform media sosial seperti Twitter. Terjadinya pandemi ini mendorong masyarakat untuk menuliskan opini, pemikiran serta pendapatnya terhadap COVID-19 pada media sosial Twitter. Dibutuhkan suatu model sentiment analysis untuk mengklasifikasi tweet masyarakat di Twitter menjadi positif dan negatif. Sentiment analysis merupakan bagian dari Natural Language Processing yang membuat sebuah sistem guna mengenali serta mengekstraksi opini dalam  bentuk teks. Pada penelitian ini digunakan algoritma Naive Bayes dan K-Nearest Neighbor untuk digunakan dalam membangun model sentiment analysis terhadap tweet pengguna Twitter terhadap COVID-19. Didapatkan akurasi sebesar 85% untuk algoritma Naïve Bayes dan 82% untuk algoritma K-Nearest Neighbor pada nilai k=6, 8, dan 14.

Daerah Istimewa Yogyakarta merupakan kawasan cekungan yang tersusun atas endapan material vulkanik tebal dan merupakan kawasan aktif seismik. Gelombang seismik yang terjebak pada lapisan sedimen tebal dapat mengakibatkan kerusakan parah pada bangunan apabila terjadi gempa. Pemetaan mengenai kerentanan seismik di kawasan FMIPA UGM perlu dilakukan melihat bertambahnya gedung-gedung baru yang tinggi di area ini. Analisis amplifikasi dan frekuensi natural diolah menggunakan metode HVSR (Horizontal to Vertical Spectral Ratio), sehingga dihasilkan nilai indeks kerentanan seismik di daerah penelitian. Berdasarkan hasil penelitian, didapatkan bahwa nilai fekuensi natural (fo) di area penelitian berkisar antara 0.636-0.943 Hz, Amplifikasi (Ao) berkisar antara 2.196-3.446 dan nilai kerentanan seismik (Kg) sebesar 5,291-18,677. Berdasarkan hasil pengolahan data yang didapat, dapat disimpulkan bahwa subsurface kawasan FMIPA UGM tersusun atas lapisan sedimen tebal dengan ketebalan antara 62.27-92.35 m. Hal ini berasosiasi terhadap area DIY yang tersusun di atas cekungan dengan material pengisi endapan vulkanik. Berdasarkan nilai fo, Ao, dan Kg, diketahui bahwa nilai kerentanan seismik yang paling tinggi terdapat di area gedung matematika FMIPA UGM.

No abstract

Jenis SMS spam adalah jenis pesan teks yang tidak diinginkan atau tidak diminta yang dikirim ke ponsel pengguna, seringkali untuk tujuan komersial. Untuk mengatasi masalah spam, diperlukan teknik untuk memilah kata atau kalimat termasuk spam atau bukan spam. Pada penelitian ini diusulkan menggunakan machine learning untuk mengklasifikasikan pesan mana yang spam dan mana yang tidak spam. Data yang digunakan pada penelitian ini terdiri dari 1140 pesan, dimana sudah diberi label 0 untuk pesan yang tidak spam dan 1 untuk pesan yang spam. Algoritma yang digunakan untuk kasus ini adalah Logistic Regression. Hasil penelitian menunjukkan model memiliki tingkat akurasi untuk mengklasifikasi pesan, sebesar 97%. Aplikasi yang dikembangkan untuk menerapkan hasil pemodelan machine learning menggunakan bentuk sebuah website sederhana dengan bantuan Flask framework dari Python. Hasil akhir dari aplikasi ini adalah model machine learning yang dapat dibuka melalui website.

Penumpukan sampah tercatat mencapai 625 juta liter dari jumlah penduduk pada tahun 2012 di Indonesia menurut Kementerian Lingkungan Hidup. Dari hal ini Bank Sampah menjadi sebuah solusi bagi pemerintah dalam penanggulangan pengelolaan sampah. Namun dalam berjalannya Bank Sampah, terdapat beberapa kendala yang dialami. Seperti yang dialami oleh bank sampah desa Kalibagor kecamatan Kalibagor Kabupaten Banyumas. Bank Sampah yang ada di desa Kalibagor ini sudah berjalan sejak oktober tahun 2020. Dalam menjalankan Bank Sampah ini KSM (Kelompok Swadaya Masyarakat) selaku petugas Bank Sampah mengalami kesulitan yaitu karena Bank Sampah masih melakukan pencatatan transaksi secara manual sehingga meningkatkan resiko kehilangan data. Maka dari itu diperlukan aplikasi yang dapat mencatat berbagai transaksi yang ada di Bank Sampah berbasis android. Dalam pengembangan aplikasi ini akan menggunakan metode Kanban. Hasil yang diperoleh dari pengembangan aplikasi ini adalah berhasil membangun aplikasi berbasis android menggunakan metode Kanban yang dapat mencatat berbagai transaksi di dalam Bank Sampah desa Kalibagor sehingga dapat membantu petugas KSM dalam pencatatan transaksi Bank Sampah. Selain itu hasil dari pengujian aplikasi yang melibatkan lima responden menujukan bahwa aplikasi dapat berjalan sesuai dengan harapan dengan hasil kelayakan 100% berhasil.