This paper describes how to build applications of productivity measurement internet bandwidth usage, which explains the use of the framework and variables from previous research, up to the application and database design, and design algorithms that will be used to obtain the values of any variables measurement. Framework and measurement variables will be used as the basis of business processes applications, to be built and developed a web-based application, that can be used by the personal people or organization.

Internet of Things (IoT) memiliki potensi besar di era industry 4.0, saat mulai muncul beberapa produk elektronik rumah tangga berbasis IoT seperti lampu, saklar, stop-kontak dan lainnya, dengan IoT perangkat rumah tangga tersebut bisa dikendalikan dan dipantau dari jarak jauh sehingga lebih memudahkan penggunanya. Penyimpanan data IoT berbasis cloud menimbulkan permsalahan keamanan data dan performa throughput pada server. Dalam paper ini dibahas mengenai rancangan database berbasis cloud dengan restful API untuk IoT agar data IoT aman dan memiliki throughput yang bagus dengan struktur data yang diatur pada database.

No abstract

Penelitian ini mengungkapkan bagaimana pentingnya penanganan deteksi profile nasabah untuk meminimalisir terjadinya penyalahgunaan akun nasabah. Kebutuhan akan nasabah baru dengan berbagai macam produk perbankan membuat layanan screening awal begitu penting dilakukan oleh pihak perbankan agar mendapatkan informasi profile resiko nasabah sejak dini. Oleh karena itu, tujuan dari penelitian ini adalah menentukan model terbaik dari klasifikasi data profile nasabah dengan cara membandingkan model klasifikasi data mining Naïve Bayes, Decision Tree, Random Forest, KNN, SVM. Model dengan akurasi terbaik inilah yang nantinya akan direkomedasikan sebagai model aternatif untuk melakukan prediksi profile resiko nasabah. Pada penelitian ini juga dilakukan proses optimasi dengan menggunakan Optimize Selection (Evolutionary) pada setiap teknik klasifikasi yang digunakan. Dimana dihasilkan bahwa model algoritma Random Forest mendapatkan hasil total akurasi paling baik yaitu sebesar 82.55% dengan angka kenaikan optimasi sebesar 2.51%. Proses training dan testing pada penelitian ini menggunakan komposisi 80% dataset training dan 20% dataset untuk testing sedangkan metodologi yang digunakan pada penelitian ini adalah dengan menggunakan CRISP-DM.

No abstract