The slope is a measure of the slope of the land relative to the flat plane which is generally expressed in percent or degree. Agricultural land that has a slope of more than 15 ° can be more easily damaged. In this study, a value of 2.5 ° was used in determining the normal slope. The process of implementing a decision support system used linear programming adoption in determining the slope angle of the land, rotation of the slope of the land and determining whether or not the normalization of the input image was necessary or not. The purpose of this research is to determine the time needed to determine the type of plant based on rotation or the angle of setting determined by the user. The results of the study are the greater the height and width of an object the longer the time needed to determine the type of plant, land price or slope of the land. The results of the study were obtained in five tests. Tests 1 and 2 images with height and image width ranged from 150-480 obtained time for normalization of 15-30, testing 3.4.5 images with height and image widths ranging from 322 and 788 requiring 54- 108. Keywords: Slope, Adopting Linear Programming, Decision Support Systems

University requires the integration of data from one system with other systems as needed. This is because there are still many processes to input the same data but with different information systems. The application of data integration generally has several obstacles, one of which is due to the diversity of databases used by each information system. Schema matching is one method that can be used to overcome data integration problems caused by database diversity. The schema matching method used in this research is linguistic and constraint. The results of the matching scheme are used as material for optimizing data integration at the database level. The optimization process shows a change in the number of tables and attributes in the database that is a decrease in the number of tables by 13 tables and 492 attributes. The changes were caused by some tables and attributes were omitted and normalized. This research shows that after optimization, data integration becomes better because the data was connected and used by other systems has increased by 46.67% from the previous amount. This causes the same data entry on different systems can be reduced and also data inconsistencies caused by duplication of data on different systems can be minimized.

Menjelang persiapan visitasi online, penambahan prodi S1 Teknologi Informasi dan prodi Pendidikan Guru SD Shanti Bhuana pada Agustus 2020, tentunya diperlukan perombakan dari segi infrastruktur jaringan internet terutama bandwidth dan manajerial. Sejak tahun 2016-2019 jaringan gedung induk rektorat masih menerapkan routing dan login jaringan hot spot menggunakan bandwidth 10 Mbps yang dibagi 50 user secara bersamaan dengan teknik antrian sederhana. Pada tahun 2020 telah dilakukan overhaul jaringan oleh peneliti menggunakan bandwidth 100 Mbps pada jaringan utama, jaringan backup 20 Mbps, dan jaringan publik 5 Mbps dengan penerapan metode Hierarchical Token Bucket. Hasil pemerataan bandwidth dengan rata-rata pemakaian per minggu sebesar 95,35 % dari total throughput 100%, delay dari 177,9 ms menjadi 69,48 ms, packet loss dari 22,67% menjadi 1,67% dan jitter dari 189,4 ms menjadi 14.768 ms. Dengan jaringan HTB yang didistribusikan sesuai prioritas sehingga hingga saat ini overhaul jaringan oleh peneliti masih digunakan dengan backbone terbagi menjadi dua jalur publik RB 1100 AHx4 dan jalur administrasi RB 450G. Kata Kunci — bandwidth, hierchical token bucket, jaringan

University requires the integration of data from one system with other systems as needed. This is because there are still many processes to input the same data but with different information systems. The application of data integration generally has several obstacles, one of which is due to the diversity of databases used by each information system. Schema matching is one method that can be used to overcome data integration problems caused by database diversity. The schema matching method used in this research is linguistic and constraint. The results of the matching scheme are used as material for optimizing data integration at the database level. The optimization process shows a change in the number of tables and attributes in the database that is a decrease in the number of tables by 13 tables and 492 attributes. The changes were caused by some tables and attributes were omitted and normalized. This research shows that after optimization, data integration becomes better because the data was connected and used by other systems has increased by 46.67% from the previous amount. This causes the same data entry on different systems can be reduced and also data inconsistencies caused by duplication of data on different systems can be minimized.

Abstrak Dapodikdas serentak diterapkan pada seluruh Sekolah Dasar sejak tahun 2015, dimana banyak kemudahan yang didapatkan apabila sekolah menggunakan aplikasi tersebut seperti pemberian NISN, BOS, BSM, KIP, tunjangan dan sertifikasi guru, pendataan peserta Ujian Nasional, dan pendataan orang tua siswa. Hingga saat ini Dapodikdas belum mengakomodir kebutuhan Kemendikbud dan Sekolah dalam pencarian data siswa berprestasi. Hal ini disebabkan karena belum tersedianya fitur pencarian data siswa berprestasi sebagai bagian optimalisasi penggunaan data. Mengingat siswa berprestasi layak mendapatkan penghargaan oleh negara sesuai UU No 20 Tahun 2003 tentang Sistem Pendidikan Nasional.Pada penelitian ini dilakukan optimalisasi sistem Dapodikdas melalui penambahan fitur pencarian kepakaran data siswa berprestasi. Hasil dari penelitian ini mampu mengoptimalisasikan berupa simulasi Dapodikdas dalam pencarian siswa berprestasi. Perbandingan kecepatan akses query sedikit lebih lambat dibandingkan sistem dapodikdas saat ini namun adanya penambahan fitur pencarian kepakaran siswa mampu memenuhi kebutuhan UU No 20 Tahun 2003. Dari hasil perbandingan dilakukan uji query pencarian biodata siswa lengkap dan orang tua diperoleh Dapodikdas lebih cepat 0.00695 detik dibandingkan Dapodikdas versi optimalisasi 0.007195 detik, akan tetapi terdapat beberapa fitur kelebihan dari versi optimalisasi yaitu pencarian pembinaan siswa, seleksi siswa, dan penghargaan siswa. Penambahan fitur ini diharapkan menjadi sarana Kemendikbud dan Sekolah dalam pencarian bakat siswa berprestasi. AbstractDapodikdas is simultaneously applied to all elementary schools since 2015, where many of the conveniences obtained schools use such applications as NISN, BOS, KIP, teacher's allowances and certification, National Examination, and parents. Until now, Dapodikdas not accommodate the needs of Kemendikbud and School to search of student data achievement. This is due to unavailability of data search feature of student achievement as part of data usage optimization. In this research, Dapodikdas system optimization is done through the addition of search feature of student data achievement. The result of this research is able to optimize in the form of Dapodikdas simulation in search of achievement students. The comparison of query access speed is slightly slower than the current system but the addition of search features is able to meet the needs of UU No.20 of 2003. The comparison result, it is done by query search of complete student biographical data and parents get faster 0.00695 seconds than Dapodikdas  279 optimization version 0.007195 second, but there are some advantages feature of optimization version that is searching student coaching, selection, and awards. The addition of this feature is expected to be a means of Kemendikbud and School in talent search for outstanding students.

Sentimen adalah proses komputasional dalam mengidentifikasi dan mengategori opini-opini dalam bentuk potongan teks, khususnya untuk mengukur maksud si pembuat potongan teks terhadap topik tertentu, dapat bernada positif, negatif, atau netral. Dalam konteks layanan perusahaan, sentimen yang sering muncul biasanya adalah sentiment yang bernilai positif dalam bentuk pujian dan apresiasi maupun sentiment bernilai negatif dalam bentuk complain. Ketika komplain dilakukan oleh pelanggan, maka pihak perusahaan harus dapat melakukan tindakan untuk menanggulangi komplain tersebut, yang dimungkinkan dapat berimbas terhadap kredibilitas perusahaan, bahkan dapat berimbas pada harga saham. Sosial media menjadi tempat yang dapat digunakan untuk menyampaikan keluhan maupun review positif dari pelanggan terhadap layanan yang diberikan oleh perusahaan. Proses analisis sentimen pelanggan terhadap layanan perusahaan perlu dilakukan untuk mengetahui seberapa besar jumlah sentimen yang muncul menggunakan metode KNN dengan studi kasus pada perusahaan telekomunikasi di Indonesia. Kemudian dilakukan analisis regresi untuk menilai apakah jumlah sentimen pelanggan berpengaruh terhadap harga saham perusahaan. Penelitian ini menghasilkan sentimen positif sebesar 16% , sentimen negatif sebesar 78 % dan sentimen netral sebesar 6%. Metode KNN menghasilkan akurasi paling tinggi sebesar 79,06% pada cross validation = 4. Jumlah sentimen negatif dan harga saham memiliki nilai regresi dan nilai korelasi sebesar 0,46 atau dengan kata lain tidak memiliki keterikatan satu sama lain. Sentimen positif menghasilkan nilai regresi dan korelasi sebesar 0,02 dengan artian memiliki keterikatan satu sama lain.

Pengolahan data dapat dilakukan dengan banyak cara dan teknik. Peran data saat ini menjadi sangat penting bagi sebuah perusahaan atau penyedia layanan untuk pelanggan. Pentingnya data saat ini menjadikan proses pengolahan data dilakukan secara mandiri menggunakan metode-metode data mining yang ada. Beberapa metode yang dapat diterapkan diantaranya klasifikasi, prediksi maupun klustering. Masing-masing teknik tersebut memiliki hasil yang dapat dijadikan acuan evaluasi dan perencanaan yang lebih baik lagi. Penelitian ini menerapkan teknik klustering yaitu memisahkan dan mengelompokan data berdasarkan kluster. Dalam klustering ada banyak algortima atau metode yang dapat diterapkan, salah satunya adalah K-Means Klustering. Algoritma K-Means merupakan algoritma yang banyak digunakan untuk mengelompokan data. Hasil dari penelitian ini terbagi menjadi 2 kluster yaitu Kluster 0 yaitu puas dan Kluster 1 yaitu tidak puas ataupun netral. Pengelompokan kluster tersebut berdasarkan dataset yang dimiliki dimana responden mengisi data dan menghasilkan 2 jenis kluster tersebut. Adapun hasil dari proses klustering adalah sebanyak 1303 data masuk kategori kluster 0 atau sebesar 65% dan 697 data masuk kategori kluster 1 atau sebesar 35%. Kata Kunci— Data Mining, Klustering, K-MeansData processing can be done in many ways and techniques. The role of data is now very important for a company or service provider for customers. The importance of data now makes data processing carried out independently using existing data mining methods. Some methods that can be applied include classification, prediction and clustering. Each of these techniques has results that can be used as a reference for evaluation and better planning. This study applies clustering techniques, namely separating and grouping data based on clusters. In clustering there are many algorithms or methods that can be applied, one of which is K-Means Klustering. K-Means algorithm is an algorithm that is widely used to group data. The results of this study are divided into 2 clusters, namely Cluster 0, which is satisfied and Cluster 1, which is not satisfied or neutral. Clustering is based on a dataset that is owned by where the respondent fills in data and produces 2 types of clusters. The results of the clustering process are as many as 1303 data in the category of cluster 0 or 65% and 697 data in the category of cluster 1 or 35%. Keywords— Data Mining, Clustering, K-Means

Intisari— Semakin berkembangnya teknologi semakin bertambahnya pengguna-pengguna baru dalam bidang teknologi. Seiring dengan perkembangan teknologi, kemampuan dalam jaringan internet juga semakin meningkat sehingga menyebabkan sebuah trafIfic pada jaringan semakin buruk. Load blancing dapat membuat kinerja pada jaringan internet lebih optimal dan melakukan proses Traffic jaringan menjadi lebih stabil.  Konfigurasi Load Blancing dapat di lakukan Pada Mikrotik server melalui media aplikasi Winbox. Proses konfigurasi sehingga menjadi stanbil dapat dilakukan dengan 2 ISP agar jaringan terbagi merata. Dengan Load Balancing bukan hanya sekedar membagikan pemerataan pada jaringan tetapi juga sebagai pengendalian dan penyeimbangan pada web server. Proses pengujian traffic pada jaringan yang kami mendapatkan kecepatan jaringan 17.6 Mbps, dan dapat di simpulkan bahwa jaringan internet di Institut Shanti Bhuana tergolong “Baik”.