Abstract:Abstract: The rapid growth of e-commerce mobile applications has generated large volumes of user reviews, making manual sentiment analysis increasingly impractical. This study aims to compare the effectiveness of three machine…
achine learning algorithms Support Vector Machine (SVM), Random Forest, and Naive Bayes for automated sentiment classification of Indonesian-language mobile application reviews. A dataset of 3,000 user reviews from the RupaRupa application on the Google Play Store was collected and preprocessed through normalization, tokenization, stopword removal, and stemming. TF-IDF vectorization was applied for feature extraction, while the Synthetic Minority Over-sampling Technique (SMOTE) was used to address class imbalance across three sentiment categories: positive, negative, and neutral. The results show that SVM achieved the highest accuracy of 90.02%, while Random Forest obtained the best F1-score of 88.08% when sufficient training data were available. Naive Bayes demonstrated relatively stable performance across varying training data sizes. Furthermore, TF-IDF keyword analysis revealed that negative reviews were primarily associated with delivery issues, technical problems, and pricing concerns. These findings demonstrate the effectiveness of machine learning approaches for sentiment classification and provide practical insights for improving mobile application services.
Keywords: sentiment analysis; machine learning; SMOTE; TF-IDF; text classification
Abstrak: Pertumbuhan pesat aplikasi mobile e-commerce telah menghasilkan volume ulasan pengguna yang sangat besar, sehingga analisis sentimen secara manual menjadi semakin tidak praktis. Penelitian ini bertujuan untuk membandingkan efektivitas tiga algoritma machine learning Support Vector Machine (SVM), Random Forest, dan Naive Bayes dalam melakukan klasifikasi sentimen otomatis terhadap ulasan aplikasi mobile berbahasa Indonesia. Dataset yang digunakan terdiri dari 3.000 ulasan pengguna aplikasi RupaRupa yang dikumpulkan dari Google Play Store. Data kemudian diproses melalui tahapan preprocessing yang meliputi normalisasi, tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE) pada tiga kategori sentimen, yaitu positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa SVM mencapai tingkat akurasi tertinggi sebesar 90,02%, sementara Random Forest memperoleh nilai F1-score terbaik sebesar 88,08% ketika tersedia data pelatihan yang memadai. Naive Bayes menunjukkan performa yang relatif stabil pada berbagai ukuran data pelatihan. Selain itu, analisis kata kunci berbasis TF-IDF mengungkapkan bahwa ulasan negatif terutama berkaitan dengan masalah pengiriman, kendala teknis aplikasi, dan isu harga. Temuan ini menunjukkan bahwa pendekatan machine learning efektif untuk klasifikasi sentimen serta memberikan wawasan yang bermanfaat dalam meningkatkan kualitas layanan aplikasi mobile.
Kata Kunci: analisis sentimen; pembelajaran mesin; SMOTE; TF-IDF; klasifikasi teks.
Abstract:Abstract: The capital market plays an important role in describing the economic conditions of a country, and the IHSG is used as the main indicator to observe the movement of all stocks on the Indonesia Stock Exchange. Because…
ecause stock data is volatile and non-linear, the forecasting process becomes challenging, requiring methods that can capture historical patterns more accurately. This study aims to predict IHSG movements using the Long Short-Term Memory (LSTM) model to generate stable short-term predictions. Historical IHSG data was used to train the model, and accuracy was evaluated using Mean Squared Error (MSE). The results show that the model obtained an MSE 6784.0207, RMSE 82.3652 and MAPE 0.88%, indicating a relatively low prediction error rate. The visualization shows that the model's predictions are very close to the actual data, and the 60-day forecasting results show a potential increase in the IHSG of 1.05%. Thus, the LSTM model is capable of providing fairly accurate IHSG predictions and can be a useful tool for investors in analyzing short-term market movements.
Keywords: forecasting; JCI; long short term memory
Abstrak: Pasar modal memiliki peran penting dalam menggambarkan kondisi ekonomi suatu negara, dan IHSG digunakan sebagai indikator utama untuk melihat pergerakan seluruh saham di Bursa Efek Indonesia. Karena data saham bersifat fluktuatif dan tidak linear, proses peramalan menjadi tantangan, sehingga dibutuhkan metode yang mampu menangkap pola historis secara lebih akurat. Penelitian ini bertujuan memprediksi pergerakan IHSG menggunakan model Long Short-Term Memory (LSTM) untuk menghasilkan prediksi jangka pendek yang stabil. Data historis IHSG digunakan untuk melatih model, kemudian akurasi dievaluasi menggunakan Mean Squared Error (MSE). Hasil penelitian menunjukkan bahwa model memperoleh nilai MSE 6784.0207, RMSE 82.3652 dan MAPE 0.88% yang menandakan tingkat kesalahan prediksi relatif rendah. Visualisasi menunjukkan bahwa prediksi model sangat mendekati data aktual, dan hasil forecasting 60 hari ke depan memperlihatkan potensi kenaikan IHSG sebesar 1,05%. Dengan demikian, model LSTM mampu memberikan prediksi IHSG yang cukup akurat dan dapat menjadi alat bantu bagi investor dalam menganalisis pergerakan pasar jangka pendek.
Kata kunci: peramalan; JCI; memori jangka pendek
Abstract:Abstract: Digital banking has brought various innovations in financial services, one of which is Blu Deposito by BCA Digital. However, the adoption rate of digital deposit services is still relatively low compared to digital…
ital payment services. This study aims to identify and analyze the factors that influence customers' intentions and actual behavior in using Blu Deposito with reference to the Technology Acceptance Model (TAM). This study aims to analyze the factors that influence customers' intentions and actual behavior in adopting Blu Deposito using the Technology Acceptance Model (TAM) framework. Data was collected through a Google Form questionnaire from 54 customers at one BCA branch and analyzed using SPSS through validity and reliability tests, descriptive analysis, and multiple regression. The results show that Behavioral Intention (BI)is significantly influenced by Perceived Ease of Use (PEOU), Perceived Usefulness (PU), and Attitude Toward Using (ATU), with PEOU as the most dominant factor. In addition, BI has a significant effect on Actual System Use (AU), which confirms the relevance of applying the TAM model in the context of digital deposit products. These findings indicate that ease of use plays a greater role than financial benefits in encouraging users to adopt Blu Deposits. This study contributes to the understanding of digital deposit adoption and provides managerial insights to improve the usability and user engagement of digital banking services.
Keywords: actual system use; attitude toward using; behavioral intention; perceived ease of use; perceived usefulness; technology acceptance model
Abstrak: Perbankan digital telah menghadirkan berbagai inovasi dalam layanan keuangan, salah satunya Blu Deposito oleh BCA Digital. Meskipun demikian, tingkat adopsi terhadap layanan deposito digital masih relatif rendah dibandingkan dengan layanan pembayaran digital. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis faktor-faktor yang memengaruhi niat serta perilaku aktual nasabah dalam menggunakan Blu Deposito dengan mengacu pada kerangka Technology Acceptance Model (TAM). Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi niat dan perilaku aktual nasabah dalam mengadopsi Blu Deposito dengan menggunakan kerangka Technology Acceptance Model (TAM). Data dikumpulkan melalui kuesioner Google Form dari 54 nasabah di satu cabang BCA dan dianalisis menggunakan SPSS melalui uji validitas, reliabilitas, analisis deskriptif, dan regresi berganda. Hasil penelitian menunjukkan bahwa Behavioral Intention (BI) dipengaruhi secara signifikan oleh Perceived Ease of Use (PEOU), Perceived Usefulness (PU), dan Attitude Toward Using (ATU), dengan PEOU sebagai faktor paling dominan. Selain itu, BI berpengaruh signifikan terhadap Actual System Use (AU), yang menegaskan relevansi penerapan model TAM pada konteks produk deposito digital. Temuan ini menunjukkan bahwa kemudahan penggunaan memiliki peran lebih besar dibandingkan manfaat finansial dalam mendorong pengguna untuk mengadopsi Blu Deposito. Penelitian ini berkontribusi terhadap pemahaman adopsi deposito digital serta memberikan wawasan manajerial untuk meningkatkan kegunaan dan keterlibatan pengguna pada layanan perbankan digital.
Kata kunci: actual system use; attitude toward using; behavioral intention; perceived ease of use; perceived usefulness; technology acceptance model
Abstract:Abstract: The use of e-learning in non-formal education is increasingly important to support the improvement of access to learning, one of which is through the online platform. This study aims to analyze the quality of online…
nline services using WebQual 4.0 and Im-portance Performance Analysis (IPA) methods to evaluate the suitability between user expectations and perceptions. The research method used a quantitative approach by distributing questionnaires to active users, then analyzed using the WebQual Index to measure the overall quality of the system as well as the IPA to determine improvement priorities. The results showed that the quality of SeTARA Online was relatively good with a WebQual Index value of 0.798. However, there is still a gap between user expectations and satisfaction with a negative gap value of -0.238. The IPA analysis identified indicators in Quadrant I as priority improvements, especially in the aspects of service interaction and information presentation. These findings underscore the need for continuous development of features and technical support to optimize the user experience. The conclusion of this study suggests that there should be improvements in priority indicators to increase user satisfaction, as well as strengthen the effectiveness of online learning. Advanced research can expand variables, compare with other platforms, and combine quantitative and qualitative analysis methods for more comprehensive results.
Keywords: e-learning; importance performance analysis; quality of service; online equivalent; webqual 4.0
Abstract:Abstract: One of the main health problems in children is stunting which is one of the concerns in the Sustainable Development Goals (SDGs). Specifically in Indonesia, the prevalence of stunting in 2024 is 21.6%. This figure…
ure is still relatively high, because the target prevalence of stunting is 14%. This study aims to implement machine learning knowledge through the Classification And Regression Trees (CART) algorithm based on Ant Be Colony (ABC) feature selection which aims to determine the increase in accuracy in analyzing stunting datasets. The data used comes from Kaggle which consists of 16500 datasets. The dataset consists of gender, age, birth length, birth weight, body length, body weight, breastfeeding and stunting status. The research methods used are data collection, data preprocessing, classification, and evaluation using K-fold cross validation. The results obtained in this research are the implementation of the CART algorithm obtained a value of 89.86% and the results of CART with Ant Be Colony (ABC) feature selection, which obtained an accuracy value of 93.65%. This shows that there is an increase in the accuracy value in the use of CART algorithm optimization and Ant Be Colony (ABC) feature selection by 3.76%. With the research results that have been obtained, it can be categorized as excellent accuracy value excellent. It is hoped that further research can be carried out by adding other classification algorithms or adding feature selection.
Keywords: classification; feature selection; optimazation; stunting
Abstrak: Salah satu masalah kesehatan utama pada anak adalah stunting yang menjadi salah satu perhatian dalam Sustainable Development Goals (SDGs). Khusus di Indonesia angka Pravelensi stunting pada tahun 2024 di angka 21.6%. Angka ini masih tergolong tinggi, karena target angka pravelensi stunting ialah 14%. Penelitian ini bertujuan untuk mengimplementasikan pengetahuan machine learning melalui algoritma Classification And Regression Trees (CART) berbasis seleksi fitur Ant Be Colony (ABC) yang bertujuan untuk mengetahui peningkatan akurasi dalam menganalisis dataset stunting. Data yang digunakan bersumber dari Kaggle yang terdiri dari 16500 dataset. Dataset terdiri dari jenis kelamin, usia, panjang lahir, berat lahir, panjangg badan, berat badan, menyusui dan status stunting. Metode penelitian yang digunakan adalah pengumpulan data, preprocessing data, klasifikasi, dan evaluasi menggunakan K-fold cross validation. Hasil yang diperoleh pada penelitian ini adalah Implementasi algoritma CART memperoleh nilai sebesar 89,86% dan hasil seleksi fitur CART dengan Ant Be Colony (ABC) memperoleh nilai akurasi sebesar 93,65%. Hal ini menunjukkan adanya peningkatan nilai akurasi pada penggunaan optimasi algoritma CART dan pemilihan fitur Ant Be Colony (ABC) sebesar 3,76%. Dengan hasil penelitian yang telah diperoleh dapat dikategorikan nilai akurasi yang diperoleh sangat baik. Diharapkan dapat dilakukan penelitian selanjutnya dengan menambahkan algoritma klasifikasi lain atau menambahkan seleksi fitur.
Kata kunci: klasifikasi; optimalisasi; seleksi fitur; stunting
Abstract:Abstract: The provision of loan funds is one of the important activities in improving the welfare of Primkoppol members (Police Cooperative). The process of determining the eligibility for loan disbursement in PRIMKOPPOL…
POLRES Asahan is still lacking systematic timing delays in making decisions in managing the disbursement of loan funds. Therefore, an efficient and effective method is needed to minimize risks and maximize profits for the cooperative and its members. One method that can be used is the Simple Additive Weighting (SAW) method, which has been proven effective in various decision-making contexts. This study aims to apply the SAW method in the process of disbursing loan funds for Primkoppol members, and to evaluate the performance of this method in selecting eligible loan recipients and optimizing fund allocation. The loan disbursement process uses the SAW method, which calculates the relative preference value for each prospective loan recipient based on predetermined criteria. The results of this study indicate that by applying the Simple Additive Weighting method to 10 loan applicants, 3 applicants successfully applied for loans with a preference value > 0.7, in line with the requirements. The implementation of the SAW method in loan disbursement for Primkoppol members has successfully increased efficiency and accuracy in selecting loan recipients.
Keywords : cooperative; decision support systems; simple additive weighting (SAW).
Abstract: Pemberian dana pinjaman merupakan salah satu kegiatan yang penting dalam meningkatkan kesejahteraan anggota Primkoppol (Koperasi Polisi). Proses penentuan kelayakan pemberian pinjaman di PRIMKOPPOL POLRES Asahan masih kurang sistematis keterlambatan waktu dalam menentukan keputusan dalam mengelola pemberian dana pinjaman. Untuk itu diperlukan suatu metode yang efisien dan efektif untuk meminimalkan risiko dan memaksimalkan keuntungan bagi koperasi dan anggotanya. Salah satu metode yang dapat digunakan adalah metode Simple Additive Weighting (SAW), yang telah terbukti efektif dalam berbagai konteks pengambilan keputusan. Penelitian ini bertujuan untuk menerapkan metode SAW dalam proses pemberian dana pinjaman bagi anggota Primkoppol, serta untuk meng-evaluasi kinerja metode tersebut dalam memilih penerima pinjaman yang layak dan meng-optimalkan alokasi dana. Proses pemberian dana pinjaman menggunakan metode SAW yang menghitung nilai preferensi relatif bagi setiap calon penerima pinjaman berdasarkan kriteria yang telah ditetapkan. Hasil dari penelitian ini menunjukan bahwa dengan menerapkan metode Simple Additive Weighting dari 10 calon pemohon pinjaman, 3 calon berhasil mampu mengajukan pinjaman dengan nilai preferensi > 0,7. sesuai dengan persyaratan. Implementasi metode SAW dalam pemberian dana pinjaman bagi anggota Primkoppol berhasil meningkatkan efisiensi dan keakuratan dalam pemilihan penerima pinjaman.
Kata Kunci : koperasi; simple additive weighting (SAW); sistem pendukung keputusan.
Abstract:Abstract: Indonesia is included in the category of developing countries and is a country with a relatively large population. According to data from the Pematang Siantar City Population and Civil Registration Service, West…
t Siantar District is one of the sub-districts in Pematang Siantar City whose population continues to increase and this will lead to an increase in poverty and unemployment rates. To overcome the above problems, a method is needed to analyze the population growth of West Siantar, one of which is using the Backpropagation method. This research will use training data starting from 2017-2021 and test data from 2018-2022. The results carried out using MATLAB R2011a software show the best architecture 4-19-1 with an accuracy of 100 with an MSE number of 0.00010031375 and an epoch value of 124777. Based on the research carried out, the population of West Siantar in the next year is 86067 people. It is concluded that backpropagation can be used as a method that makes it easier to search for predictions and the level of accuracy obtained depends on the architecture used.
Keywords: Birth; Growth; Matlab; Predictions; Resident
Abstrak: Indonesia termasuk dalam kategori negara berkembang dan merupakan negara dengan jumlah penduduk yang relatif besar. Menurut data Dinas Kependudukan dan Catatan Sipil Kota Pematang Siantar, Kecamatan Siantar Barat merupakan salah satu kecamatan di Kota Pematang Siantar yang jumlah penduduknya terus meningkat dan hal ini akan berdampak pada peningkatan angka kemiskinan dan pengangguran. Untuk mengatasi permasalahan diatas diperlukan suatu metode untuk menganalisis pertumbuhan penduduk Siantar Barat, salah satunya adalah dengan menggunakan metode Backpropagation. Penelitian ini akan menggunakan data latih mulai tahun 2017-2021 dan data uji 2018-2022. Hasil yang dilakukan dengan menggunakan software MATLAB R2011a menunjukkan arsitektur terbaik 4-19-1 dengan akurasi 100 dengan angka MSE 0.00010031375 dan nilai epoch 124777. Berdasarkan penelitian yang dilakukan, populasi Siantar Barat di tahun berikutnya sebanyak 86067 orang. Disimpulkan bahwa backpropagation dapat digunakan sebagai metode yang memudahkan pencarian prediksi dan tingkat akurasi yang diperoleh tergantung pada arsitektur yang digunakan.
Keywords: Kelahiran; Matlab; Pertumbuhan; Penduduk; Prediksi
Abstract:• Abstract: The skin is an elastic wrapping that protects the body from environmental influences, the skin is the organ that is located on the outside and limits it from the human environment. Skin diseases can be caused…
ed by fungi, viruses, germs, animal parasites, bacterial infections and others. To identify skin diseases, we usually have to see a doctor, but we still experience problems in dealing with disease identification. This is sometimes influenced by the community, sometimes they feel embarrassed to consult their skin disease to a doctor because the signs of skin disease have started to appear, consultation fees and drugs are relatively expensive. Current technological developments are able to process knowledge with artificial intelligence techniques. Due to the many symptoms of disease nowadays, it is necessary to make a system application with artificial intelligence that can diagnose skin diseases and provide solutions for skin diseases using one of the methods, namely the Naïve Bayes Classifier. Naïve Bayes is a simple classification algorithm where each attribute is independent and may contribute to the final decision. The goal is to produce an expert system website that helps the general public in diagnosing skin diseases and providing solutions for detected skin diseases. The results of this study concluded that based on the application of skin cancer diagnosis can display the results of skin cancer diagnosis decisions.
Keywords: expert system; naïve bayes; skin disease
Abstrak: Kulit merupakan pembungkus yang elastis yang melindungi tubuh dari pengaruh lingkungan, kulit merupakan organ tubuh yang terletak paling luar dan membatasinya dari lingkungan hidup manusia. Penyakit kulit dapat disebabkan oleh jamur, virus, kuman, parasit hewani, infeksi bakteri dan lain-lain. Mengidentifikasi penyakit kulit biasanya kita harus ke dokter, namun masih mengalami kendala dalam menangani pengidentifikasi penyakit hal itu terkadang dipengarui oleh masyarakat terkadang merasa malu untuk mengkonsultasikan penyakit kulitnya ke dokter karena tanda-tanda penyakit kulit sudah mulai tampak, biaya konsultasi dan obat yang tergolong mahal. Perkembangan teknologi saat ini mampu mengolah pengetahuan dengan teknik kecerdasan buatan. Karena banyaknya gejala penyakit pada masa sekarang ini perlu dibuat aplikasi sistem dengan kecerdasan buatan yang dapat mendiagnosa penyakit kulit dan memberikan solusi dari penyakit kulit dengan salah satu metode yaitu Naïve Bayes Classifier. Naïve bayes merupakan algoritma klasifikasi yang sederhana dimana setiap atribut bersifat berdiri sendiri dan memungkinkan berkontribusi terhadap keputusan akhir. Tujuannya adalah menghasilkan website sistem pakar yang dan membantu masyarakat luas dalam mendiagnosa penyakit kulit dan memberikan solusi dari penyakit kulit yang terdeteksi. Hasil dari penelitian ini menyimpulkan bahwa berdasarkan aplikasi diagnosa penyakit kanker kulit dapat menampilkan hasil keputusan diagnosa penyakit kanker kulit.
Kata kunci: Naïve Bayes; Penyakit Kulit; sistem pakar
Abstract:Abstract. The stocktaking activities at the company take a relatively long time depending on the number of goods and assets owned. As a result, the company can only carry out stock taking at the end of the day or in a non-peak…
non-peak season. This condition resulted in the company’s being disorganized in doing stocktaking. This study aims to create an application that can facilitate the management of stocktaking inventory of goods. The system development method uses the SDLC (System Development Life Cycle) model. Which has the stages of planning, system analysis, system design, system implementation, system testing and system maintenance. Application improvement starts from system preparation to detailed system design terms, including database design, input output design, and Android-based technology. The information system is built using Android Studio using the Java programming language. This study resulted in a stock-taking application for inventory that stores information about stock taking inventory by displaying features of stock ownership data, inventory items, updating item data, and stocktaking inventory reports. It is hoped that PT. Barata Indonesia (Persero)Turbine Component Division will quickly, effectively, and efficiently in data processing stocktaking inventory of existing goods and compiling reports per period systematically.
Keywords: Android; Inventory; Stocktaking
Abstrak- Aktivitas stock opname dalam perusahaan memakan waktu yang relatif lama bergantung menurut banyaknya barang dan aset yang dimiliki, sebagai akibatnya perusahaan hanya bisa melaksanakan stock opname waktu akhir atau dalam keadaan tidak ramai (non-peak season). Kondisi ini mengakibatkan perusahaan tidak tertib dalam mengerjakan stock opname. Penelitian ini bertujuan menciptakan aplikasi yang bisa memudahkan manajemen stock opname persediaan barang. Metode pengembangan sistem menggunakan model SDLC (System Development Life Cyle) dimana mempunyai tahapan-tahapan Perencanaan, Analisis Sistem, Perancangan Sistem, Implementasi Sistem, Pengujian sistem dan Perawatan sistem. Perbaikan aplikasi dimulai dari persiapan sistem sampai termin desain sistem yang rinci, meliputi rancangan database, input output, sampai teknologi berbasis android. Sistem informasi dibangun menggunakan android studio menggunakan bahasa pemrograman java. Penelitian ini menghasilkan sebuah aplikasi stock opname persediaan barang yang menaruh informasi tentang stock opname persediaan barang dengan menampilkan fitur data stock opname, persediaan barang, update data barang dan report stock opname persediaan barang. Diharapkan bisa dipakai pihak PT. Barata Indonesia (Persero) Divisi Komponen Turbin secara cepat, efektif dan efisien pada pengolahan data stock opname persediaan barang yang terdapat dan menyusun laporan per periode secara sistematis.
Kata Kunci : Android; Persediaan Barang; Stock Opname
Abstract:Abstract: The background of this research is that some of the risks of using technology that are classified as dangerous are often ignored by users of the monitoring system for learning activities at private universities…
so that there are several obstacles such as not being able to open the system because the system is hacked by irresponsible parties, the computer network used is often disrupted so that hampers the operational process, and the level of computer security is still relatively weak. This study aims to measure the likelihood of threats and risk impacts on the teaching and learning activity monitoring system and to provide recommendations for risk control of security problems that could become a threat that causes losses to universities. The framework used as a tool to measure the level of threat and risk impact is to use the NIST Special Publication 800-30r-1 framework. The framework of the NIST Special Publication 800-30r-1 has nine phases in carrying out risk assessments, namely introduction of system characteristics, recognition of threats, recognition of vulnerabilities, analysis of handling systems, determining likelihood, determining impact, risk determination, recommending control and determination of results. There are six risk assessment systems for monitoring learning activities at private universities, two of which are high so they are classified as very dangerous and the rest are moderate. The results of this study are used as a reference in making risk control standard documents as a form of improving the quality of a private university.
Keywords: Monitoring System; NIST Spesial Publication 800-30r1; Risk Assessment.
Abstrak: Latarbelakang penelitian ini adalah resiko penggunaan teknologi yang tergolong berbahaya sering tidak dihiraukan oleh pengguna sistem monitoring kegiatan belajar pada perguruan tinggi swasta sehingga terjadi beberapa kendala seperti tidak bisa membuka sistem karena sistem diretas oleh pihak yang tidak bertanggung jawab, jaringan komputer yang digunakan sering terganggu sehingga menghambat proses operasional, serta tingkat keamanan komputer yang masih tergolong lemah. Penelitian ini mempunyai tujuan yaitu mengukur seberapa besar kemungkinan terjadi ancaman dan dampak resiko terhadap sistem monitoring kegiatan belajar mengajar serta memberikan rekomendasi pengendalian resiko dari permasalahan keamanan yang bisa menjadi suatu ancaman yang menimbulkan kerugian pada perguruan tinggi. Framework yang digunakan sebagai alat untuk mengukur tingkat ancaman dan dampak resiko adalah menggunakan kerangka kerja NIST Special Publication 800-30r-1. Kerangka kerja NIST Special Publication 800-30r-1 ini mempunyai sembilan fase dalam melakukan penilaian resiko yaitu pengenalan karakteristik sistem, pengenalan ancaman, pengenalan kerentanan, analisis penanganan sistem, menentukan kemungkinan terjadi (likelihood), menentukan dampak (impact), risk determination, merekomendasikan pengendalian dan penetapan hasil. Penilaian resiko sistem monitoring kegiatan belajar pada perguruan tinggi swasta ada enam resiko yang dua diantaranya termasuk tinggi sehingga digolongkan sangat berbahaya dan selebihnya termasuk sedang. Hasil dari penelitian ini digunakan sebagai acuan dalam pembuatan dokumen standar pengendalian resiko sebagai bentuk peningkatan mutu suatu perguruan tinggi swasta.
Kata kunci: NIST Spesial Publication 800-30r; Penilaian Resiko; Sistem Monitoring