Claim Missing Document
Check
Articles

Found 2 Documents
Search

Peningkatan Kesadaran Keamanan Data Pribadi dan Bahaya Wi-Fi Publik di Lingkungan RW 13 Desa Karangsatria Anggaini, Meri; Rizki Aziz, Muhammad; Musalam Jessar, Reyhan; Marvela Putri, Majesty; Marito T, Natasya; Agung Juli Saputra, Nur; Ramadhani, Raihan; Primo Prayoga K, Muhammad; Mugiarso
VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Vol. 2 No. 1 (2024): Juni 2024
Publisher : VINICHO MEDIA PUBLISINDO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61946/vidheas.v2i1.79

Abstract

Keamanan data pribadi telah menjadi isu yang semakin penting seiring dengan perkembangan teknologi dan penggunaan internet. Masyarakat sering kali tidak menyadari risiko yang terkait dengan penggunaan WiFi publik yang tidak aman. Penelitian ini bertujuan untuk meningkatkan kesadaran warga RW 13 Desa KarangSatria tentang pentingnya keamanan data pribadi serta bahaya yang mengintai dari penggunaan WiFi publik. Penggunaan WiFi publik dapat membahayakan keamanan data dan perangkat ponsel. Beberapa risiko yang perlu diperhatikan meliputi serangan Man-in-the-Middle (MitM), phishing, dan smishing. Untuk mengurangi risiko, ada beberapa langkah yang dapat diambil, seperti meningkatkan keamanan perangkat, menggunakan jaringan yang dikenal, mengaktifkan HTTPS, dan memperhatikan lingkungan sekitar saat mengakses WiFi publik. Selain itu, edukasi dan sosialisasi tentang keamanan data dan privasi di era digital juga penting untuk menghadapi risiko dan ancaman keamanan. Metode yang digunakan dalam sosialisasi ini meliputi observasi, wawancara, penyuluhan langsung, pembagian materi edukatif, dan simulasi kasus nyata. Hasil dari sosialisasi ini menunjukkan peningkatan pemahaman dan kesadaran warga terhadap pentingnya menjaga keamanan data pribadi dan berhati-hati dalam menggunakan WiFi publik.
Segmentasi Berbasis Data Time Series Penjualan Produk Kopi Menggunakan Algoritma K-Means Anggaini, Meri; Herlawati, Herlawati; Purnomo, Rakhmat
Jurnal Komtika (Komputasi dan Informatika) Vol 9 No 2 (2025)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v9i2.15336

Abstract

Coffee shops are businesses in the Food and Beverage (F&B) sector that contribute 7.15% to Indonesia's economy. The high demand for coffee has led to increasingly fierce competition. Kanae Coffee & Space in Bekasi faces challenges in maintaining customer loyalty and managing unpredictable demand. This study aims to apply the K-Means algorithm to cluster coffee products based on time series sales data, using the 6-step CRISP-DM methodology. The number of clusters was determined using the elbow method and confirmed with a silhouette coefficient of 0.5916 (good structure). The analysis resulted in five clusters with distinct characteristics: Cluster 0 (very low demand, stable trend, very high price), Cluster 1 (very high demand but sharply declining trend, very low price), Cluster 2 (moderately high demand, moderately stable trend, moderate price), Cluster 3 (moderate demand, slowly declining trend, moderately high price), and Cluster 4 (low demand, stable trend, moderately low price). These segmentation results are expected to serve as the basis for more effective marketing strategies and product management.