Poverty is a fundamental problem that has become the center of attention in several aspects, for example from the government. The government needs poverty data and analyzes it to determine which poverty alleviation programs should be delivered to the right target or the poor. The aim of this study is to determine the accuracy of the classification of poverty in Batang District using the Neural Network method using the chi square feature selection. The dataset used in this study uses poverty data sourced from the Batang district BPS based on the results of the Susenas survey (National Economic Survey) for the 2022 time period. The results of this study indicate that the accuracy obtained for poverty classification using a neural network is 96.38% , with a precision value of 100%, and a recall value of 89.38%. Whereas when using a neural network with feature selection chi square, it gets an accuracy value of 93.68%, with a precision value of 91.07%, and a recall value of 90.26%. The contribution of this research is to develop a neural network method using feature selection chi square to improve the results of the accuracy of the classification is not poor or poor.  

Teknologi informasi terus mengalami perubahan seiring perkembangan industri begitu juga dengan peningkatan data yang dihasilkan dari berbagai bidang seperti bidang pendidikan, kesehatan, astronomi, pertanian, ekonomi, sosial budaya dan lainnya. Tahun 2023, data pengguna internet mencapa 4.95 miliar pengguna. Tentu, pengguna internet tersebut berdampak pada data yang dihasilkan baik berupa teks, gambar, audio, video yang terus meningkat. Data tersebut dapat proses menggunakan metode Machine learning untuk menghasilkan sebuah pengetahuan hingga dapat digunakan sebagai dasar kebijakan. Namun, masih banyak mahasiswa yang belum memahami tentang metode tersebut dikarenakan kesulitan dalam memahami formula metode Machine Learning yang berkaitan dengan ilmu matematika. Oleh karena itu, diperlukan sebuah pendekatan khusus agar pemahaman terhadap model tersebut mudah dipahami yakni salah satunya adalah pendekatan Learning Service yang fokus pada konsep aspek praktis dan konsep ekperiental didasari pada sebuah studi kasus untuk memberikan pemahaman praktis dan metode tersebut dapat dilakukan oleh mahasiswa terhadap masalah penelitian di bidang Machine Learning. Hasil kegiatan tersebut menunjukkan bahwa ada sekitar 65,5% menyatakan sangat setuju dan setuju sebesar 26,5% Mahasiswa mampu memahami Machine Learning melalui studi kasus yang telah disimulasikan. Sedangkan ada 8% masih menyatakan kesulitan dalam memahami formula sebuah metode Machine Learning

Pengunaan teknologi informasi berupa penggunaan internet di Indonesia terus mengalami peningkatan sejak 2 dekade terakhir hingga 73,24% atau 202 juta jiwa dari 275.77 juta jiwa penduduk Indonesia. Penggunaan teknologi tersebut tidak lepas dari sebuah ancaman pengambilan informasi secara ilegal. Tingkat kejahatan cyber berjenis malware mencapai 14.235 serangan hingga bulan april 2023. Pada penelitian ini dilakukan pembuatan malware trojan menggunakan metasploit framework dengan memanfaatkan fungsi msfvenom dan Fully Undetected (FUD) Trojan menggunakan bahasa pemrograman python. Selanjutnya dilakukan pengujian source code FUD Trojan, pengujian keterdeteksian virus melalui virustotal.com. adapun hasil pengujian menunjukkan bahwa keterdeteksian virus paling sedikit yaitu 11 antivirus pada FUD Trojan pada file music.exe, sedangkan keterdeteksian antivirus paling banyak ada pada payload windows.dll sebanyak 56 antivirus. Sedangkan payload.js dan undangan.apk masing masing keterdeteksiannya sebanyak 35 dan 26 antivirus. (FUD) trojan yang memiliki payload FUD malware perlu diwaspadai dikarenakan tidak banyak antivirus yang mendeteksi jenis payload tersebut. jenis virus yang mampu mendeteksi malware tersebut adalah avira dan avg yang secara konsisten mampu mendeteksi 4 malware tersebut