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

Di Indonesia, kegiatan belajar mengajar menggunakan kurikulum yang seringkali mengalami perubahan, tujuan perubahan tersebut adalah agar sistem pendidikan yang ada menjadi lebih baik. Kurikulum merdeka merupakan kurikulum yang diterapkan saat ini yang diluncurkan dan diperkenalkan pada tahun ajaran 2022/2023. Dengan adanya kurikulum merdeka banyak pendapat (opini) yang bernada positif ataupun bernada negatif yang muncul di Twitter. Untuk mengetahui akurasi dataset yang dihasilkan dari opini yang ada menggunakan metode klasifikasi. Selain itu metode klasifikasi digunakan untuk mengetahui model klasifikasi terbaik, serta dapat mengetahui analisis sentimen yang dihasilkan dari opini yang ada. Metode yang digunakan untuk klasifikasi adalah k-Nearest Neighbor (K-NN), Naive Bayes (NB) dan Support Vector Machine (SVM). Komparasi metode ini bertujuan untuk menemukan metode terbaik dari dataset yang ada, berdasarkan hasil akurasi yang dihasilkan dari ketiga metode tersebut. Dataset tweet yang dikumpulkan sebanyak 1000 tweet, setelah data dibersihkan diperoleh 220 tweet yang terdiri dari 110 tweet positif dan 110 tweet negatif. Berdasarkan perhitungan ketiga metode dengan menggunakan tools Rapidminer didapatkan  akurasi sebagai berikut: untuk metode K-NN adalah 76,36%, akurasi metode NB adalah 70,91%,  sedangkan akurasi metode SVM adalah 62,73%. Dari hasil tersebut dapat disimpulkan metode K-NN mendapatkan nilai akurasi terbaik dari metode klasifikasi yang digunakan. Selain itu pada perhitungan machine learning, metode SVM menghasilkan klasifikasi terbaik dalam memprediksi, dengan kategori excellent klasifikasi sumbu Y mendekati 1.00. Tidak hanya itu penerapan kurikulum merdeka oleh masyarakat banyak ditweetkan dengan opini yang bernada negatif.  Harapan untuk penelitian kedepan adalah  dapat menambahkan jumlah dataset tweet, serta menggunakan algoritma tambahan untuk meningkatkan akurasi dari metode klasifikasi.

Penggunaan aplikasi PeduliLindungi sebagai sarana tracing mendapat berbagai respon dari masyarakat yang disampaikan melalui komentar (ulasan) di playstore. Ada berbagai jenis komentar yang menyataan aplikasi PeduliLindungi mudah digunakan dan ada juga komentar yang menyatakan aplikasi PeduliLindungi belum siap untuk digunakan. Dengan adanya komentar tersebut dapat dilakukan analisis sentimen untuk mengetahui sentimen atau opini dari pengguna aplikasi PeduliLindungi. Berdasarkan uraian diatas peneliti melakukan analisis sentimen terhadap penggunaan aplikasi PeduliLindungi dengan menggunakan data yang diperoleh dari komentar pengguna di playstore. Data yang digunakan sebanyak 321 data yang dikelompokkan kedalam kelas positif dan negatif. Penelitian ini membuat model klasifikasi dengan algoritma Naïve Bayes dan K-Nearest Neighbor, selain itu pada penelitian ini juga dilakukan komparasi kinerja pada algoritma klasikasi Naïve Bayes dan K-Nearest Neighbor dengan menggunak tools Rapid Miner versi 9.9. Berdasarkan eksperimen yang dilakukan diperoleh hasil akurasi sebesar 70,46%, untuk algoritma Naïve Bayes dan akurasi sebesar 73,33% untuk algoritma K-Nearest Neighbor. Dari kedua metode yang digunakan untuk mengetahui tingkat akurasi yang digunakan, maka bisa diambil kesimpulan bahwa metode K-Nearest Neighbor memiliki tingkat akurasi yang lebih baik dibandingkan dengan metode Naive Bayes. Untuk penelitian selanjutnya diharapkan menambah jumlah dataset (data ulasan) yang ada, serta bisa menambahkan metode klasifikasi lainya ataupun bisa menggunakan metod seleksi fitur yang ada di data mining.
Kata kunci: PeduliLindungi, Sentimen Analisis, Naïve Bayes, K-NN

Sebuah Website memiliki peran yang cukup penting dalam membantu menyebarkan informasi bagi suatu kelompok atau masyarakat luas. Website yang bermanfaat adalah yang mampu memberikan sesuatu apa yang dibutuhkan oleh pengguna, selain itu mampu memberikan kemanfaatan bagi berlangsungnya proses bisnis yang terjadi dalam organisasi itu sendiri. Semakin banyak yang mengakses website suatu organisasi maka semakin dikenal. Demikian juga dengan STMIK Widya Pratama Pekalongan yang ingin memberikan pelayanan terbaiknya kepada masyarakat secara umum khususnya bagi mahasiswa dan seluruh karyawan dalam memenuhi permintaan informasi yang up to date melalui websitenya. Yang menjadikan pertanyaan adalah apakah website yang dimiliki oleh STMIK Widya pratama itu sebuah produk layanan yang dapat digunakan oleh pengguna serta memenuhi tanggung jawabnya dalam menyajikan antarmuka yang mudah untuk digunakan? Oleh sebab itulah pentingnya pengukuran kualitas website dengan metode usability testing dengan ditambah atribut baru berupa Comfortability bertujuan untuk lebih memaksimalkan ketergunaan(usability) dari interface yang ada dalam website tersebut. Setelah dilakukan pengujian usability dan uji selisih mutlak dapat disimpulkan 74,4% memiliki hubungan yang kuat antara usability dengan variabel bebas dan 55,4% usability dipengaruhi secara simultan oleh atribut Learnability, Efficiency, Memorability, Errors, Satifaction dan Comfortability, ini menunjukkan bahwa dengan penambahan atribut Comfortability dapat menguatkan/memaksimalkan usability dari website STMIK Widya Pratama. Untuk penelitian selanjutnya dapat diperbanyak indikator yang digunakan sehingga dapat meningkatkan nilai usabilitynya.Keyword: Usaibility Testing, Atribut Comfortble, Website