Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pariwisata belakangan ini menjadi sektor yang cukup berkembang di Indonesia. Banyak wisatawan dari dalam maupun luar negeri yang berkunjung untuk berwisata di Indonesia. Banyaknya destinasi wisata menjadi peluang yang sangat besar bagi Indonesia untuk mengembangkan sistem teknologi yang dapat membantu perkembangan pariwisata. Hal ini membuat diperlukan adanya sistem yang mampu membantu perkembangan sektor pariwisata di Indonesia. Smart Tourism merupakan sistem yang mampu membantu permasalahan perkembangan pariwisata di Indonesia, oleh karena itu pada Tugas Akhir ini penulis akan membuat sistem Smart Tourism menggunakan metode qr code. Sistem ini dibuat agar pengguna baik itu wisatawan maupun pengelola dapat dengan mudah mengatur jadwal maupun perencanaan transport yang aman. Selain membuat sistem, tentunya diperlukan media pada sistem tersebut agar sistem ini dapar berjalan dengan baik. Media yang akan diimplementasikan untuk sistem ini adalah QR-Code, QR-Code akan berguna untuk melakukan tracking wisatawan yang dapat dikumpulkan datanya sehingga dapat mengumpulkan kebiasaan konsumsi, kebutuhan, serta minat wisatawan sehingga pengelola wisata dapat meningkatkan nilai produk atau layanan tersebut. Sehingga reputasi dan viralitas suatu tempat wisata akan terus meningkat. Dari hasil penulisan ini didapati 100% dari total 70 responden merasa terbantu dengan adanya aplikasi ini dan 98,6% dari total 70 responden merasa butuh dengan adanya aplikasi ini. Selain itu pada pembuatan kali ini didapati hasil test dengan hanya memerlukan RAM sebesar 32-64MB selama menggunakan program dan pengiriman paket terjadi selama 2 detik untuk pengiriman 45 paket sehingga dapat disimpulkan bahwa aplikasi dapat berjalan pada perangkat yang memiliki spesifikasi tidak terlalu besar dan tidak memerlukan bandwith internet yang besar.

---

Tourism has recently become a developed sector in Indonesia. Many tourists from within and outside the country who visit to travel in Indonesia. The number of tourist destinations is a very big opportunity for Indonesia to develop a technology system that can help the development of tourism. This makes it necessary to have a system that can help the development of the tourism sector in Indonesia. Smart Tourism is a system that can help the problems of tourism development in Indonesia, therefore in this Final Project the author will create a Smart Tourism system using the QR-Code method. This system was created so that users, both tourists and managers, can easily manage schedules and safe transport planning. In addition to creating a system, of course, media is needed on the system so that this system can run well. The media that will be implemented for this system is QR-Code, QR-Code will be useful for tracking tourists whose data can be collected so that they can collect consumption habits, needs, and interests of tourists so that tourism managers can increase the value of these products or services. So that the reputation and virality of a tourist spot will continue to increase. From the results of this writing, it was found that 100% of the total 70 respondents felt helped by this application and 98.6% of the total 70 respondents felt the need for this application. In addition, at this time the test results were found to only require 32-64MB of RAM while using the program and packet delivery occurred for 2 seconds for delivery of 45 packets so it can be concluded that the application can run on devices that have not too large specifications and do not require bandwidth. great internet."

"Adopsi teknologi QR Code Indonesian Standard (QRIS) dapat mempermudah transaksi pembayaran dan meningkatkan efisiensi UMKM. Namun, QRIS belum sepenuhnya diadopsi oleh UMKM di Indonesia, tercermin dari tingkat adopsi yang relatif rendah. Oleh karena itu, penelitian ini menggunakan framework Technology, Organization, Environment (TOE) untuk menganalisis pengaruh faktor TOE terhadap adopsi QRIS dan dampaknya terhadap kinerja UMKM. Penelitian ini menggunakan self-administered questionnaire untuk memperoleh data dari 299 UMKM di Indonesia. Pendekatan Partial Least Square-Structural Equation Modeling (PLS-SEM) dengan Smart PLS3.0 digunakan untuk menilai hipotesis yang dikembangkan dalam penelitian. Temuan menunjukkan bahwa adopsi QRIS ditentukan oleh faktor organisasi dan lingkungan, sedangkan faktor teknologi tidak berpengaruh signifikan. Lebih lanjut, penelitian ini membuktikan bahwa adopsi QRIS berdampak signifikan terhadap kinerja UMKM. Berdasarkan temuan tersebut, penelitian ini menyarankan pentingnya kolaborasi antara regulator dan Penyedia Layanan Pembayaran untuk memberikan edukasi dan pendampingan kepada UMKM untuk meningkatkan adopsi QRIS.

---

Adoption of QR Code Indonesian Standard (QRIS) technology can simplify payment transactions and improves MSMEs' efficiency. However, QRIS has not been fully adopted by MSMEs in Indonesia, reflected by a relatively low adoption rate. Therefore, this study uses the Technology, Organization, Environment (TOE) framework to analyse the influence of TOE factors on QRIS adoption and the impact on the MSMEs performance. This study used questionnaires gathered from 299 MSMEs in Indonesia and Partial Least Square-Structural Equation Modeling (PLS-SEM) approach to assess the hypotheses. The findings show that the adoption of QRIS is determined by organisational and environmental factors, while technological factors have no significant effect. Furthermore, this study proves that QRIS adoption has a significant impact on the MSMEs performance. Based on the findings, this study suggests the importance of collaboration between regulators and Payment Service Providers to provide education and assistance to MSMEs to increase the adoption Fof QRIS."

"Angka penggunaan transportasi KRL cukup tinggi dibandingkan transportasi umum lainnya. Metode pembayaran tiket KRL yang umum digunakan adalah tap card, namun mulai muncul metode pembayaran tiket KRL yang baru, yaitu QR code. Hal ini disebabkan oleh meningkatnya penggunaan dompet digital di Indonesia. Peningkatan jumlah penggunaan metode pembayaran QR code dapat dilihat dari jumlah penggunaan pada salah satu penyedia layanan QR code, yaitu GoTransit, yang meningkat sebanyak 20 kali hanya dalam jangka waktu 1 bulan setelah diluncurkan. Penelitian ini bertujuan untuk meneliti faktor-faktor yang memengaruhi niat beralih seseorang dari penggunaan tap card ke QR code sebagai metode pembayaran transportasi KRL dengan memanfaatkan teori Push Pull Mooring (PPM). Melalui framework ini, faktor-faktor yang memengaruhi niat beralih pengguna dikelompokkan menjadi tiga faktor, yaitu faktor yang mendorong (push), menarik (pull), dan menghambat (mooring). Responden pada penelitian ini berjumlah 605 responden yang setidaknya pernah menggunakan metode pembayaran tap card dan QR code. Hasil penelitian menunjukkan bahwa faktor push, yaitu perceived risk dan faktor pull, yaitu application usefulness, ease of use, dan public influence, secara positif memengaruhi niat beralih dari penggunaan tap card ke QR code sebagai metode pembayaran tiket KRL. Sedangkan untuk faktor mooring ditemukan bahwa habit, past investments, dan perceived threats secara negatif memengaruhi niat beralih seseorang dari penggunaan tap card ke QR code dalam pembelian tiket KRL. Penelitian ini memberikan faktor baru yaitu perceived threats pada faktor mooring dan memberikan ide baru kepada penyedia layanan tap card, seperti menerapkan pemindahan atau pemblokiran saldo pada kartu yang hilang atau rusak dan kepada penyedia layanan QR code, seperti menambah promo yang diberikan, meningkatkan multifungsionalitas produk, dll.

---

The usage of KRL is significantly higher compared to other public transportation options. The most common method of payment for KRL tickets is through tap cards. However, a new payment method for KRL tickets has emerged, which is the QR code. This development is attributed to the increased adoption of digital wallets in Indonesia. The rise in the usage of QR code payment can be observed through the usage data of one QR code service provider, GoTransit, which experienced a twentyfold increase within just one month after its launch. This research aims to investigate the factors that influence individuals' intention to switch from using tap cards to QR codes as a payment method for KRL transportation, utilizing the Push Pull Mooring (PPM) theory. Within this framework, the factors affecting users' switching intention are categorized into three groups: push factors, pull factors, and mooring factors. This study involved 605 participants, all of whom had experience with both tap card and QR code payment methods at least once. The research findings indicate that push factors, such as perceived risk, and pull factors, including application usefulness, ease of use, and public influence, positively influence individuals' intention to switch from using tap cards to QR codes as a payment method for KRL tickets. On the other hand, mooring factors, specifically habit, past investments, and perceived threats, negatively impact individuals' switching intentions. This study proposes a new factor which is perceived threats on the mooring factors and new ideas for tap card service providers, such as implementing balance transfer or blocking for lost or damaged cards and suggestions for QR code service providers, such as offering promotions, enhancing the multifunctionality of their products, and more."

"Angka penggunaan transportasi KRL cukup tinggi dibandingkan transportasi umum lainnya. Metode pembayaran tiket KRL yang umum digunakan adalah tap card, namun mulai muncul metode pembayaran tiket KRL yang baru, yaitu QR code. Hal ini disebabkan oleh meningkatnya penggunaan dompet digital di Indonesia. Peningkatan jumlah penggunaan metode pembayaran QR code dapat dilihat dari jumlah penggunaan pada salah satu penyedia layanan QR code, yaitu GoTransit, yang meningkat sebanyak 20 kali hanya dalam jangka waktu 1 bulan setelah diluncurkan. Penelitian ini bertujuan untuk meneliti faktor-faktor yang memengaruhi niat beralih seseorang dari penggunaan tap card ke QR code sebagai metode pembayaran transportasi KRL dengan memanfaatkan teori Push Pull Mooring (PPM). Melalui framework ini, faktor-faktor yang memengaruhi niat beralih pengguna dikelompokkan menjadi tiga faktor, yaitu faktor yang mendorong (push), menarik (pull), dan menghambat (mooring). Responden pada penelitian ini berjumlah 605 responden yang setidaknya pernah menggunakan metode pembayaran tap card dan QR code. Hasil penelitian menunjukkan bahwa faktor push, yaitu perceived risk dan faktor pull, yaitu application usefulness, ease of use, dan public influence, secara positif memengaruhi niat beralih dari penggunaan tap card ke QR code sebagai metode pembayaran tiket KRL. Sedangkan untuk faktor mooring ditemukan bahwa habit, past investments, dan perceived threats secara negatif memengaruhi niat beralih seseorang dari penggunaan tap card ke QR code dalam pembelian tiket KRL. Penelitian ini memberikan faktor baru yaitu perceived threats pada faktor mooring dan memberikan ide baru kepada penyedia layanan tap card, seperti menerapkan pemindahan atau pemblokiran saldo pada kartu yang hilang atau rusak dan kepada penyedia layanan QR code, seperti menambah promo yang diberikan, meningkatkan multifungsionalitas produk, dll.

---

The usage of KRL is significantly higher compared to other public transportation options. The most common method of payment for KRL tickets is through tap cards. However, a new payment method for KRL tickets has emerged, which is the QR code. This development is attributed to the increased adoption of digital wallets in Indonesia. The rise in the usage of QR code payment can be observed through the usage data of one QR code service provider, GoTransit, which experienced a twentyfold increase within just one month after its launch. This research aims to investigate the factors that influence individuals' intention to switch from using tap cards to QR codes as a payment method for KRL transportation, utilizing the Push Pull Mooring (PPM) theory. Within this framework, the factors affecting users' switching intention are categorized into three groups: push factors, pull factors, and mooring factors. This study involved 605 participants, all of whom had experience with both tap card and QR code payment methods at least once. The research findings indicate that push factors, such as perceived risk, and pull factors, including application usefulness, ease of use, and public influence, positively influence individuals' intention to switch from using tap cards to QR codes as a payment method for KRL tickets. On the other hand, mooring factors, specifically habit, past investments, and perceived threats, negatively impact individuals' switching intentions. This study proposes a new factor which is perceived threats on the mooring factors and new ideas for tap card service providers, such as implementing balance transfer or blocking for lost or damaged cards and suggestions for QR code service providers, such as offering promotions, enhancing the multifunctionality of their products, and more"

"Pada awal pandemi COVID-19, keputusan medis pada pasien ditentukan oleh dokter berdasarkan banyak tes medis (misalnya, tes reaksi berantai polimerase, tes suhu, CTScan atau X-ray). Metode transfer learning telah digunakan dalam beberapa penelitian dan berfokus hanya pada satu biomarker (misalnya, hanya CT-Scan atau X-Ray saja) untuk mendiagnosis pneumonia. Dalam studi terbaru, modalitas tunggal memiliki keakuratan klasifikasi sendiri dan setiap biomarker yang berbeda dapat memberikan informasi pelengkap untuk mendiagnosis COVID-19 pneumonia. Tujuan pada penelitian ini adalah membangun model multimodal yaitu dengan menggabungkan dua masukan (input) menjadi satu keluaran (output) pada tahapan pembuatan model. Dua model transfer learning yang berbeda telah digunakan pada masing-masing masukan dengan dataset open-source 2849 gambar CT-Scan dan 2849 gambar X-ray untuk mengklasifikasikan gambar CT-Scan dan gambar X-ray menjadi dua kelas: normal dan COVID-19 pneumonia. Model transfer learning yang digunakan adalah model DenseNet121, model MobileNet, model Xception, model InceptionV3, model ResNet50 dan model VGG16 untuk proses ekstraksi fitur. Alhasil, akurasi klasifikasi terbaik didapatkan sebesar 99,87% saat penggabungan jaringan ResNet50 dan VGG16. Kemudian, akurasi klasifikasi terbaik didapatkan sebesar 98,00% saat menggunakan modalitas tunggal model ResNet50 dengan data CT-Scan dan akurasi klasifikasi sebesar 98,93% untuk model VGG16 dengan data X-Ray. Metode penggabungan multimodal learning menunjukkan akurasi klasifikasi yang lebih baik dibandingkan dengan metode yang menggunakan hanya satu modalitas saja.

---

Due to COVID-19 Pandemic, medical decisions on patients were made by doctors based on many medical tests (e.g., polymerase chain reaction test, temperature test, CT-Scan or X-ray). Transfer learning methods have been used in several studies and focus on only one biomarker (eg, CT-Scan or X-Ray only) for diagnosing pneumonia. In recent studies, a single modality has its own classification accuracy and each different biomarker can provide complementary information for diagnosing COVID-19 pneumonia. The purpose of this research is to build a multimodal model by combining two inputs (inputs) into one output (output) at the modeling stage. Two different transfer learning models were used at each input with an open-source dataset of 2849 CT-Scan images and 2849 X-ray images to classify CT-Scan images and X-ray images into two classes: normal and COVID-19 pneumonia. . The transfer learning model used is the DenseNet121 model, the MobileNet model, the Xception model, the InceptionV3 model, the ResNet50 model and the VGG16 model for the feature extraction process. As a result, the best classification accuracy was obtained at 99.87% when merging the ResNet50 and VGG16 networks. Then, the best classification accuracy was obtained at 98.00% when using a single modality ResNet50 model with CT-Scan data and a classification accuracy of 98.93% for the VGG16 model with X-Ray data. The multimodal learning combination method shows better classification accuracy than the method that uses only one modality."

"Banyaknya konferensi menyulitkan peneliti memilih konferensi berkualitas. Kemungkinan peneliti tertipu dengan konferensi predator merupakan ancaman nyata yang perlu diperhatikan. Penilaian konferensi umumnya menggunakan pakar yang membutuhkan waktu dan biaya yang tinggi. Penelitian ini fokus untuk menganalisis jika h-indeks, impact factor, jumlah dokumen, dan SJR dapat menghasilkan penilaian kualitas yang sesuai dengan penilaian manual pakar dari beberapa situs penilaian konferensi serta membandingkan hasil performanya dengan penilaian jurnal. Data yang digunakan dikumpulkan dari empat sumber situs web yang mengkalkulasi kualitas konferensi luar negeri, yaitu CORE, ERA/QUALIS, AMiner, dan ScimagoJR. Data untuk penilaian jurnal didapatkan dari Guide2Research. Variabel yang digunakan untuk penilaian adalah h-indeks, jumlah dokumen, impact factor, dan SJR. Penelitian ini menggunakan metode K-Nearest Neighbor (KNN), Support Vector Machine (SVM), Naïve Bayes, dan Decision Tree (DT). KNN menghasilkan nilai akurasi tertinggi sebesar 72,22% dan f1 score senilai 63,06% menggunakan data Qualis dengan faktor h-indeks, IF, dan SJR.

---

The number of conferences makes it difficult for researchers to choose quality conferences. The possibility of researchers being fooled by predatory conferences is a real threat that deserves attention. Conference assessments generally use experts who require time and money to evaluate the conferences. This study focuses on analyzing whether h-index, impact factor, number of documents, and SJR can produce quality assessments in accordance with expert manual assessments from several conference assessment sites and compare the resulting performance with journal assessments. The data used were collected from four website sources that calculate the quality of overseas conferences, namely CORE, ERA/QUALIS, AMiner, and ScimagoJR. Data for journal assessments were obtained from Guide2Research. The variables used for the assessment are h-index, number of documents, impact factor, and SJR. This research used K-Nearest Neighbor (KNN), Support Vector Machine (SVM), Naïve Bayes, and Decision Tree (DT). KNN produced the highest accuracy value of 72.22% and the f1 score of 63.06% using Qualis data with the h-index, IF, and SJR factors."

"Dalam beberapa tahun terakhir, keamanan data pada sistem informasi organisasi telah menjadi perhatian serius. Banyak serangan menjadi kurang terdeteksi oleh firewall dan perangkat lunak antivirus. Untuk meningkatkan keamanan, intrusion detection systems (IDS) digunakan untuk mendeteksi serangan dalam lalu lintas jaringan. Saat ini, teknologi IDS memiliki masalah kinerja mengenai akurasi deteksi, waktu deteksi, pemberitahuan alarm palsu, dan deteksi jenis serangan baru atau belum diketahui. Beberapa studi telah menerapkan pendekatan pembelajaran mesin (machine learning) sebagai solusi, dan mendapat beberapa peningkatan. Penelitian ini menggunakan pendekatan pembelajaran ensemble (ensemble learning) yang dapat mengintegrasikan manfaat dari setiap algoritma pengklasifikasi tunggal. Pada penelitian ini, dibandingkan tujuh pengklasifikasi tunggal untuk mengidentifikasi pengklasifikasi dasar yang digunakan untuk model ensemble learning. Kemudian dataset IDS terbaru dari Canadian Institute for Cybersecurity yaitu CSE-CIC-IDS2018 digunakan untuk mengevaluasi model ensemble learning. Hasil percobaan menujukan bahwa implementasi metode ensemble learning khususnya majority voting dengan tiga algoritma dasar (gradient boosting, decision tree dan logistic regression) dapat meningkatkan nilai akurasi lebih baik dibandingkan implementasi algoritma klasifikasi tunggal, yaitu 0,988. Selanjutnya, implementasi teknik pemilihan fitur spearman-rank order correlation pada dataset CSE-CIC-IDS2018 menghasilkan 23 dari 80 fitur, dan dapat meningkatkan waktu pelatihan model, yaitu menjadi 11 menit 4 detik dibanding sebelumnya 34 menit 2 detik.

---

In recent years, data security in organizational information systems has become a serious concern. Many attacks are becoming less detectable by firewall and antivirus software. To improve security, intrusion detection systems (IDSs) are used to detect anomalies in network traffic. Currently, IDS technology has performance issues regarding detection accuracy, detection times, false alarm notifications, and unknown attack detection. Several studies have applied machine learning approaches as solutions. This study used an ensemble learning approach that integrates the benefits of each single classifier algorithms. We made comparisons with seven single classifiers to identify the most appropriate basic classifiers for ensemble learning. Then the latest IDS dataset from the Canadian Institute for Cybersecurity, CSE-CIC-IDS2018, was used to evaluate the ensemble learning model. The experimental results show that the implementation of the ensemble learning method, especially majority voting with three basic algorithms (gradient boosting, decision tree and logistic regression) can increase the accuracy rate better than the implementation of a single classification algorithm, which is 0.988. Furthermore, the implementation of the spearman-rank order correlation feature selection technique in the CSE-CIC-IDS2018 dataset produced 23 of the 80 features, and could increase the model training time, which was 11 minutes 4 seconds compared to 34 minutes 2 seconds before."

"Penelitian ini membahas tentang membangun model machine learning pada aspek manusia dalam kesadaran keamanan informasi. Model dibangun melalui pendekatan classification dan clustering melalui proses secara garis besar meliputi: impor data, menangani data tidak lengkap, penyusunan dataset, feature scaling, membangun model serta mengevaluasi model. Dataset disusun berdasarkan hasil kuisioner yang merujuk The Human Aspects of Information Security Questionnaire pada masyarakat di Indonesia. Hasil model classification dievaluasi dengan beberapa metode yaitu analisa k-fold Cross Validation, Confusion Matrix, Receiver Operating Characteristic, serta perhitungan skor pada masing-masing model. Salah satu algoritma pada classification yang digunakan yaitu Support Vector Machine memiliki kinerja dengan akurasi 99,7% dan error rate sebesar 0,3%. Algoritma pada clustering salah satunya yaitu DBSCAN memiliki nilai adjusted rand index selalu mendekati nilai 0.

---

This research discusses building a machine learning model on the human aspect of information security awareness. The model built through a classification and clustering approach through a broad outline process, including importing data, handling incomplete data, compiling datasets, feature scaling, building models, and evaluating models. Dataset arranged based on the results of a questionnaire that referred to The Human Aspects of Information Security Questionnaire to Indonesia society. The results of the classification model evaluated by several methods, namely k-fold Cross Validation analysis, Confusion Matrix, Receiver Operating Characteristics, and score calculation for each model. One of the algorithms for classification, the Support Vector Machine, has a performance with an accuracy of 99.7% and an error rate of 0.3%. One of the algorithms in clustering is that DBSCAN has an adjusted rand index value consistently close to 0."

"Just like electricity, Machine Learning will revolutionize our life in many ways-some of which are not even conceivable today. This book provides a thorough conceptual understanding of Machine Learning techniques and algorithms. Many of the mathematical concepts are explained in an intuitive manner. The book starts with an overview of machine learning and the underlying Mathematical and Statistical concepts before moving onto machine learning topics. It gradually builds up the depth, covering many of the present day machine learning algorithms, ending in Deep Learning and Reinforcement Learning algorithms. The book also covers some of the popular Machine Learning applications. The material in this book is agnostic to any specific programming language or hardware so that readers can try these concepts on whichever platforms they are already familiar with."

"Keamanan privasi data dan informasi dalam internet sering menjadi topik pembahasan dari waktu ke waktu, hal ini dikarenakan metode penyerangan siber selalu berevolusi menyesuaikan dengan struktur keamanan yang ada, menjadikan bidang keamanan siber menjadi bagaikan kompetisi untuk selalu lebih dahulu dari lawannya. Salah satu contoh implementasi keamanan siber merupakan Intrusion Detection System, dikenal juga dengan IDS. IDS dapat membantu menjaga sebuah jaringan dengan mendeteksi jika ada tanda-tanda penyerangan, namun dengan ini saja tidak cukup untuk memaksimalkan keamanan sebuah jaringan. Dari dasar IDS ini, sebuah proyek mencoba mengembangkan konsepnya dan membuat struktur besar, dan berhasil diciptakan proyek Mata Elang. Struktur Mata Elang dapat menjadi perantara antara internet dengan jaringan yang dilindunginya, dan ketika terjadi serangan, aktivitas tersebut akan dideteksi, ditahan, dan diproses oleh Mata Elang. Sistem deteksi Mata Elang bergantung kepada framework Snort. Sayangnya, Snort tidak memiliki kemampuan untuk beradaptasi di luar dari konfigurasi yang telah diberikan kepadanya. Dalam penelitian ini, penulis akan mengimplementasikan Machine Learning untuk meningkatkan keamanan yang diberikan pada proyek Mata Elang, spesifiknya pada sensornya yang menggunakan Snort. Setelah segala proses perancangan, pembuatan, dan pengujian telah dilakukan, hasil akhir yang didapatkan dari sistem Machine Learning merupakan sistem prediksi yang memuaskan untuk memprediksi kategori serangan bahkan dengan dukungan data yang lemah, namun kemampuan dari aturan Snort yang dihasilkan masih belum diuji dengan matang.

---

The talk about the security of private data and information will continue to be a relevant topic because of the nature of the concept. Cyberattacks have always been adapting according to the technology and structure that exists at the time, and so cybersecurity will continue to be a competition for gaining the advantage against their contrarian. One of the prime examples in cybersecurity implementation is Intrustion Detection Systems, also known as the shortened term, IDS. IDS can help guard a network by detecting different kinds of anomalies or attacks, although this alone wouldn’t be enough to maximize the level of proper security necessary for a whole network. Under the basic concept of IDS, a project attempts to develop an IDS and create a larger structure. The project was successfully implemented and now titled as Mata Elang. Mata Elang’s structure is an intermediary between an internet connection and the network it is connected to, and when an attack happens, those activities will be detected, interrupted, and then processed by Mata Elang. Mata Elang’s detection system completely relies on the framework Snort. Unfortunately, Snort does not have the capabilities to adapt outside the configurations that has been given to it. In this research, the writer will implement Machine Learning to further increase the security provided by Mata Elang, specifically on the sensors that uses Snort. After every step of the planning, making, and testing has been done the final result of the product was a Machine Learning system that has a satisfactory performance in categorizing the attacks, even with a weak supporting data, however the performance of the snort rules generated by it has not been tested thoroughly."