Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan industri perdagangan elektronik di Indonesia yang sebagian besar dilakukan di e-commerce dan menciptakan peluang yang sangat besar di Indonesia dan salah satu perusahaan di bidang ini adalah PT Tokopedia. Tetapi kondisi keuangan GoTo sebagai perusahaan holding Tokopedia masih negatif dan salah satu inisiatifnya adalah melakukan optimasi pengeluaran operasional. Salah satu lini divisi yang memiliki kontribusi pemasukan yang besar di Tokopedia adalah TopAds yang mengurus periklanan pada aplikasi Tokopedia. Namun, di dalam divisi ini masih ada beberapa aspek pengeluaran operasional yang masih belum teroptimasi salah satunya infrastruktur Elasticsearch. Berdasarkan permasalahan kurang teroptimasinya infrastruktur, dilakukan desain Elasticsearch menggunakan auto scale dengan mengimplementasikan orchestration dan containerization dengan memanfaatkan Kubernetes. Penelitian ini menggunakan pendekatan kuantitatif yaitu true experimental design untuk membandingkan desain infrastruktur kontrol yang telah digunakan pada tempat studi kasus dan desain infrastruktur baru yang telah menggunakan orchestration dan containerization. Pengambilan data dilakukan terhadap metrik-metrik yang ada pada kedua grup tersebut seperti, CPU, latensi, dan tingkat kesuksesan memproses request dalam beberapa skenario. Hasil pengujian beberapa skenario menunjukkan Elasticsearch berbasis Kubernetes dapat menggantikan Elasticsearch berbasis VM dengan performa sistem yaitu CPU dan metrik pemrosesan permintaan yaitu tingkat kesuksesan dan latensi pemrosesan permintaan yang tidak jauh berbeda. Penelitian dilakukan dengan memodelkan sistem saat ini pada tempat studi kasus sehingga perlu dilakukan pengujian lanjutan pada tempat studi kasus agar semua dampak pemindahan sistem Elasticsearch sehingga pemutusan adopsi Elasticsearch berbasis Kubernetes tepat.

---

The development of the e-commerce industry in Indonesia, which is mainly carried out in e-commerce, has created enormous opportunities in Indonesia, and one of the companies in this field is PT. Tokopedia. Current conditions show that GoTo's as Tokopedia's holding company has made a significant contribution to Indonesia. However, the financial condition still needs to improve and one way to achieve this is to optimize operational expenses. One of the division lines that significantly contributes to Tokopedia's income is TopAds, which handles advertising on the Tokopedia application. However, in this division, there are still several aspects of operational expenses that need to be optimized, one of which is the Elasticsearch infrastructure. Based on the need for more infrastructure optimization, Elasticsearch was designed using auto-scale by implementing orchestration and containerization using Kubernetes. This study uses a quantitative approach, namely true experimental design, to compare the design of the control infrastructure that has been used and the design of the new infrastructure that has used orchestration and containerization. Data was collected on the metrics in both groups, such as CPU, latency, and the level of success in processing requests in several scenarios. The test results of several scenarios show that Kubernetes-based Elasticsearch can replace VM-based Elasticsearch with system performance, namely CPU and request processing metrics, namely the success rate and latency of request processing, which are similar. The study was conducted by modelling the current system at the case study site so that further testing is needed at the case study site so that all impacts of moving the Elasticsearch system so that the adoption of Kubernetes based Elasticsearch is correct."

"Konsumsi energi listrik di daerah pemukiman menjadi faktor utama peningkatan emisi karbon. Demi mengurangi pemakaiannya, penting untuk pihak operasional dapat mengawasi dan memantau pemakaian energi listrik. Selain itu, perlu diketahui juga faktor-faktor yang dapat memengaruhi tingkat konsumsi listrik. Kondisi cuaca eksrim akibat pemanasan global dapat memengaruhi tingkat pemakaian energi listrik. Menggunakan machine learning, khususnya regression, pemakaian energi listrik dapat diprediksi secara akurat berdasarkan data cuaca. Elasticsearch dan Kibana menjadi alat yang dapat digunakan untuk membantu pembuatan dashboard interaktif. Dengan kemampuan machine learning, Elasticsearch dapat melakukan analitik data dan memprediksi pemakaian energi listrik. Model machine learning menggunakan library XGBoost dimana nilai koefisien determinasi (R2), Mean Absolute Error, dan nilai Explained Variance dijadikan penilaian prediksi. Dari model yang dibuat, nilai R2 didapatkan sebesar 0,05, Mean Absolute Error sebesar 12,58, dan Explained Variance bernilai 0,07. Dengan dashboard yang telah dibuat dilakukan pengujian pengguna terhadap sistem berupa survei kepada 41 pengguna dimana diuji kepuasannya terhadap sistem. Survei yang diberikan berupa kuisioner menggunakan google form. Dari hasil yang didapat, sebanyak 46,3% dari responden memiliki pengalaman yang positif dan 26,8% responden memiliki pengalaman yang sangat positif ketika menggunakan sistem dashboard. Dari hasil penelitian ini diharapkan bagi pengguna dan pihak operasional dapat dengan mudah mengambil keputusan untuk dapat mengurangi pemakaian energi listrik.

---

Consumption of electrical energy in residential areas is the main factor in increasing carbon emissions. In order to reduce its use, it is important for the operational party to be able to monitor the use of electrical energy. In addition, it is also necessary to know the factors that can affect the level of electricity consumption. Extreme weather conditions due to global warming can affect the level of electrical energy consumption. Using machine learning, especially regression, electrical energy consumption can be predicted accurately based on weather data. Elasticsearch and Kibana are tools that can be used to help create interactive dashboards. With machine learning capabilities, Elasticsearch can perform data analytics and predict electrical energy consumption. The machine learning model uses the XGBoost library where the coefficient of determination (R2), Mean Absolute Error, and Explained Variance values are used as predictive assessments. From the model made, the R2 value is 0.05, the Mean Absolute Error is 12.58, and the Explained Variance is 0.07. With the dashboard that has been created, user testing of the system is carried out in the form of a survey to 41 users where their satisfaction with the system is tested. The survey was given in the form of a questionnaire using a google form. From the results obtained, as many as 46.3% of respondents had a positive experience and 26.8% of respondents had a very positive experience when using the dashboard system. It is hoped that users and operational parties can easily make decisions to reduce the use of electrical energy."

"Automated test adalah otomatisasi dari aktivitas software testing menggunakan testing tool. Namun, pada kenyataannya, testing tool untuk melakukan automated test masih memiliki kekurangan. Berdasarkan wawancara dengan Tim Research and Development (Tim RnD) PT. Global Digital Niaga (Blibli), automated test pada Blibli dieksekusi secara berkala dengan bantuan automation server sehingga menghasilkan report yang terpisah-pisah. Hal tersebut disebabkan testing tool membuat satu report setiap kali test cases dieksekusi. Berdasarkan masalah tersebut, tim pengembang merealisasikan project “Error Book”, sebuah dashboard automated test error. Error Book memanfaatkan custom maven plugin dan Elastic Stack untuk mengelola data dari automated test secara real-time sehingga dapat disajikan pada aplikasi front-end dashboard. Dengan Error Book, Tim RnD akan lebih mudah untuk mendapatkan informasi mengenai error yang terjadi pada automated test secara keseluruhan. Informasi tersebut akan menjadi acuan untuk melakukan improvement. QA engineer akan lebih mudah mengidentifikasi error yang sering terjadi pada automated test milik divisinya sehingga perbaikan preventif dan represif untuk error tersebut dapat dilakukan dengan cepat. Tim pengembang telah melakukan user acceptance testing (UAT) kepada Tim RnD Blibli, QA engineer Blibli, dan QA engineer perusahaan lain.

---

Automated test is the automation of software testing activities using testing tools. However, in reality, testing tools to perform automated tests still have drawbacks. Based on interviews with the Research and Development Team (RnD Team) at PT. Global Digital Niaga (Blibli), automated tests at Blibli are executed periodically with the help of an automation server. Hence, it generates separate reports. This is because the testing tool creates one report each time a test case is executed. Based on this problem, we develop the “Error Book” project, an automated test error dashboard. Error Book utilizes a custom maven plugin and Elastic Stack to manage data from automated tests in real-time so that it can be presented in front-end dashboard application. With Error Book, the RnD team can get information about errors that occur in the automated test as a whole easier. This information will serve as a reference for making improvements. QA engineers can easily identify errors that often occur in their division's automated tests so that preventive and repressive repairs for these errors can be carried out quickly. We have carried out user acceptance testing (UAT) to Blibli RnD team, QA engineers at Blibli, and QA engineers at other companies."

"Tujuan dari pengembangan proyek Automatic Indonesian News Generation System (AINGS) adalah untuk mengoptimalkan proses penyuntingan dan pengiriman berita di era digital, dengan fokus khusus pada aspek usability layanan web dan e siensi basis data. Proses pengembangan dimulai dengan pemetaan kebutuhan fungsional sistem de- ngan tur yang akan diimplementasi. Kebutuhan fungsional sistem mencakup pengelo- laan draf berita, pembuatan draf berita dan validasi draf berita secara otomatis serta komu- nikasi antara redaktur dan wartawan. Implementasi tur diwujudkan dengan layanan web berupa REST API yang terintegrasi dengan basis data serta layanan web machine learn- ing. Perancangan basis data dilakukan dengan melibatkan identi kasi empat entitas utama dan identi kasi hubungan antar entitas. Pengembangan basis data dilanjutkan dengan melakukan normalisasi hingga Third Normal Form (3NF) untuk memastikan konsistensi dari data yang disimpan serta e siensi dalam waktu pemrosesan. Selain itu, dilakukan im- plementasi Elasticsearch dan performanya dibandingkan dengan PostgreSQL dalam hal waktu pemrosesan untuk pencarian draf berita. Evaluasi layanan web dilakukan dengan melakukan integration testing dan evaluasi usability menggunakan heuristik. Hasil inte- gration testing menunjukan layanan web lulus semua skenario tes dan mampu memenuhi seleuruh kebutuhan fungsional sistem. Berdasarkan hasil evaluasi heuristik, layanan web yang dikembangkan mencapai nilai metrik knowability (96.49%) dan robustness (100.00%) yang baik namun untuk metrik operability (84.07%) dan ef ciency (83.33%) dapat ditingkatkan dengan memberikan opsi format data pada request dan menerapkan caching. Hasil evaluasi basis data menunjukan bahwa normalisasi pada tahap Second Normal Form (2NF) memberikan waktu pemrosesan yang lebih optimal dengan tetap memastikan konsistensi data yang terjaga. Rata-rata waktu pemrosesan yang dihasilkan oleh tahap 2NF adalah 1,712ms, sedangkan pada tahap 3NF mencapai 3,363ms. Semen- tara itu, penerapan Elasticsearch meningkatkan kinerja pencarian sehingga menghasilkan waktu pemrosesan yang lebih cepat. Menggunakan kata kunci pencarian ”Jakarta”, Elas- ticsearch dapat memproses permintaan hanya dalam waktu 8ms, sementara PostgreSQL membutuhkan waktu hingga 142,943ms.

---

The objective of developing the "Automatic Indonesian News Generation System" (AINGS) project is to optimize the editing and delivery process of news in the digital era, with a particular focus on the usability of web services and the ef ciency of the database. The development process begins with mapping the system’s functional requirements to the features to be implemented. The functional requirements of the system include man- aging news drafts, creating news drafts, and validating news drafts automatically, as well as communication between editors and reporters. The feature implementation is real- ized through a web service in the form of a REST API integrated with a database and machine learning web services. The database design involves identifying four main en- tities and the relationships between them. The database development is continued with normalization up to the Third Normal Form (3NF) to ensure consistency of the stored data and ef ciency in processing time. Additionally, Elasticsearch is implemented, and its performance is compared with PostgreSQL in terms of processing time for searching news drafts. The web service evaluation is carried out by conducting integration testing and usability evaluation using heuristics. The integration testing results show that the web service passes all test scenarios and meets all the system’s functional requirements. Based on the heuristic evaluation results, the developed web service achieves good met- rics in knowability (96.49%) and robustness (100.00%), but for operability (84.07%) and ef ciency (83.33%) metrics, improvements can be made by providing data format options in requests and implementing caching. The database evaluation results show that normal- ization at the Second Normal Form (2NF) stage provides more optimal processing time while ensuring data consistency. The average processing time produced by the 2NF stage is 1,712ms, while at the 3NF stage, it reaches 3,363ms. Meanwhile, the implementation of Elasticsearch enhances search performance, resulting in faster processing times. Using the search keyword ”Jakarta,” Elasticsearch can process requests in just 8ms, while Post- greSQL requires up to 142,943ms."

"Tujuan dari pengembangan proyek Automatic Indonesian News Generation System (AINGS) adalah untuk mengoptimalkan proses penyuntingan dan pengiriman berita di era digital, dengan fokus khusus pada aspek usability layanan web dan efisiensi basis data. Proses pengembangan dimulai dengan pemetaan kebutuhan fungsional sistem de ngan fitur yang akan diimplementasi. Kebutuhan fungsional sistem mencakup pengelo laan draf berita, pembuatan draf berita dan validasi draf berita secara otomatis serta komu nikasi antara redaktur dan wartawan. Implementasi fitur diwujudkan dengan layanan web berupa REST API yang terintegrasi dengan basis data serta layanan web machine learn ing. Perancangan basis data dilakukan dengan melibatkan identifikasi empat entitas utama dan identifikasi hubungan antar entitas. Pengembangan basis data dilanjutkan dengan melakukan normalisasi hingga Third Normal Form (3NF) untuk memastikan konsistensi dari data yang disimpan serta efisiensi dalam waktu pemrosesan. Selain itu, dilakukan im plementasi Elasticsearch dan performanya dibandingkan dengan PostgreSQL dalam hal waktu pemrosesan untuk pencarian draf berita. Evaluasi layanan web dilakukan dengan melakukan integration testing dan evaluasi usability menggunakan heuristik. Hasil inte gration testing menunjukan layanan web lulus semua skenario tes dan mampu memenuhi seleuruh kebutuhan fungsional sistem. Berdasarkan hasil evaluasi heuristik, layanan web yang dikembangkan mencapai nilai metrik knowability (96.49%) dan robustness (100.00%) yang baik namun untuk metrik operability (84.07%) dan efficiency (83.33%) dapat ditingkatkan dengan memberikan opsi format data pada request dan menerapkan caching. Hasil evaluasi basis data menunjukan bahwa normalisasi pada tahap Second Normal Form (2NF) memberikan waktu pemrosesan yang lebih optimal dengan tetap memastikan konsistensi data yang terjaga. Rata-rata waktu pemrosesan yang dihasilkan oleh tahap 2NF adalah 1,712ms, sedangkan pada tahap 3NF mencapai 3,363ms. Semen tara itu, penerapan Elasticsearch meningkatkan kinerja pencarian sehingga menghasilkan waktu pemrosesan yang lebih cepat. Menggunakan kata kunci pencarian ”Jakarta”, Elas ticsearch dapat memproses permintaan hanya dalam waktu 8ms, sementara PostgreSQL membutuhkan waktu hingga 142,943ms

---

The objective of developing the ”Automatic Indonesian News Generation System” (AINGS) project is to optimize the editing and delivery process of news in the digital era, with a particular focus on the usability of web services and the efficiency of the database. The development process begins with mapping the system’s functional requirements to the features to be implemented. The functional requirements of the system include man aging news drafts, creating news drafts, and validating news drafts automatically, as well as communication between editors and reporters. The feature implementation is real ized through a web service in the form of a REST API integrated with a database and machine learning web services. The database design involves identifying four main en tities and the relationships between them. The database development is continued with normalization up to the Third Normal Form (3NF) to ensure consistency of the stored data and efficiency in processing time. Additionally, Elasticsearch is implemented, and its performance is compared with PostgreSQL in terms of processing time for searching news drafts. The web service evaluation is carried out by conducting integration testing and usability evaluation using heuristics. The integration testing results show that the web service passes all test scenarios and meets all the system’s functional requirements. Based on the heuristic evaluation results, the developed web service achieves good met rics in knowability (96.49%) and robustness (100.00%), but for operability (84.07%) and efficiency (83.33%) metrics, improvements can be made by providing data format options in requests and implementing caching. The database evaluation results show that normal ization at the Second Normal Form (2NF) stage provides more optimal processing time while ensuring data consistency. The average processing time produced by the 2NF stage is 1,712ms, while at the 3NF stage, it reaches 3,363ms. Meanwhile, the implementation of Elasticsearch enhances search performance, resulting in faster processing times. Us ing the search keyword ”Jakarta,” Elasticsearch can process requests in just 8ms, while PostgreSQL requires up to 142,943ms."

"Tujuan dari pengembangan proyek Automatic Indonesian News Generation System (AINGS) adalah untuk mengoptimalkan proses penyuntingan dan pengiriman berita di era digital, dengan fokus khusus pada aspek usability layanan web dan efisiensi basis data. Proses pengembangan dimulai dengan pemetaan kebutuhan fungsional sistem de ngan fitur yang akan diimplementasi. Kebutuhan fungsional sistem mencakup pengelo laan draf berita, pembuatan draf berita dan validasi draf berita secara otomatis serta komu nikasi antara redaktur dan wartawan. Implementasi fitur diwujudkan dengan layanan web berupa REST API yang terintegrasi dengan basis data serta layanan web machine learn ing. Perancangan basis data dilakukan dengan melibatkan identifikasi empat entitas utama dan identifikasi hubungan antar entitas. Pengembangan basis data dilanjutkan dengan melakukan normalisasi hingga Third Normal Form (3NF) untuk memastikan konsistensi dari data yang disimpan serta efisiensi dalam waktu pemrosesan. Selain itu, dilakukan im plementasi Elasticsearch dan performanya dibandingkan dengan PostgreSQL dalam hal waktu pemrosesan untuk pencarian draf berita. Evaluasi layanan web dilakukan dengan melakukan integration testing dan evaluasi usability menggunakan heuristik. Hasil inte gration testing menunjukan layanan web lulus semua skenario tes dan mampu memenuhi seleuruh kebutuhan fungsional sistem. Berdasarkan hasil evaluasi heuristik, layanan web yang dikembangkan mencapai nilai metrik knowability (96.49%) dan robustness (100.00%) yang baik namun untuk metrik operability (84.07%) dan efficiency (83.33%) dapat ditingkatkan dengan memberikan opsi format data pada request dan menerapkan caching. Hasil evaluasi basis data menunjukan bahwa normalisasi pada tahap Second Normal Form (2NF) memberikan waktu pemrosesan yang lebih optimal dengan tetap memastikan konsistensi data yang terjaga. Rata-rata waktu pemrosesan yang dihasilkan oleh tahap 2NF adalah 1,712ms, sedangkan pada tahap 3NF mencapai 3,363ms. Semen tara itu, penerapan Elasticsearch meningkatkan kinerja pencarian sehingga menghasilkan waktu pemrosesan yang lebih cepat. Menggunakan kata kunci pencarian ”Jakarta”, Elas ticsearch dapat memproses permintaan hanya dalam waktu 8ms, sementara PostgreSQL membutuhkan waktu hingga 142,943ms

---

The objective of developing the ”Automatic Indonesian News Generation System” (AINGS) project is to optimize the editing and delivery process of news in the digital era, with a particular focus on the usability of web services and the efficiency of the database. The development process begins with mapping the system’s functional requirements to the features to be implemented. The functional requirements of the system include man aging news drafts, creating news drafts, and validating news drafts automatically, as well as communication between editors and reporters. The feature implementation is real ized through a web service in the form of a REST API integrated with a database and machine learning web services. The database design involves identifying four main en tities and the relationships between them. The database development is continued with normalization up to the Third Normal Form (3NF) to ensure consistency of the stored data and efficiency in processing time. Additionally, Elasticsearch is implemented, and its performance is compared with PostgreSQL in terms of processing time for searching news drafts. The web service evaluation is carried out by conducting integration testing and usability evaluation using heuristics. The integration testing results show that the web service passes all test scenarios and meets all the system’s functional requirements. Based on the heuristic evaluation results, the developed web service achieves good met rics in knowability (96.49%) and robustness (100.00%), but for operability (84.07%) and efficiency (83.33%) metrics, improvements can be made by providing data format options in requests and implementing caching. The database evaluation results show that normal ization at the Second Normal Form (2NF) stage provides more optimal processing time while ensuring data consistency. The average processing time produced by the 2NF stage is 1,712ms, while at the 3NF stage, it reaches 3,363ms. Meanwhile, the implementation of Elasticsearch enhances search performance, resulting in faster processing times. Us ing the search keyword ”Jakarta,” Elasticsearch can process requests in just 8ms, while PostgreSQL requires up to 142,943ms."

"Pencarian dokumen hukum yang relevan dan efisien merupakan kebutuhan penting bagi praktisi hukum, akademisi, dan masyarakat umum di Indonesia. Penelitian ini memperkenalkan Lexin, sebuah aplikasi web berbasis model Retrieval Augmented Generation (RAG) untuk mengolah sumber hukum di Indonesia. Dengan memanfaatkan teknologi seperti Elasticsearch untuk pencarian teks penuh dengan pengurutan dan penyaringan beserta GPT-4o Mini dari OpenAI sebagai model bahasa besar, aplikasi ini memberikan solusi inovatif untuk meningkatkan akurasi, relevansi, dan efisiensi pencarian dokumen hukum. Pengembangan Lexin mencakup integrasi antarmuka berbasis Next.js untuk frontend, FastAPI untuk backend, dan Elasticsearch sebagai penyimpanan dokumen hukum. Evaluasi dilakukan melalui User Acceptance Testing (UAT), System Usability Scale (SUS), User Experience Questionnaire (UEQ), dan pengujian beban menggunakan Locust. Hasil evaluasi menunjukkan bahwa frontend Lexin berhasil menawarkan antarmuka pengguna yang intuitif dan responsif. Evulasi UAT menunjukkan tingkat kepuasan pengguna mencapai 93,4%, dengan umpan balik positif terkait kemudahan navigasi dan kecepatan akses fitur. Pengukuran SUS menghasilkan skor 81, yang berada dalam kategori "Sangat Baik", mengindikasikan aplikasi mudah dipahami dan digunakan oleh berbagai jenis pengguna. Evaluasi UEQ menunjukkan nilai tinggi pada dimensi efisiensi (1,8) dan atraktivitas (1,7), memperlihatkan desain antarmuka yang ramah pengguna dan fungsional. Di sisi backend, aplikasi menunjukkan performa yang baik dengan kemampuan menangani hingga 304 permintaan dalam 60 detik menggunakan 4 instance backend API, dengan rata-rata waktu respons sebesar 2.418 ms, turun 55% dibandingkan tanpa autoscaling. Kemampuan Elasticsearch dalam pencarian dokumen menunjukkan waktu respons rata-rata sebesar 94 ms pada beban rendah dan 894 ms pada beban tinggi. Secara keseluruhan, aplikasi ini berhasil memberikan solusi yang efisien untuk pencarian dan pengelolaan dokumen hukum, memenuhi kebutuhan pengguna dari berbagai latar belakang. Lexin diharapkan dapat menjadi alat yang bermanfaat dalam meningkatkan aksesibilitas informasi hukum di Indonesia.

---

Efficient and relevant legal document retrieval is a critical need for legal practitioners, academics, and the general public in Indonesia. This research introduces Lexin, a web application based on the Retrieval Augmented Generation (RAG) model to process Indonesian legal resources. By leveraging technologies such as Elasticsearch for full-text search with ranking and filtering capabilities, and OpenAI's GPT-4o Mini as a large language model, the application provides an innovative solution to enhance the accuracy, relevance, and efficiency of legal document search. The development of Lexin integrates a Next.js-based frontend, FastAPI for the backend, and Elasticsearch as the repository for legal documents. Evaluation methods include User Acceptance Testing (UAT), the System Usability Scale (SUS), the User Experience Questionnaire (UEQ), and load testing using Locust. The evaluation results show that the Lexin frontend successfully offers an intuitive and responsive user interface. UAT evaluation results show a user satisfaction rate of 93.4%, with positive feedback on navigation ease and feature access speed. The SUS measurement yields a score of 81, categorized as "Excellent," indicating that the application is easy to understand and use by various types of users. UEQ evaluation demonstrates high scores in the dimensions of efficiency (1.8) and attractiveness (1.7), reflecting a user-friendly and functional interface design. On the backend side, the application shows robust performance, handling up to 304 requests within 60 seconds using 4 backend API instances, with an average response time of 2,418 ms—a 55% reduction compared to scenarios without autoscaling. Elasticsearch demonstrates an average response time of 94 ms under low load and 894 ms under high load conditions. Overall, this application successfully provides an efficient solution for legal document retrieval and management, addressing the needs of users from various backgrounds. Lexin is expected to serve as a valuable tool for improving the accessibility of legal information in Indonesia."

"Wazuh merupakan sistem Security Information Event Management (SIEM) dan aplikasi open-source host-based intrusion detection sistem (HIDS) yang dapat melakukan memantau infrastruktur, mendeteksi ancaman, upaya penyusupan, anomali sistem, penilaian konfigurasi, dan tindakan pengguna yang tidak sah. Wazuh juga menyediakan kerangka kerja untuk respons insiden dan kepatuhan terhadap peraturan (Regulatory Compliance). Penelitian ini akan mengembangkan Wazuh dengan mengintegrasikan tiga Application Programming Interface (API) untuk meningkatkan kinerja Wazuh sebagai sistem SIEM. Penelitian ini akan membandingkan Wazuh dengan Solarwinds SEM untuk membandingkan kinerja dari kedua sistem SIEM dengan melakukan lima skenario penyerangan. Skenario tersebut dilakukan untuk menguji kinerja deteksi serangan dari kedua sistem SIEM. Sebelum scenario dilakukan penulis mengintegrasikan tiga API yaitu VirusTotal, Yara dan Suricata untuk memaksimalkan kinerja sistem SIEM Wazuh. Sistem SIEM Wazuh mempunyai akurasi sebesar 100% dalam mendeteksi seluruh serangan yang dilakukan sementara sistem SIEM Solarwinds SEM hanya mempunyai akurasi sebesar 40% dalam mendeteksi kelima skenario.

---

Wazuh is a Security Information Event Management (SIEM) and open-source host-based intrusion detection system (HIDS) application that can monitor infrastructure, detect threats, intrusion attempts, system anomalies, configuration assessments, and unauthorized user actions. Wazuh also provides a framework for incident response and regulatory compliance. This research will develop Wazuh by integrating three Application Programming Interfaces (API) to improve Wazuh's performance as a SIEM system. This study will compare Wazuh with Solarwinds SEM to compare the performance of the two SIEM systems by performing five attack scenarios. The scenario was carried out to test the attack detection performance of the two SIEM systems. Before the scene was carried out, the author integrated three APIs, namely VirusTotal, Yara, and Suricata to maximize the performance of the Wazuh SIEM system. The Wazuh SIEM system has 100% accuracy in detecting all attacks carried out while the Solarwinds SEM SIEM system only has 40% accuracy in detecting all five scenarios."

"Aplikasi Lexin memerlukan data kumpulan undang-undang yang disediakan padalaman publik. Untuk itu diperlukan suatu program untuk mendapatkan data peraturan perundang-undangan di Indonesia untuk disimpan pada basis data yang disediakan. Pengembangan ini bertujuan untuk membangun sistem DAP yang memenuhi kebutuhan tersebut. Sistem bekerja dengan melakukan 3 tahapan penting, yaitu ekstraksi, transformasi, dan penyimpanan. Ekstraksi data dari repositori publik dilakukan dengan cara web scraping halaman situs. Proses ini dilakukan dengan bantuan Selenium WebDriver sebagai alat utama dalam pengembangan ini. Berikutnya, transformasi data dilakukan dengan melakukan format terhadap pasangan key-value metadata yang diekstraksi dan memvalidasi hasilnya dengan model yang disediakan oleh lexin. Terakhir, penyimpanan data dilakukan pada Elasticsearch dan Google Cloud Storage. Pengembangan ini menggunakan metodologi waterfall dengan requirements yang sudah disediakan oleh tim Lexin.Pengembangan ini juga menghasilkan template sehingga memudahkan pengembang selanjutnya untuk menambahkan repositori yang akan diproses. Evaluasi hasil pengembangan dilakukan dengan menghitung Code Reusability Ratio untuk mendapatkan pengaruh template dalam setiap projek dan acceptance testing yang dilakukan oleh tim pengembang Lexin.

---

The Lexin application requires a dataset of regulations provided on a public website. Therefore, a program is needed to retrieve Indonesian legal regulations for storage in a designated database. This development aims to build a DAP system that meets these needs. The system operates through three key stages: extraction, transformation, and storage. Data extraction from the public repository is performed using web scraping of site pages. Selenium WebDriver serves as the main tool for this development. Next, data transformation involves formatting the extracted metadata key-value pairs and validating the results using the model provided by Lexin. Finally, data storage is managed using Elasticsearch and Google Cloud Storage. The development process follows the waterfall methodology based on requirements specified by the Lexin team. Additionally, a template is produced, simplifying future development by enabling the integration of additional repositories. Development evaluation includes calculating the Code Reusability Ratio to assess the template's impact on each project and conducting acceptance testing by the Lexin development team."