Pelatihan Data Mining, Science & Perluasan Lini Bisnis, Consumer Data- Hacker, Cracker Game di Dhadhu Board Game & SMA Negeri 3, Semarang
Abstract
Abstrak
Data mining, data science, perluasan lini, hacker, cracker dan game merupakan factor-faktor penting dalam pengembangan kompetensi sumber daya manusia di masa depan. Pengabdian ini disebut megatron pengabdian masyarakat karena meliputi banyak hal yang saling terkait satu sama lain dan melibatkan satu bisnis dan satu institusi pendidikan. Hal ini merupakan kolaborasi yang sangat baik dalam mengembangkan bisnis, sumber daya manusia dan kompetensi yang berkelanjutan. Pada jurnal pengabdian ini, kami tentunya tidak bisa menjelaskan secara details karena akan sangat panjang dalam penjelasannya, tetapi gambaran besar dari materi akan dijelaskan. Lebih jauh lagi, pengabdian masyarakat ini akan dilanjutkan sampai pada level advanced, dimana pada pengabdian ini, struktur dari penerapannya membutuhkan waktu karena bersifat konprehensif dan akan menghasilkan sesuatu untuk memberikan keuntungan pada café dan peningkatan kompetensi secara signifikan terhadap SMAN 3, Semarang. Hasil dari pengabdian ini adalah Dhadhu board game akan dapat menerapkan dan mengembangkan data mining, science, consumer dan perluasan lini bisnis mereka, sedangkan untuk SMAN 3, Semarang, siswa dan guru akan memperoleh manfaat yang besar untuk meningkatkan kompetensi di bidang hacker, cracker, dan dalam menghadapi social engineering. Hal ini juga berguna untuk Dhadhu board game café karena akan dapat mengelola datanya dengan baik sehingga dapat menghindari hal yang tidak baik pada social engineering juga.
Kata kunci: Hacker, Cracker, Lini bisnis, Data mining, Data Science
Keywords
Full Text:
PDFReferences
I. Gamayanto et al., Social Media Profiling.
S. L. Lim, J. Sreevalsan-Nair, and B. S. Daya Sagar, “Multispectral data mining: A focus on remote sensing satellite images,” WIREs Data Mining and Knowledge Discovery, vol. 14, no. 2, p. e1522, 2024, doi: 10.1002/widm.1522.
S. Sweta, “An Overview of Sentiment Analysis and Educational Data Mining,” in Sentiment Analysis and its Application in Educational Data Mining, S. Sweta, Ed., Singapore: Springer Nature, 2024, pp. 1–18. doi: 10.1007/978-981-97-2474-1_1.
“A survey of episode mining - Ouarem - 2024 - WIREs Data Mining and Knowledge Discovery - Wiley Online Library.” Accessed: Jun. 06, 2024. [Online]. Available: https://wires.onlinelibrary.wiley.com/doi/abs/10.1002/widm.1524
H. S. Moula, S. H. Yaghoubyan, R. Malekhosseini, and K. Bagherifard, “Customer type discovery in hotel revenue management: a data mining approach,” J Revenue Pricing Manag, Apr. 2024, doi: 10.1057/s41272-024-00474-w.
L. Jian, K. Shao, Y. Liu, J. Li, and X. Liang, “OEC: an online ensemble classifier for mining data streams with noisy labels,” Data Min Knowl Disc, vol. 38, no. 3, pp. 1101–1124, May 2024, doi: 10.1007/s10618-023-00990-0.
“Difference between Data mining and Data Science - Javatpoint,” www.javatpoint.com. Accessed: Jun. 06, 2024. [Online]. Available: https://www.javatpoint.com/data-mining-vs-data-science
L. Igual and S. Seguí, “Introduction to Data Science,” in Introduction to Data Science: A Python Approach to Concepts, Techniques and Applications, L. Igual and S. Seguí, Eds., Cham: Springer International Publishing, 2024, pp. 1–4. doi: 10.1007/978-3-031-48956-3_1.
T. Bratanic, Graph Algorithms for Data Science: With Examples in Neo4j. Simon and Schuster, 2024.
N. Hollmann, S. Müller, and F. Hutter, “Large Language Models for Automated Data Science: Introducing CAAFE for Context-Aware Automated Feature Engineering,” Advances in Neural Information Processing Systems, vol. 36, pp. 44753–44775, Dec. 2023.
“What is Social Engineering? Examples and.” Accessed: Jun. 06, 2024. [Online]. Available: https://www.webroot.com/us/en/resources/tips-articles/what-is-social-engineering
“Cognition in Social Engineering Empirical Research: A Systematic Literature Review | ACM Transactions on Computer-Human Interaction.” Accessed: Jun. 06, 2024. [Online]. Available: https://dl.acm.org/doi/full/10.1145/3635149
N. Tsinganos, P. Fouliras, I. Mavridis, and D. Gritzalis, “CSE-ARS: Deep Learning-Based Late Fusion of Multimodal Information for Chat-Based Social Engineering Attack Recognition,” IEEE Access, vol. 12, pp. 16072–16088, 2024, doi: 10.1109/ACCESS.2024.3359030.
A.-M. Gagné-Julien, “Beyond Conceptual Analysis: Social Objectivity and Conceptual Engineering to Define Disease,” The Journal of Medicine and Philosophy: A Forum for Bioethics and Philosophy of Medicine, vol. 49, no. 2, pp. 147–159, Apr. 2024, doi: 10.1093/jmp/jhae002.
M. G. Isaac, “Post-truth conceptual engineering,” Inquiry, vol. 67, no. 1, pp. 199–214, Jan. 2024, doi: 10.1080/0020174X.2021.1887758.
DOI: https://doi.org/10.62411/ja.v7i3.2342
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Indra Gamayanto, Sasono Wibowo, Sendi Novianto, Farrikh Al Zami, Arta Moro Sundjaja, Tamsir hasudungan sirait, ramadhan rakhmat sani, Asih rohmani
Jurnal ABDIMASKU (p-ISSN : 2615-3696, e-ISSN : 2620-3235) diterbitkan oleh LPPM Universitas Dian Nuswantoro Semarang. Jurnal ini di bawah lisensi Creative Commons Attribution 4.0 International License.
Statcounter
ABDIMASKU terindeks di :