Sirene merupakan sebuah alat yang mampu menghasilkan bunyi yang mendengung keras, digunakan sebagai tanda bahaya dan sebagainya. Sirene dipergunakan pada kendaraan darurat seperti untuk ambulance, polisi dan pemadam kebakaran.. Selain itu sirene juga digunakan untuk alarm suatu bencana.  Suara sirene pada kendaraan darurat juga memiliki bunyi yang berbeda-beda tergantung pada penggunaan dan penerapannya. Dalam penelitian ini data suara sirene diolah menggunakan algoritma STFT dan diklasifikasikan dengan menggunakan artificial neural network. Proses pengolahan data sirene menghasilkan bahwa nilai amplitude maksimal tertinggi sebesar 0,29(-11dB) pada frekuensi 800Hz milik sirene ambulance mode wail2. Sedangkan nilai amplitude maksimal terendah sebesar 0,03(-30dB) pada frekuensi 1,3KHz milik sirene kendaraan pemadam kebakaran. Proses learning data menghasilkan nilai MSE terkecil sebesar 0,0000066218 pada epoch ke 1000. Kemudian dari uji coba proses training data untuk pencocokan sirene kendaraan darurat,  dihasilkan dari data yang di-training berjumlah 640  data, terdapat  data sirene yang berjumlah 630 berhasil dan 10 gagal. Hasil uji coba memiliki  persentase keberhasilan yang tinggi sesuai yang diharapkan yaitu sebesar  98,44%.

Orchidaceae merupakan nama latin dari bunga anggrek yang memiliki variasi bentuk, Bunga anggrek di Indonesia sangatlah banyak dan beragam jenis yang salah satunya anggrek bulan (Phalaenopsis). Meskipun anggrek banyak yang membudidayakan, namun untuk membedakan jenis anggrek satu dengan yang lain yaitu dengan melihat warna dan tekstur. Namun secara umum jenis bunga anggrek memiliki kemiripan warna, tekstur, hal ini yang menyebabkan seseorang kesulitan dalam mengidentifikasi jenis bunga anggrek, oleh karena itu dilakukan secara otomatis dengan sistem komputer. Dengan menggunakan metode color co-occourrence matrix (CCM) dan klasifikasi menggunakan metode JST (Jaringan Saraf Tiruan). Yang diharapkan mampu membedakan jenis anggrek bulan berdasarkan ekstraksi warna dan tekstur menggunakan CCM dan melakukan klasifikasi JST berdasarkan data CCM. Memanfaatkan metode penelitian eksperimen yang menggunakan pendekatan kuantitatif. Dengan MSE terkecil 3,5 x 10-6 serta 1000 iterasi. Serta hasil uji coba 5 anggrek bulan, dimana anggrek bulan kuning berhasil diklasifikasi sebanyak 112 bunga dan gagal 28 bunga dengan presentase keberhsilan 89.70%, anggrek bulan merah 207 dapat di kenali dengan benar dan 3 tidak dikenali, dengan presentase keberhasilan 98.57%. Anggrek bulan putih sebanyak 171 dapat dikenali dengan benar dan 29 salah dengan tingkat presentase keberhasilan 85.50%. Anggrek bulan Taiwan dapat dikenali 213 bunga secara benar dan salah 37 bunga dengan presentase keberhasilan 85.20%. Anggrek bulan ungu dapat dikenali benar sebanyak 194 bunga dan tidak dapat dikenali 6 bunga drngan presentase keberhasilan 97%. Dari keseluruhan uji coba 5 anggrek bulan secara keseluruhan terdapat 897 dapat dibaca  secara benar dan 103 salah dengan presentase keberhasilan 89.70%. Sehingga pada penelitian ini mampu menyempurnakan penelitian sebelumnya.