Pada periode tahun 2018 sampai dengan tahun 2021 saham PT. BSI tbk (BRIS) cenderung mengalami fluktuasi harga setiap hari, sehingga dari kumpulan data time-series saham BRIS dibutuhkan penggalian data untuk menemukan pola model prediksi yang dapat menemukan informasi yang bermanfaat. Metode Data mining atau disebut juga dengan knowledge discovery merupakan penggalian informasi yang tersimpan dalam basis data yang besar melalui studi mengumpulkan, membersihkan, memproses, dan menganalisis, sehingga mendapatkan hal yang berguna dari data saham BRIS. Adapun model yang digunakan adalah metode regresi linier berganda, dan metode ARIMA dimana kedua metode tersebut memiliki keunggulan dalam analisis data numerik yang cukup akurat. Tujuan penelitian ini adalah untuk menerapkan dan menghasilkan model persamaan yang akurat antra kedua metode tersebut dalam memprediksi harga saham PT. BSI tbk.  Hasil yang didapat adalah  model regresi linier berganda dengan hasil nilai MAPE 1,1% yaitu 98,9% lebih akurat dibandingkan dengan model ARIMA yaitu dengan hasil nilai MAPE 2,36% dan akurasinya 98,9%.

Pada penelitian ini dirancang sistem pakar berbasis web dengan menggunakan metode naïve bayes yang dimaksudkan membantu petani dalam mendiagnosa tanaman cabai. Metode dalam pengembangan sistem yang dipakai adalah extreme programming yang terdiri dari planning, design, coding, testing. Sistem pakar diagnosa penyakit tanaman cabai berbasis cabai berbasis web dikembangkan dengan menggunakan bahasa pemograman PHP dan MySQL. Sistem pakar ini mampu melakukan diagnosa tanaman cabai dengan mengajukan gejala-gejala penyakit pada saat pemeriksaan. Berdasarkan gejala-gejala yang dipilih tersebut, sistem ini akan memberikan hasil diagnosa kemudian akan menampilkan penyakit serta solusi dari penyakit tanaman cabai tersebut. Hasil dalam penelitian ini menyimpulkan bahwa terdapat kesesuaian hasil diagnosis sistem pakar menggunakan metode naïve bayes dengan pakar.

The development of Information Technology (IT) is now very rapid and has been used in various aspects of life both in the field of government, banking, socio- cultural, industrial, education, and even health. One type of disease that gets attention for the application of IT is corona virus or better known as Covid 19 because the spread is quite widespread throughout the country, especially in the territory of Indonesia. Corona virus disease development in Indonesia is growing, based on WHO data as of today on August 30, 2020 positive cases have reached 172,053 people, cases died 7,343 people and recovered 124,185 people and the number of cases is increasing every day. Based on these conditions, Central Aceh is in a state of alert against the threat of corona virus. then a form of prevention  of the widespread spread of the virus can be done by breaking the chain of transmission by doing social distancing. In this study, a system will be designed to anticipate the Covid-19 pandemic by predicting the rate of spread of covid-19, especially in central Aceh districts using the Naive Bayes Classifier method. The accuracy level of this system is a positive case of 60%.

Field Work Practice is a training facility for informatics engineering students to develop, implement and answer problems faced by their environment. The problem that occurs is where the management and data collection of student data is still carried out semi-systemically because it is recorded in a spreadsheet application so that the data is not structured properly, as a result, information from the placement/assignment process, reporting, and classification of PKL student data is less relevant, accurate and timely. and sometimes human error occurs. Therefore we need a system that is able to make it easier to manage student data from street vendors participants into relevant, accurate and timely information when needed entitled "Web-Based Field Work Practice Information System (PKL). This system is built using the CodeIgniter framework and CSS Layout Bootstrap, then this system will be tested through the blackbox method and compatibility testing. So that we get a system that is able to make it easier to manage student data from street vendors participants into relevant, accurate and timely information when needed.