Orchids are the most species-rich flowering plants, with approximately 750 genera and 43,000 types of orchids in the world, of which about 5,000 species have been recorded in several provinces in Indonesia. Orchids have beautiful flowers with attractive colors, making them ornamental plants that many people like. From plant morphology, orchid plants can be differentiated based on the morphology of flowers, leaves, fruit, stems, and roots. The leaves of orchid plants have their characteristics for each type of orchid, such as long, round, or lanceolate. All orchids have veins that run parallel to their leaves. The individual shapes of orchid leaves can be classified using a Support Vector Machine (SVM) and Histogram of Gradient (HOG). In this research, five types of orchids that are popular among orchid lovers were used, namely Dendrobium, Cattleya, Oncidium, Phalaenopsis, and Vanda orchids, which were taken from public data. The accuracy of this method in classifying orchid species based on leaf morphology can be measured using a confusion matrix that measures precision, recall, and accuracy. From five tests, the Oncidium orchid had the highest average accuracy with a value of 98%, the Vanda orchid had the highest average precision of 99.80%, and the Cattleya orchid had the highest average recall of 100%.

Milk is a product that is often consumed because it has many good benefits for the body. One of the benefits of milk is that it contains calcium, which is useful for the growth of bones and teeth. However, many consumers still choose dairy products based only on their appearance, even though milk quality is not based on its appearance but is found during milk processing. Pasteurization is the process of heating whole milk at a specific temperature and for a certain period to increase the milk's shelf life and maintain the milk's quality. Two types of pasteurization processes are Long Temperature Long Time and High Temperature Short Time. k-Nearest Neighbor or k-NN is a data mining method used to classify objects from the data, using distance calculations or Euclidean Distance to look for similarities between neighbors. So, based on this problem, milk quality classification is carried out. The research was carried out by classifying milk quality using the K-NN method. The public data used to classify is 1,059 pasteurized milk data, with seven regular or ordinary attributes and one special or class attribute. The K values ??that will be used in this research are k=3, k=5, and k=7. From the analysis of calculation results using the k-NN method, the accuracy values ??obtained are k=3 is 97%, k=5 is 89%, and k=7 is 87%.

RT RW Net merupakan sebuah penyedia jasa internet berskala mikro (dalam satu wilayah). MR Net merupakan salah satu penyedia jasa RT RW Net yang ada di daerah Bawen. Sampai saat ini MR Net mengelola data administratif dengan metode manual yang menyebabkan kegiatan proses bisnisnya terhambat, karena itu dirancanglah sistem informasi berbasis website dengan sistem yang saling terintegrasi. Sistem ini dirancang menggunakan metode waterfall dan data yang dibutuhkan oleh perancang didapatkan dengan observasi langsung dan wawancara. Sistem informasi yang terbentuk ialah halaman login, menu dashboard, menu user, menu ticketing, menu tagihan aktif, dan menu profile. Untuk pengguna dibagi menjadi dua role, admin dan user, yang masing-masing role memiliki fungsi tersendiri. Role admin memiliki fungsi mengelola data user, tiketing, dan tagihan. Role user memiliki fungsi melihat riwayat tagihan pribadi, pengajuan tiket, dan mengelola data pribadi. Keseluruhan data akan tersimpan pada database lokal yang diharapkan dapat menunjang proses bisnis administratif, serta meminimalisir terjadinya kesalahan dan kehilangan data.

Dalam menjalankan suatu usaha dibutuhkan kemudahan dalam pengelolaan data keuangan, karena hal tersebut erat kaitannya tentang bagaimana data pemasukan maupun pengeluaran dapat terkelola dengan baik. Tidak adanya suatu sistem yang efisien untuk mengelola suatu data keuangan menjadi permasalahan yang ditemui pada objek penelitian ini yaitu Homestay Linia. Dalam pengelolaan data keuangan masih ditemui kerumitan-kerumitan tertentu, yang berakibat data keuangan menjadi tidak akurat serta tidak teratur. Oleh karenanya, diperlukan pembangunan sistem pengelolaan keuangan, yang dalam hal ini digunakan metode Rapid Application Development. Pengujian sistem dilakukan menggunakan metode Black Box Testing dan survei kepuasan pengguna melalui kuesioner online. Hasil penelitian menunjukkan dari sistem yang telah dibangun dan telah diuji, diperoleh nilai 100% review positif yang diberikan oleh responden. Hal ini menunjukkan sistem dapat membantu kegiatan bisnis secara efektif dan efisien.

Munculnya covid-19 memiliki pengaruh bagi Arttrash, salah satu UMKM Salatiga yang bergerak dalam bidang penjualan miniatur daur ulang limbah sampah, karena menyebabkan Arttrash mengurangi kapasitas produksi sehingga khawatir Arttrash dilupakan masyarakat. Penelitian ini membahas perancangan UI/UX berbasis website sebagai media promosi Arttrash dalam memperluas pangsa usahanya. UI/UX dirancang menggunakan metode design thinking yang merealisasikan nilai pelestarian lingkungan yang didasari dari penggunanaan bahan baku dari limbah sampah. Pendekatan kualitatif digunakan untuk mendapatkan permasalahan yang dihadapi. Rancangan UI/UX dievaluasi menggunakan metode usability testing dan didapatkan hasil bahwa design thinking memaksimalkan perancangan UI/UX website Arttrash karena membantu dalam memahami target user sehingga user merasa nyaman dan mudah dalam menjelajahi website Arttrash.

Kios Tani Murni merupakan sebuah home industry yang bergerak dalam penjualan bidang pertanian. Tingkat penjualan bulanan pada toko tersebut rendah, karena banyak yang belum mengetahui keberadaan dan fungsi toko ini. Kios Tani Murni belum memanfaatkan teknologi informasi dalam proses penjualan. Gubungan antara pelanggan dan penjual tidak berjalan dengan baik karena tidak ada wadah untuk berdiskusi. Untuk itu dalam penelitian ini dibuat sebuah perancangan sistem informasi yang berbasis customer relationship management (CRM) pada proses penjualan, dengan metode Framework for the Application of System Technique (FAST) dan framework PIECES untuk analisis sistem. Observasi, wawancara, dan studi pustaka digunakan untuk mengumpulkan data. Hasil  dari penelitian ini adalah adanya rancangan sistem informasi penjualan. Sistem ini membantu dalam transaksi penjualan, stok barang, update harga, kinerja karyawan, pencetakan laporan, dan diskusi antara pemilik dan pelanggan.

Peran reseller penting dalam sebuah penjualan. Reseller yang berkompeten diperlukan untuk meningkatkan nilai penjualan. Pemberian apresiasi kepada reseller terbaik dapat memotivasi para reseller agar saling berkompetisi. DJ Foundation menerapkan penentuan reseller secara manual sehingga terjadi ketidakefektivan tenaga dan waktu, penumpukan data, kehilangan berkas, dan kesalahan penilaian. Dari permasalahan tersebut, maka dirancang sistem untuk menentukan reseller terbaik dengan menerapkan metode Weighted Aggregated Sum Product Assessment (WASPAS), dengan kriteria kejujuran, loyalitas, tanggung jawab, absensi, pinalti, dan target harian. Data yang diperoleh bersumber dari wawancara, observasi, dan studi pustaka. Penelitian ini menghasilkan kategori ranking terbaik dengan nilai akhir 0,973, sehingga layak digunakan oleh pengguna, karena dapat membantu mengurangi penumpukan ataupun kehilangan berkas, serta mempercepat dalam proses penentuan reseller.

Data hasil tracer study Universitas Semarang saat ini belum diolah ke dalam bentuk pola asosiatif yang dapat dimanfaatkan kampus guna memperoleh feedback evaluasikeberhasilan proses belajar mengajar yang telah dilaksanakan. Penelitian ini menggunakan metode data mining dengan algoritma Hash based untuk menemukan pola asosiatif dari data tracer study. Proses pembentukan pola asosiatif menggunakan tahapan yang ada pada Knowledge Discovery in Database yang meliputi proses cleaning data, integrasi, transformasi data, data mining, evaluasi pola dan representasi pengetahuan. Hasil penelitian dengan support minimal sebesar 50% dan confidence 75%, diperoleh pola datatracer study sebanyak 3 pola asosiatif. Pola yang dihasilkan ini dimaksudkan dapat untuk berkontribusi pada pengembangan kurikulum dan sarana penunjang dalam proses pembelajaran.

Jaringan saraf tiruan merupakan metode supervised learning yang telah diterapkan untuk menyelesaikan berbagai permasalahan klasifikasi. Sebagai metode supervised learning, jaringan saraf tiruan memerlukan data training untuk mengidentifikasi pola dalam data sehingga fase learning menjadi penting. Pada fase learning, konfigurasi bobot pada jaringan saraf tiruan diatur sehingga jaringan saraf tiruan tersebut bisa mengenali pola di dalam data. Pada penelitian ini diusulkan metode untuk mengoptimalkan nilai bobot pada konfigurasi jaringan saraf tiruan menggunakan pendekatan neuroevolution. Neuroevolution adalah pengintegrasian metode evolutionary algorithm; termasuk di dalamnya adalah berbagai metode metaheuristik; dengan  jaringan saraf tiruan. Secara khusus, penelitian ini menggunakan metode particle swarm optimization untuk mengoptimalkan bobot pada jaringan saraf tiruan. Kinerja model yang diusulkan dibandingkan dengan metode backpropagation dengan stochastic gradient descent menggunakan lima dataset: iris, wine, breast cancer, ecoli, dan wheat seeds. Hasil eksperimen menunjukkan bahwa model yang diusulkan memiliki akurasi yang lebih baik di tiga dataset dari lima dataset dan memiliki kinerja yang sama di dua dataset. Hasil penelitian ini mengindikasikan bahwa pendekatan neuroevolution memiliki potensi sebagai metode optimalisasi parameter pada jaringan saraf tiruan. Penelitian ini bisa dikembangkan dengan mengidentifikasi karakteristik konvergensi dari pendekatan neuroevolution maupun menerapkan berbagai metode evolutionary algorithm untuk mengoptimalkan nilai bobot pada jaringan saraf tiruan.

Prediksi korelasi feature audio terhadap lagu yang populer di TikTok merupakan hal penting dalam industri musik. Dengan bekal data yang memiliki beberapa feature audio maka dilakukan penelitian menggunakan metode Linear Regression (LR), Random Forest Regression (RFR), dan Multilayer Perceptron Regression (MLP Regression) untuk membandingkan model yang dapat memprediksi popularitas secara efektif dan feature yang mempengaruhi popularitas lagu di TikTok. Selain itu dilakukan juga Exploratory Data Analysis (EDA) untuk mendapatkan insight data. Hasil dari proses EDA yaitu popularitas lagu terbanyak berada pada range 40-80, durasi lagu antara 2-3 menit, feature loudness berkorelasi positif dengan energy, demikian juga antara artist_pop dan track_pop. Set feature importance pada model LR dan RFR untuk feature target track_pop adalah artist_pop, loudness, dan duration_ms. Metode LR memiliki hasil terbaik untuk dataset yang dipakai, dengan MSE sebesar 0.0313, RMSE sebesar 0.177, dan MAE sebesar 0.118.