Abstrak-Proses klasifikasi citra digital dilakukan terhadap data fitur yang menggambarkan ciri suatu citra. Dalam penelitian sebelumnya mengenai klasifikasi biji kopi untuk menentukan tingkat roasting, digunakan fitur warna RGB dan metode klasifikasi Jaringan Syaraf Tiruan dengan algoritma Back Propagation. Namun dalam penelitian tersebut didapatkan hasil klasifikasi yang kurang memuaskan akibat dari fitur yang digunakan kurang dapat memisahkan ciri dari setiap tingkat roasting biji kopi. Pada penelitian ini dilakukan penambahan fitur warna yang digunakan melalui penggunaan representasi warna RGB dan HSI, yang kemudian dihitung nilai mean, median, standar deviasi, skewness, kurtosis, dan energy pada setiap komponen warna. Dengan demikian terdapat 33 data fitur citra biji kopi. Dengan jumlah fitur yang semakin banyak, menimbulkan masalah baru dimana tidak setiap fitur mempunyai kontribusi yang signifikan dalam proses klasifikasi, sehingga diperlukan proses seleksi fitur untuk mendapatkan fitur dengan kontribusi maksimal. Pada penelitian ini metode Principal Component Analysis diujikan sebagai metode untuk seleksi fitur. Uji coba dilakukan terhadap 240 data citra digital biji kopi, dimana terdapat 120 citra biji kopi Arabika dan 120 citra biji kopi Robusta. Setiap jenis citra biji kopi tersebut terbagi menjadi tingkat roasting mentah, light roasting, medium roasting, dan dark roasting. Hasil penelitian ini didapatkan bahwa rata-rata proses training pada data fitur setelah dilakukan proses seleksi fitur mengalami peningkatan dibandingkan tanpa seleksi fitur. Hal ini terlihat dari 5 kali proses training dengan seleksi fitur didapatkan nilai akurasi terbaik hingga 90,8%, sedangkan tanpa seleksi fitur didapatkan akurasi terbaik adalah 89,6%. Kata kunci-seleksi fitur, jaringan syaraf tiruan, back propagation, principal component analysisAbstract-The image classification process is performed on feature data which representative specific character of an image. In previous studies about classified of coffee beans to determine the level of roasting using RGB color features and artificial neural network classification methods with Back Propagation algorithm, the classificied results was unsatisfactory. but In this research, color features was add using RGB and HSI color, and then calculate the average value, median, standard deviation, skewness, kurtosis, and energy on each color component and gave result 33 data features of the image of coffee beans. Added many number of features,can create a new problems, in this case every feature has not a significant contribution in the classification process, so the feature selection process is needed to get maximum result. this study used the Principal Component Analysis method to feature selection. The testing was conducted on 240 digital image data of coffee bean image, which 120 Arabica coffee bean and 120 Robusta coffee bean . Each type of coffee bean image was divided into raw roasting, light roasting, medium roasting, and dark roasting. And the results process of the data featur...

<p>Abstract. Information Technology affecting in many aspect in human life, and it also had an effect in education world. A teacher nowadays not only required to have teaching skills, but also demanded to follow and update their teaching method by applying new technology, especially Information Technology. Interactive learning media as appliance of Information Technology could be a good solution to make learning process more interesting. As we know, many application of this kind had been sold as a marketable product, but those product can‟t adapt with different teaching style of every teacher, so it would be wonderful if every teacher had a skill to create an interactive learning application that suitable with his/her teaching style. Unfortunately those kind of skill require a lot of effort to master. Autoplay Media Studio, as a tools to develop a media based application, provide an easy way for someone to create a media based application, especially when using this tools programming skill is not required. This is shown in this training that every participant in the end had some skill and knowledge to develop an interactive multimedia learning application.</p><p> </p><p>Abstrak. Peranan teknologi informasi telah merambah berbagai aspek kehidupan , dan hal ini tidak terkecuali bagi dunia pendidikan. Seorang guru saat ini tidak hanya dituntut menguasai ilmu dan juga skill dalam mengajar, namun juga dituntut mampu mengikuti dan menerapkan perkembangan teknologi terutama teknologi informasi dalam proses belajar mengajar. Media pembelajaran interaktif sebagai bentuk penerapan teknologi informasi, mampu menjadi solusi agar cara guru dalam mengajarkan mata pelajaran menjadi lebih menarik. Aplikasi media pembelajaran interaktif memang sudah banyak tersedia  dipasaran, akan tetapi setiap aplikasi tersebut tentu tidak dapat menyesuaikan dengan selera dan gaya mengajar setiap guru, sehingga alangkah baiknya apabila guru memiliki kemampuan untuk membuat aplikasi media pembelajaran interaktif, sesuai dengan selera dan cara mengajar guru tersebut.Akan tetapi<br />hal tersebut terkendala dengan rumitnya pengembangan aplikasi yang tentunya membutuhkan usaha yang sangat berat bagi seorang guru untuk menguasainya. Autoplay Media Studio sebagai perangkat pengembangan aplikasi berbasis media, menyediakan solusi yang mudah bagi seseorang untuk mengembangkan aplikasi berbasis media, dimana dengan tools ini tidak dituntut kemampuan<br />programming.Hal ini terlihat pada hasil pelatihan dimana setiap peserta pada akhirnya memiliki kemampuan mengembangkan aplikasi pembelajaran multimedia interaktif.</p>

Kopi merupakan salah satu komoditas di Indonesia yang masih memliki potensi untuk dikembangkan. Kualitas komoditas kopi ini tidak hanya didasarkan pada jenis maupun kondisi fisik dari biji kopi, namun juga berdasarkan proses roasting biji kopi tersebut. Bidang computer vision saat ini telah menjadi salah satu solusi dalam upaya meningkatkan efisiensi pengolahan berbagai komoditas, tentunya dapat dimanfaatkan dalam proses pengolahan biji kopi. Dalam penelitian ini dilakukan proses klasifikasi tingkat roasting biji kopi, dengan menggunakan citra hasil roasting sebagai input proses klasifikasi. Proses secara keseluruhan terdiri dari beberapa tahap diantaranya adalah segmentasi citra, ekstraksi fitur, yang kemudian dilakukan klasifikasi menggunakan metode Jaringan Syaraf Tiruan dengan algoritma backpropagation.. Data yang digunakan terdiri dari 240 citra digital kopi, dengan 4 tingkat kematangan biji kopi yaitu biji mentah, light roasting, medium roasting, dan dark roasting. Proses klasifikasi terdiri dari tahap training dan testing, dan berdasarkan hasil penelitian ini didapatkan hasil terbaik dengan nilai performa 0.107, dan akurasi hasil proses training sebesar 82,7% sedangkan akurasi proses testing sebesar 76,7%.

Dari tahun ke tahun penggunaan kartu perdana semakin meningkat yang mengakibatkan banyak bermunculan toko yang menjual kartu perdana tersebut. Dari banyaknya toko yang ada tidak semuanya telah menggunakan sistem digital dalam transaksi jual beli. Terdapat beberapa toko yang masih menggunakan teknik konvensional dalam melakukan pengolahan data penjualan. Sehingga diperlukan pengembangan sebuah aplikasi yang dapat membantu proses transaksi jual beli. Selain itu juga dapat memberikan pandangan terhadap jumlah penjualan pada 1 bulan kedepan. Aplikasi tersebut dibangun dan dirancang berbasis pemrograman website dengan menggunakan bahasa PHP untuk kepentingan implementasi metode peramalan yaitu, exponential smoothing dan moving average. Pada metode tersebut berfungsi untuk memprediksi jumlah penjualan kartu perdana khususnya pada kartu perdana XL. Perhitungan perbandingan diantara metode peramalan ialah dengan menggunakan nilai MSE, MAD dan MAPE. Hasil dari implementasi kedua metode peramalan tersebut dapat diketahui bahwa metode moving average adalah metode terbaik dikarenakan memiliki nilai kesalahan terkecil. Nilai kesalahan pada metode moving average untuk MAD, MSE dan MAPE adalah 11, 180, dan 37. Sedangkan pada metode exponential smoothing untuk MAD, MSE dan MAPE nilai kesalahannya 12, 186, dan 52.

Kepadatan penduduk indonesia meningkat cukup melesat dari tahun ketahun, bersumber dari sensus pada tahun 2019 kepadatan penduduk indonesia sebesar 267 juta jiwa (BPS, 2019). Kepadatan penduduk mengakibatkan dampak/efek meningkatnya pemukiman semakin padat, persaingan perusahaan yang tidak sehat, kerawanan sosial, penyediaan air bersih semakin berkurang, kemacetan semakin meningkat. Oleh karena itu Data Science sendiri mengacu pada metode forecsting yang digunakan untuk peramalan jangka panjang, jangka menengah,maupun pendek, dalam suatu perusahaan yang diharapkan dapat membantu memecahkan masalah dalam mengestimasi laju kepadatan penduduk. Untuk mengetahui jumlah kepadatan penduduk kota malang di tahun yang akan datang maka perlu dilakukan sistem untuk memprediksi kepadatan penduduk 10 tahun sebelumnya sehingga hasil dari peramalam ditahun sebelumnya akan menjadi penentu peramalan data kepadatan penduduk ditahun yang akan datang. Teknik penelitian yang digunakan terdiri dari teknik pengumpulan data, teknik peramalan data, teknik analisa hasil dan kesimpulan. Hasil dari peramalan tersebut di ambil dari nilai error MAD, MSE dan MAPE yang terkecil dari hasil peramalan Kepadatan Penduduk Kota Malang.