Informasi dalam bentuk teks berita telah menjadi salah satu komoditas yang paling penting dalam era informasi ini. Ada banyak berita yang dihasilkan sehari-hari, tetapi berita-berita ini sering memberikan konten kontekstual yang sama dengan narasi berbeda. Oleh karena itu, diperlukan metode untuk mengumpulkan informasi ini ke dalam ringkasan sederhana. Di antara sejumlah subtugas yang terlibat dalam peringkasan multi-dokumen termasuk ekstraksi kalimat, deteksi topik, ekstraksi kalimat representatif, dan kalimat rep-resentatif. Dalam tulisan ini, kami mengusulkan metode baru untuk merepresentasikan kalimat ber-dasarkan kata kunci dari topic teks menggunakan Latent Dirichlet Allocation (LDA). Metode ini terdiri dari tiga langkah dasar. Pertama, kami mengelompokkan kalimat di set dokumen menggunakan kesamaan histogram pengelompokan (SHC). Selanjutnya, peringkat cluster menggunakan klaster penting. Terakhir, kalimat perwakilan yang dipilih oleh topik diidentifikasi pada LDA. Metode yang diusulkan diuji pada dataset DUC2004. Hasil penelitian menunjukkan rata-rata 0,3419 dan 0,0766 untuk ROUGE-1 dan ROUGE-2, masing-masing. Selain itu, dari pembaca prespective, metode kami diusulkan menyajikan pengaturan yang koheren dan baik dalam memesan kalimat representatif, sehingga dapat mempermudah pemahaman bacaan dan mengurangi waktu yang dibutuhkan untuk membaca ringkasan.

E-learning memberikan kemudahan dan kelancaran proses belajar-mengajar baik bagi mahasiswa maupun dosen. Dengan metode e-learning, dosen dapat meningkatkan intensitas komunikasi interaktif dengan mahasiswa di luar jam kuliah resmi. Metode e-learning memberikan keleluasaan pada dosen untuk memberikan akses kepada mahasiswa untuk mendapatkan referensi ilmiah terkait dengan mata kuliah tersebut yang mungkin tidak didapat selama jam kuliah maupun praktikum. Referensi-referensi tersebut dapat berupa tulisan ilmiah, artikel populer atau jurnal-jurnal elektronik. Hal ini akan sangat berguna bagi mahasiswa, karena selain dapat memperkuat pemahaman mahasiswa untuk tiap pokok bahasan perkuliahan. Penggunaan e-learning bisa memungkinkan mahasiswa untuk belajar dimana saja tanpa harus pergi mengikuti perkuliahan di kelas, khususnya di Fakultas  Program Studi Teknik Informatika Universitas Nusantara PGRI Kediri

Ekspresi wajah adalah merupakan perubahan bentuk raut muka wajah dalam menanggapi keadaan perasaan, niat dan komunikasi sosial seseorang. Ekspresi wajah ini sangat bagus untukk di teliti karena merupakan alat komunikasi non verball yang biasa digunakan oleh manusia ‘untuk menggambarkan keadaan emosi atau perasaan dan untuk menyampaikan pesan sosial di kehidupan sehari-hari. Penelitian ini menggunakan machine learning open source library Tensorflow dengan mengguanakan metode Convolutional Neural Network (CNN) yang dirancang khusus untuk pengenalan dan menentukan klasifikasi terhadap 7 ekspresi dasar wajah manusia ditambah ekspresi netral, metode ini memiliki hasil paling signifikan dalam hal pengenalan citra. Pemerataan distribusi data akan dilakukan untuk meningkatkan kinerja model. Hasil dari pengujian analisis di dapatkan hasil parameter optimal batch 32, epoch 100 dan dropout 0.6 dengan tingkat akurasi training 62.24%, akurasi validasi 62,44%, training loss 4,54% dan validation loss 4,02%. Di akhir penelitian ini, penulis melakukan percobaan pendeteksian ekspresi wajah dengan video secara realtime.

The sale of cat feed in Toko PS is the main concern of Shop Owners because of the very high enthusiasm of cat owners to buy Cat Feed. However, due to business competition, the sale of Cat Feed is not decisive, so the owner has difficulty in procuring goods. This research predicts the selling of food products in Toko PS using the Least Square method. The results were analyzed using the standby method and MAPE to see the prediction alert level. The obtained values ​​obtained were low, namely between 0 - 0.2 and the MAPE values ​​of 41.8% and 56.3% were categorized as fair and inaccurate. So that the Least Square method is not suitable for predicting to predict fluctuating reference data and with a short period, namely the date or day in the case of Toko PS.

Kekerasan merupakan suatu tindakan yang sangat meresahkan masyarakat , ada berbagai macam kekerasan yang terjadi pada anak dan perempuan di Kota Kediri. Semakin banyaknya kasus kekerasan maka perlu nya mencari solusi  untuk mengatasi masalah ini dengan cara menganalisa data dengan menggunakan metode Self Organizing Maps (SOM). Data yang telah didapatkan dari aplikasi pelaporan VICARA direkap dan dinormalisasikan kemudian di clustering kan dengan metode SOM. Metode SOM menganalisa data kasus kekerasan berjumlah 100 data kasus dengan nilai Silhouette Coefficient sebesar 0,9821.