Dalam sebuah pengerjaan proyek multimedia, Multimedia Development Life cycle disingkat MDLC yang merupakan metode pengembangan perangkat lunak multimedia, diambil untuk dijadikan kerangka kerja sehingga memperoleh sasaran aplikasi yang tepat. MDLC Luther ditinjau dan disimpulkan, dimana metode ini sesuai dalam pengerjaan tugas akhir mahasiswa dalam pengembangan perangkat lunak multimedia. Dalam penelitian ini permasalahan dalam pemilihan perangkat lunak authoring ditinjau dengan studi kasus instrinsik untuk mengungkap kekhususan yang menarik. Dukungan perangkat lunak authoring dalam prespektif yang tersedia, diharapkan akan memberikan gambaran tentang perangkat lunak authoring guna mendukung kerangka kerja yang tepat dan lebih efektif dalam pengembangan aplikasi multimedia yang tepat sasaran. Perangkat lunak Adobe After Effecs digunakan sebagai objek studi kasus yang nantinya akan diambil berupa dukungan resmi terkait ruang kerja perangkat lunak authoring yang akan mendukung pengaplikasian MDLC Luther bertujuan menjadi perangkat lunak authoring standar industri yang powerfull untuk motion graphics dan visual effects, yang digunakan oleh motion designers, perancang grafis, dan editor video untuk ide apapun yang dapat membuatnya bergerak. Dalam penelitian ini dihasilkan kesimpulan bahwa Adobe After Effects sangat powerfull dengan banyaknya fitur-fitur yang ditawarkan dan ruang kerja yang mendukung perkembangan teknologi multimedia mutahir saat ini, yang memungkinkan dapat bekerja dalam sistem operasi.

Pada sistem akuaponik, air merupakan darah kehidupan. yang merupakan media cair, dimana seluruh nutrisi makro serta mikro penting diangkut dari akuakultur ke komponen sistem hidroponik, dan media dimana ikan serta tumbuhan menerima oksigen.  Permasalahan dalam pemantauan kualitas air di Garasi80 Majenang yang merupakan UMKM budidaya ikan lele dengan menggunakan sistem pengelolaan air resirkulasi akuaponik terdapat kendala, yang mana kondisi kualitas air sangat cepat mengalami perubahan, yang tidak bisa cukup dipantau secara berkala pada waktu tertentu. Beberapa atribut terkait kualitas air yang diantaranya: temperatur, konduktivitas listrik (EC), serta potential of Hydrogen (pH) akan diambil untuk diklasifikasikan menggunakan algoritma data mining k- Nearest Neighbors (k-NN) untuk dapat memprediksi kualitas air yang sangat baik, baik atau buruk. Machine learning pada aplikasi berbasis Internet of Things (IoT) dibangun dengan menerapkan algoritma k-NN dengan menggunakan pendekatan metode CRISP-DM yang memiliki tahapan yaitu bussines understanding, data understanding, modeling, evaluation, deployment. Penentuan k optimal pada tahapan evaluasi dengan menggunakan metode k-Fold Cross Validation didapatkan k=3 sebagai jumlah tiga tetangga terdekat. Hasil dari penelitian menunjukan bahwa penerapan algoritma k-NN pada machine learning berbasis IoT, memberikan akurasi yang baik yaitu sebesar 100% untuk mengklasifikasikan kuaitas air dari hasil pengujian sebanyak sepuluh data uji.