Libraries have the main task in the processing of library materials by classifying books according to certain ways. Dewey Decimal Classification (DDC) is the method most commonly used in the world to determine book classification (labeling) in libraries. The advantages of this DDC method are universal and more systematic. However, this method is less efficient considering the large number of books that must be classified in a library, as well as labeling that must follow label updates on the DDC. An automatic classification system will be the perfect solution to this problem. Automatic classification can be done by applying the text mining method. In this study, searching for words in the book title was carried out with N-Gram (Unigram, Bigram, Trigram) as a feature generation. The features that have been raised are then selected for features. The process of book title classification is carried out using the Naïve Bayes Multinomial algorithm. This study examines the effect of Unigram, Bigram, Trigram on the classification of book titles using the feature extraction and selection feature on Multinomial Naïve Bayes algorithm. The test results show Unigram has the highest accuracy value of 74.4%.

Cuaca merupakan suatu hal yang sangat vital dalam kehidupan manusia sehari-hari. Hampir seluruh aktifitas yang dilakukan manusia di dunia ini tidak dapat lepas dari keadaan cuaca yang berlangsung. Oleh karena itu, pengamatan cuaca di sini sangatlah diperlukan untuk melakukan prediksi tentang cuaca. Jalur pantura adalah salah satu jalur yang sangat penting bagi pulau Jawa, khususnya jalur pantura Tegal-Pekalongan-Semarang, sehingga dibutuhkan semacam prediksi cuaca untuk mengetahui intensitas hujan di jalur ini. Algoritma C4.5 yang selama ini banyak digunakan untuk melakukan klasifikasi sekaligus prediksi terbukti relatif akurat dalam melakukan proses prediksi ini. Namun, di lain sisi dengan berkembangnya ilmu pengetahuan teknologi komputasi, maka nilai akurasi ini masih dapat ditingkatkan, salah satunya dengan menggunakan discretize by frequency  dalam langkah preprocessing data. Hasil akurasi menunjukkan, bahwa sebelum dilakukan discretize by frequency dalam langkah preprocessing data nilai akurasi C4.5 adalah 72,99% dan setelah dilakukan discretize by frequency dalam langkah preprocessing data nilai akurasi C4.5 meningkat menjadi 86,13%.

Politeknik Negeri Indramayu merupakan salah satu perguruan tinggi yang menerapkan drop out mahasiswa berdasarkan kehadiran dari mahasiswa dan presentase nilai mahasiswa. Kehadiran dan nilai mahasiswa akan dievaluasi pada saat rapat kelulusan yang dilaksanakan pada setiap akhir semester. Kemudian rapat tersebut akan memberikan keputusan status dari mahasiswa. Seringkali mahasiswa yang bermasalah karena kehadiran, tidak mengetahui bahwa seharusnya mahasiswa tersebut mendapatkan peringatan lisan sebelum mendapatkan surat peringatan 1, 2, dan 3. Pada penerapannya peringatan tersebut langsung berupa surat peringatan 1, 2, dan 3. Sehingga dibutuhkan sebuah sebuah sistem yang saling terintegrasi untuk mengatasi permasalahan tersebut. Metode yang digunakan untuk menentukan potensi drop out mahasiswa yaitu dengan metode rule based system. Sistem akan mengirim peringatan melalui sms kepada mahasiswa dan orang tua, sehingga orangtua dapat mengetahui dan memantau kehadiran anaknya. Dengan sistem prediksi ini diharapkan presentase drop out mahasiswa dapat diminimalisir.