Rempah-rempah merupakan salah satu kekayaan alam yang dimiliki oleh Indonesia. Rempah-rempah sendiri memiliki banyak manfaat untuk Kesehatan ataupun hal-hal lain. Dari banyaknya rempah yang berada di Indonesia, ternyata masyarakat Indonesia sendiri masih memiliki pengetahuan yang rendah akan rempah-rembah tersebut. Hal ini menyebabkan banyak orang bahkan petani mengalami kesusahan dalam mengenali jenis rempah terutama remaja. Membedakan rempah satu dengan yang lain merupakan tantangan yang banyak dihadapi oleh masyarakat. Oleh sebab itu, penelitian ini membuat sebuah model klasifikasi dengan menggunakan convolution neural network dengan arsitektur VGG 16 yang dimodifikasi. Arsitektur modifikasi VGG 16 memiliki 10-layer yang terdiri dari 7-layer convolution dan 3-layer fully connected. Untuk fase latih model modifikasi VGG 16 ini menggunakan dataset rempah yang disediakan oleh Kaggle. Validasi model yang digunakan adalah akurasi, loss, precision, dan recall untuk membandingkan model mana yang memiliki nilai yang terbaik. Untuk model modifikasi VGG 16 yang dibuat untuk melakukan klasifikasi, mendapatkan hasil evaluasi rata-rata akurasi sebesar 81%, nilai recall sebesar 76%, dan nilai precision sebesar 81% untuk fase training dan untuk fase validasi, akurasi sebesar 85%, nilai recall sebesar 80%, dan nilai precision sebesar 84%. Jadi dengan model modifikasi VGG 16 dapat disimpulkan bahwa model mampu memprediksi rempah-rempah lebih baik dari model Alexnet.

Business simulation training has been conducted by the School of Information Technology, Information Systems Department, Ciputra University, using MonsoonSIM. The aim of this activity is to introduce the concept of Enterprise Resource Planning (ERP) to students through virtual business simulation game. This training was conducted online, due to to Covid-19 pandemic.  By using MonsoonSIM software, students can manage a virtual company and learn the company's business processes.  Learnings in this training were in the form of material module explanations, simulations, discussions, and evaluations.  This program was attended by students from Junior High School and Senior High School. Participants not only play individually to learn from the game experience, but also in a team to compete to be the best virtual company that can dominate the market within a predetermined period of time. By participating in this training, students can manage the operational processes of a virtual company, understand existing resources, and can make a company planning strategy in order to survive and grow.

Bahasa Isyarat adalah bahasa untuk orang - orang yang memiliki kesulitan mendengar maupun bicara. Tetapi bahasa isyarat bukanlah bahasa yang banyak digemari oleh masyarakat, sehingga orang yang memiliki disabilitas tersebut akan semakin kesulitan. Pada jurnal ini akan menjelaskan mengenai klasifikasi bahasa isyarat Amerika dengan menggunakan Convolutional Neural Network (CNN). Pada penelitian ini akan dilakukan beberapa penelitian menggunakan parameter berbeda seperti pada preprocessing, penelitian akan dilakukan dengan melihat parameter horizontal flip. Selanjutnya penelitian juga dilakukan dengan melihat epoch. Penelitian ini dilakukan untuk memantau akurasi dan akurasi validasi. Model yang dibuat pada penelitian ini nilai akurasi yang lebih tinggi saat memprediksi huruf v, dan n. Hasil nilai akurasi dari penelitian ini adalah 82.1%Sign Language is a language for people who have hearing and speech difficulties. But sign language is not a language  that is favored by many people, so people with disabilities will find it increasingly difficult. This journal will explain the classification of American sign language using the Convolutional Neural Network (CNN). In this study, several studies will be carried out using different parameters such as in preprocessing, research will be carried out by looking at the horizontal flip parameter. Furthermore, research was also carried out by looking at the epoch. This study was conducted to monitor the accuracy and accuracy of the validation. The model made in this study has a higher accuracy value when predicting the letters v, and n. The result of the accuracy value of this study is 82.1%