Tanaman porang di beberapa wilayah di Kalimantan Timur memiliki potensi besar untuk dibudidayakan dengan kondisi lahan dan iklim yang mendukung. Salah satu masalah yang dihadapi petani di kota Samarinda yaitu kurangnya informasi mengenai sistem pemasaran yang efektif. Tidak semua pabrik mau menerima hasil panen karena ada standar kualitas yang diterapkan. Selain itu harga jual umbi porang yang fluktuatif, memberikan ketidakpastian dalam pemasarannya. Oleh karena itu perlu adanya rumusan mengenai strategi pemasaran porang, sehingga mampu meningkatkan kesejahteraan petani dan mengembangkan budidaya porang secara berkelanjutan yang dapat memenuhi kebutuhan manusia secara lebih baik dan berkesinambungan dengan tetap menjaga kelestarian lingkungan hidup. Penelitian ini bertujuan untuk merumuskan strategi pengembangan pemasaran porang di Kota Samarinda. Data primer dan sekunder diperoleh melalui observasi, wawancara, kuesioner, dan studi pustaka yang kemudian dianalisis menggunakan metode dan matriks IFAS, EFAS dan SWOT. Hasil penelitian menunjukkan bahwa strategi pemasaran yang ditawarkan dengan menggunakan kombinasi S-O, yakni mendukung kebijakan pertumbuhan yang strategis dimana faktor kekuatan tetap dipertahankan dengan memanfaatkan peluang yang dimiliki, meliputi: pemanfaatan lahan dalam skala kecil untuk meningkatkan produksi guna memenuhi pangsa pasar dalam dan luar negeri, bentuk komoditas yang dipasarkan bukan hanya dalam bentuk umbi tetapi juga dalam bentuk chip atau bahkan produk olahan berupa tepung glukomanan, penjalinan kerjasama dengan instansi lain seperti dengan pihak akademisi yang akan memberikan ilmu dan pengetahuan cara mengolah porang menjadi produk olahan seperti tepung dengan menggunakan alat yang ada di laboratorium.

Breast cancer is a type of malignant tumor which is still the number one killer where the process of spread or metastasis takes a long time. The number of breast cancer sufferers increases every year so that if detected or caught early, prevention can be done early so as to reduce the number of breast cancer sufferers. To reduce the risk of increasing the number of cancer patients, it is necessary to do early detection, several methods can be used to assist the early detection process such as cancer screening, or computational methods. Several machine learning methods that have been chosen to solve cases of breast cancer prediction, especially the classification algorithm, including Naive Bayes have the advantage of being simple but having high accuracy even though they use little data. Weaknesses in Naive Bayes, namely the prediction of the probability result is not running optimally and the lack of selection of relevant features to the classification so that the accuracy is low. This research is intended to build a classification system for detecting breast cancer using the Naive Bayes method, by adding a forward selection method for feature selection from the many features that exist in breast cancer data, because not all features are features that can be used in the classification process. The result of combining the Naive Bayes method and the forward selection method in feature selection can increase the accuracy value of 96.49% detection of breast cancer patients.Â