Badan Kepegawaian dan Pengembangan Sumber Daya Manusia (BKPSDM) Kabupaten Tanah Laut merupakan salah satu instansi yang telah menerapkan sistem terkomputerisasi baik dari segi pengarsipan dokumen, keuangan dan aset kecuali absensi pegawai. Pengambilan data kehadiran (absensi) dilakukan secara manual dengan tanda tangan pada buku absen. Rekapitulasi kehadiran dan pelaporan absensi pegawai juga dilakukan secara manual. Selain itu, kelemahan dari absensi manual dapat menyebabkan terjadi kecurangan yang mungkin dilakukan antar pegawai seperti titip absen. Penelitian ini menggunakan teknologi QR Code berbasis web untuk mengatasi masalah absensi tersebut. QR Code merupakan kode yang mampu menyimpan dan memberikan data dengan respon yang cepat, dimana  data tersebut disimpan dalam database melalui sebuah web. Metode pengembangan sistem ini menggunakan metode waterfall dengan tahapan analisis kebutuhan, perancangan dengan DFD, pengimplementasian menggunakan bahasa pemograman PHP (Hypertext Prepocessor) dan database MySQL. Dengan adanya sistem ini dapat memberikan solusi agar memudahkan pegawai dalam mengelola absen, sehingga mampu meningkatkan kualitas kinerja pegawai serta dapat menghitung rekapitulasi absensi secara akurat.

Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer yang selanjutnya digunakan dalam proses penarikan keputusan untuk penyelesaian masalah tertentu. Penarikan kesimpulan dalam sistem ini menggunakan metode inferensi forward chaining. Penelitian ini bertujuan untuk untuk melakukan diagnosa karakteristik anak berkebutuhan khusus (children with special needs) menurut ciri-ciri tertentu. Sistem pakar ini menampilkan pertanyaan yang dapat dijawab oleh pengguna berupa jawaban “ya” dan “tidak”. Pada hasil akhir sistem menampilkan ciri-ciri ABK, jenis karakter ABK dan solusi dari jenis karakter tersebut. Disamping itu, sistem ini juga memberikan informasi tentang anak berkebutuhan khusus karakternya.

Berita kriminalitas merupakan berita yang selalu menjadi trending topik di setiap media massa, khususnya media massa online. Media massa online terlah menyediakan beberapa fasilitas untuk mempermudah masyarakan dalam mencari sebuah berita berdasarkan topik. Media massa online melabeli suatu berita berdasarkan kategorinya. Namun, media massa online tidak memberikan sub kategori pada berita tersebut. Sebagai contoh jika seorang pengguna membuka kategori kriminal, maka yang ditampilkan adalah semua jenis berita kriminal tanpa memberikan informasi yang spesifik dari jenis kriminalitasnya. Permasalahan tersebut dapat diatasi dengan mengklasifikasikan berita kriminalitas berdasarkan subkategori. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC)  untuk mengklasifikasi berita berdasarkan sub kategorinya. Adapun subkategori terbagi kedalam 5 kategori yaitu korupsi, narkoba, pencurian, pemerkosaan dan pembunuhan. Penelitian ini bertujuan untuk mengetahui kemampuan NBC dalam mengklasifikasi berita dengan melakukan pengujian menggunakan teknik K-Fold Cross Validation dengan nilai K dari 3 sampai 10. Hasil pengujian menyatakan bahwa NBC memiliki kemampuan dalam klasifikasi berita kriminal dengan nilai precision sebesar 98,53 %, nilai recall sebesar 98,44 % dan nilai accuracy sebesar 99,38 %.

Currently, the business competition in the culinary field is very tight. Second Home is a culinary business that sells various coffee products that are in demand by the public. The large number of various coffee products causes a lot of sales transaction data to be generated by Second Home. The sales data is not managed properly, causing accumulation and useless data. The level of useless data can be minimized by using a data mining approach. The Data Mining approach aims to provide new information from coffee product sales data. Apriori algorithm is one of the algorithms of data mining that is able to find out association rules based on consumer buying patterns. Based on consumer purchasing patterns for coffee products, the owner of Second Home can provide recommendations or promotions for certain products. The dataset used in this study is 566 sales transaction data from March to May 2021. The application of data mining to sales data with the Apriori Algorithm produces 2 (two) association rules with a support value of 10% and confidence 60%. The results showed that the products purchased simultaneously were Banana fields and Es Kopi Lava Yo Lah with a confidence value of 69.43%.

Learning processes in the elementary schools at Tanah Laut District is affected by the number of students. Through the number of students can be predicted how much the need of additional teachers, rooms, textbooks and learning medias that support learning processes in the schools. In other words, the infrastructure of the schools can be predicted by the number of students that is registered in Tanah Laut District. The research use Holt’s Double Exponential Smoothing method to predicting the number of the prospective students in Tanah Laut District. Mean Absolute Percentage Error (MAPE) technique is used to calculate the percentage of error from the forecasting’s result. The system is designed by Entity Relationship Diagram (ERD) and Data Flow Diagram (DFD). The forecasting that have been done said that the number of Tanah Laut’s elementary school students at 2018 is 35655 students, with the value of MAPE is about 0.77%, a = 0.77 and ß = 0.8.