Prediction is a systematic estimate that identifies past and future information, we predict student learning success with e-learning based on a log of student activities. In this study, we use the Support vector Machine (SVM) method, which is compared with Particle Swarm Optimization. The problem with this algorithm is that the SVM has a very good generalization that can solve a problem. However, some of the attributes in the data can reduce accuracy and add complexity to the SVM algorithm. For this reason, attribute selection for existing data is needed, therefore Particle Swarm Optimization (PSO) method is applied for the right attribute selection in determining the success of elearning learning based on student activity logs, because the PSO method can improve accuracy in determining selection of attributes. The SVM algorithm produces an accuracy value of 88.00% and AUC with a value of 0.8120, while with SVM Based on PSO the accuracy value is 88.50% and the AUC value is 0.8460. Therefore, there is an increase from the result of an accuracy value of 0.50% and an AUC value of 3.40%, and then the result is in good classification.

Western culture and technological development gradually began to shift the traditional culture in a country. Traditional culture is a characteristic and asset of an area that should be preserved and remain preserved. One of them is the Sundanese script culture in Indonesia, especially in West Java. Like it or not, we have to keep up with the times and make adjustments to current conditions so that traditional culture can be preserved in this modern era. This research aims to produce applications that can be interesting and not boring Sundanese script learning media so that people are interested in learning Sundanese characters easily and fun. It is hoped that this application can be useful as a medium for preserving and preserving the traditional culture of a Sundanese script by utilizing technological sophistication and following modern culture.

Inventory dalam sebuah perusahaan merupakan hal yang penting. Namun RSI. Assyifa Sukabumi saat ini masih melakukan proses pengecekan barang secara manual dari satu ruangan ke ruangan yang lain. Sehingga sering terjadi kendala saat proses inventory dilakukan dan mengurangi produktivitas pekerjaan. Tujuan pembuatan sistem ini adalah untuk memudahkan petugas  dalam melakukan proses inventory. Proses inventory yang dilakukan yaitu proses pengecekan oleh petugas terkait jumlah barang yg pindah/hilang/rusak dilakukan setiap 1 bulan sekali. Adanya sistem ini memudahkan petugas untuk melakukan pengecekan tanpa harus membawa kertas & balpoin. Serta dapat langsung mengetahui data yg lama secara otomatis melalui sistem tanpa harus membuka berkas/file lama yg kadang lupa menyimpan, file hilang, atau file corrupt. Pada sistem ini data sudah terintegrasi per ruangan, bahkan pertanggal tertentu. Jenis metode pengembangan menggunakan pendekatan UCD (user centered design). Pada tahap perancangan sistem menggunakan Unified Modeling Language (UML). Bahasa pemrograman yang digunakan dalam pembuatan aplikasi ini adalah PHP, tools menggunakan sublime dan untuk database menggunakan MySQL. Hasil dari penelitian ini menunjukan aplikasi inventory dengan menggunakan Qrcode berbasis website yang dirancang dan dibangun berhasil mampu mendukung proses inventory. Berdasarkan dari hasil pengujian sistem dengan metode blackbox juga menunjukan bahwa semua fungsionalitas dari aplikasi inventarisir yang dirancang dapat berjalan dengan tepat dan sangat baik.

Konsumsi energi bangunan yang semakin meningkat mendorong para peneliti untuk membangun sebuah model prediksi dengan menerapkan metode machine learning, namun masih belum diketahui model yang paling akurat. Model prediktif untuk konsumsi energi bangunan komersial penting untuk konservasi energi. Dengan menggunakan model yang tepat, kita dapat membuat desain bangunan yang lebih efisien dalam penggunaan energi. Dalam tulisan ini, kami mengusulkan model prediktif berdasarkan metode pembelajaran mesin untuk mendapatkan model terbaik dalam memprediksi total konsumsi energi. Algoritma yang digunakan yaitu SMOreg dan LibSVM dari kelas Support Vector Machine, kemudian untuk evaluasi model berdasarkan nilai Mean Absolute Error dan Root Mean Square Error. Dengan menggunakan dataset publik yang tersedia, kami mengembangkan model berdasarkan pada mesin vektor pendukung untuk regresi. Hasil pengujian kedua algoritma tersebut diketahui bahwa algoritma SMOreg memiliki akurasi lebih baik karena memiliki nilai MAE dan RMSE sebesar 4,70 dan 10,15, sedangkan untuk model LibSVM memiliki nilai MAE dan RMSE sebesar 9,37 dan 14,45. Kami mengusulkan metode berdasarkan algoritma SMOreg karena kinerjanya lebih baik.

AbstrakBerkembangnya teknologi informasi memberikan pengaruh yang cukup bagi masyarakat, tetapiterkadang ada beberapa teknologi yang kurang diterima oleh masyarakat karena beberapa faktor.Penelitian ini bertujuan untuk menganalisis rasio metode TAM dan UTAUT dalam mengukurkeberhasilan penggunaan aplikasi Ojek Online di Sleman, Yogyakarta. Metode yang paling banyakdigunakan untuk menganalisis keberhasilan penggunaan teknologi adalah metode TAM danUTAUT. Metode TAM dan UTAUT juga merupakan metode terbaik karena mampu menjelaskanperilaku pengguna terhadap penggunaan teknologi. Responden dalam penelitian ini adalahpengguna aplikasi Ojek Online di Kabupaten Sleman di Yogyakarta yang terdiri dari siswa danmasyarakat umum. Responden dalam penelitian ini diambil secara acak dari seluruh populasi. Datayang dikumpulkan diolah menggunakan SPSS agar mudah dianalisis lebih lanjut. Metode yangdigunakan adalah metode korelasional. Hasil dari penelitian ini adalah bahwa metode TAM danUTAUT mampu menganalisis penerimaan aplikasi Ojek Online meskipun nilai beberapa konstrukyang digunakan dalam penelitian ini hanya mempengaruhi penggunaan aktual sebesar 8% dan5,2%.