Heart disease is one of the types of deadly diseases whose treatment must be dealt with as soon as possible because it can occur suddenly to the sufferer. Factors of heart disease that are recognized based on the condition of the body of a sufferer need to be known from an early age so that the risk of possible instant attacks can be minimized or can be overcome in various ways such as a healthy lifestyle and regular exercise that can regulate heart health in the body. By looking at the condition of a person's body based on sex, blood pressure, age, whether or not a smoker and some indicators that cause a person's affected by heart disease are described in a study using the Neural Network and Naïve Bayes algorithm with the aim of comparing the level of accuracy to attributes influential to predict heart disease, so the results of this study can be used as a reference to predict whether a person has heart disease or not based on health data used as research benchmarks.

Clothing also means clothing is needed by humans. Besides the need for clothing in terms of function, clothing sales or business is also very potent. About 75 million people worldwide are directly involved in textiles, clothing, and footwear. In this case, a common problem in this industry is that the actual productivity of apparel employees sometimes fails to reach the productivity targets set by the authorities to meet production targets on time, resulting in huge losses. Experiments were conducted using the random forest model, linear regression, and neural network by looking for the values ​​of the correlation coefficient, MAE, and RMSE.  This aims to predict the productivity of garment employees with data mining techniques that apply machine learning and look for the minimum MAE value. The results of testing the proposed algorithm on the garment worker productivity dataset obtained the smallest MAE, namely the random forest algorithm, namely 0.0787, linear regression 0.1081, and 0.1218 neural networks

<p><em>Poverty is the main focus of the central government and local governments. Because it is one of the causes of backwardness and an obstacle in the development of a nation. With the existence of a family program, it is expected that it can improve the socio-economic conditions of the Very Poor Family, increase the level of Very Poor Family education and improve the health and nutrition status of pregnant women and toddlers in Indonesia. Very Poor Family. The Family Hope Program is expected to reduce poverty and improve human resources, especially in the group of very poor people. The main problem in channeling the Hope Family Program was that the eligibility determination system was still manual and used data several years ago. This is feared to cause confusion and inaccuracy of beneficiaries of the Family Hope Program, so a decision support system is needed to determine the qualifications of recipients of the Hope Family Program. The results of the study using C5.0 Algorithm from this study, can know that the main root in determining recipients of family planning programs is the ownership of school children with acquisition of 0.512716784</em><em> </em></p><p><strong><em>Keywords:</em></strong><em> C5.0, Decision tree, Poverty, Classification, Hope family program.</em></p><p><em><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Kemiskinan adalah fokus utama pemerintah pusat dan pemerintah daerah. </span></span></span><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Karena itu merupakan salah satu faktor penyebab keterbukaan dan penghambatan dalam pembangunan suatu bangsa. </span></span></span><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Dengan adanya program keluarga, diharapkan meningkatkan status sosial ekonomi Keluarga Sangat Miskin, meningkatkan tingkat pendidikan Keluarga Sangat Miskin dan meningkatkan status kesehatan dan gizi ibu hamil dan balita di Indonesia. </span></span></span><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Keluarga yang Sangat Miskin. </span></span></span><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Program Keluarga Harapan dapat mengurangi kemiskinan dan meningkatkan sumber daya manusia, terutama pada kelompok orang yang sangat miskin. </span></span></span><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Masalah utama dalam menyalurkan Program Program Keluarga Harapan adalah sistem pemilihan menentukan apakah masih manual dan menggunakan data beberapa tahun yang lalu.</span></span></span><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Hal ini menimbulkan keraguan dan ketidaktepatan penerima Program Keluarga Harapan, sehingga diperlukan sistem pendukung keputusan untuk menentukan kualifikasi penerima Program Keluarga Harapan. </span></span></span><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Hasil penelitian dengan menggunakan Algoritma C5.0 dari penelitian ini, dapat membantu penelitian tentang akar dalam menentukan penerima program Keluarga harapan adalah kepemilikan anak sekolah dengan persetujuan 0,512716784</span></span></span></span></em></p><p><strong><em><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;">Kata Kunci:</span></span></span></span></em></strong><em><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"><span style="vertical-align: inherit;"> C5.0, Decision tree, Kemiskinan, Klasifikasi, Program keluarga Harapan.</span></span></span></span></em></p>

<p>Mahasiswa di setiap perguruan tinggi dituntut untuk memperoleh pengetahuan dan keterampilan yang memenuhi syarat dengan prestasi akademik. Hasil dari pembelajaran mahasiswa didapat dari ujian teori dan praktek, setiap mahasiswa wajib menuntaskan nilai sesuai kriteria kelulusan minimum dari masing-masing dosen pengajar, jika dibawah batas minimum maka mahasiswa mengikuti her. Her adalah salah satu cara untuk menuntaskan kriteria kelulusan minimum. Mahasiswa yang mengikuti her setiap semesternya hampir mencapai angka yang relatif tinggi dari jumlah seluruh mahasiswa. Untuk mengurangi jumlah mahasiswa yang mengikuti her maka dibutuhkan sebuah metode yang dapat mengurangi hal tersebut, dengan metode <em>Support Ve</em><em>c</em><em>tor Machine</em> (SVM) dan <em>Decision Tree </em>(DT). SVM dan DT adalah salah satu metode klasifikasi <em>supervised learning</em>. Oleh karena itu, dalam penelitian ini menggunakan SVM dan DT. SVM dapat menghilangkan hambatan pada data, memprediksi, mengklasifikasikan dengan sampling kecil dan dapat meningkatkan akurasi dan mengurangi kesalahan. Klasifikasi data siswa yang melakukan her/peningkatan dengan mengimprovisasi model kernel untuk visualisasi termasuk bar, histogram, dan sebaran<em> </em>begitu juga<em> Decision Tree </em>mempunyai kelebihan tersendiri. Dari hasil penelitian ini telah didapatkan akruasi dan presisi model DT lebih besar dibandingkan dengan SVM, akan tetapi untuk <em>recall </em>DT lebih kecil dibandingkan SVM.</p><p> </p><p><em><strong>Abstract</strong></em></p><p><em><strong><br /></strong></em></p><p class="Abstract"><em>Students in each tertiary institution are required to obtain knowledge and skills that meet the requirements with academic achievement. The results of student learning are obtained from the theory and practice exams, each student is required to complete grades according to the minimum graduation criteria of each teaching lecturer, if below the minimum limit then students take remedial. Remedial is one way to complete the minimum passing criteria. Students who take remedial every semester almost reach a relatively high number of the total number of students. To reduce the number of students who take remedial, a method that can reduce this is needed, with the Support Vector Machine (SVM) and Decision Tree (DT) methods. SVM and DT are one of the supervised learning classification methods. Therefore, in this study using SVM and DT. SVM can eliminate barriers to data, predict, classify with small sampling and can improve accuracy and reduce errors. Data classification of students who do remedial/improvements by improving the kernel model for visualization including bars, histograms, and distributions as well as the Decision Tree has its own advantages. From the results of this study it has been obtained that the accuracy and precision of DT models is greater than that of SVM, but for recall DT is smaller than SVM.</em></p><p><em><strong><br /></strong></em></p>

Keberadaan koperasi saat ini tidak hanya terdapat pada lingkungan masyarakat umum saja namun dalam beberapa perusahaan juga memiliki koperasi yang digunakan dengan tujuan menjadi sebuah media untuk membantu para anggota koperasi karyawan dalam mengembangkan dan meningkatkan perekonomian anggota koperasi karyawan termasuk menjadi solusi jika anggota koperasi karyawan membutuhkan pembiayaan untuk kebutuhan hidup anggota koperasi karyawan tersebut. Pada Koperasi Karyawan yang terdapat pada PT. Chiyoda Integre Indonesia Karawang dalam kegiatan pengolahan data transasksi keuangan nya saat ini masih menggunakan sistem konvensional, yang mana sistem saat ini yang masih menggunakan sistem konvensional ditemukan kendala-kendala seperti kesalahan dalam pencatatan dan perhitungan sampai pada proses pembuatan laporan transaksinya. Berdasarkan kondisi tersebut maka diperlukan sebuah sistem penunjang koperasi yang dapat memudahkan proses pengolahan data transaksi dan meminimalisir kesalahan pada saat pengolahan data transaksi koperasi sehingga dapat menciptakan laporan yang lebih akurat dan efisien. Pemanfaatan teknologi informasi saat ini dapat digunakan sebagai solusi untuk merancang dan membuat sistem informasi koperasi sebagai solusi dari permasalahan diatas, pada penelitian ini penulis menggunakan metode waterfall sebagai metode pengembangan software dan software Visual Basic.Net yang digunakan dalam merancang dan membuat sistem informasi koperasi.Kata Kunci: Koperasi, Sistem Informasi Simpan Pinjam, Waterfall