Covid-19 menyebabkan masyarakat Indonesia mengalami penurunan dalam tahap tahap. Dalam menanggulangi masalah penurunan pendapatan pemerintah tersebut memberikan bantuan bagi masyarakat akibat terdampak Covid-19 . Berhubungan dengan adanya bantuan Covid-19 tersebut, staf pemerintah desa kesulitan dalam melakukan proses seleksi penerima bantuan dan adanya ketidaktepatan dalam penerima bantuan Covid-19. Tujuan ini adalah membuat klasifikasi penerima bantuan sosial Covid-19 sebagai bahan acuan dalam penentuan kebijakan penerima bantuan sosial. Sehingga dilakukan untuk memudahkan dalam penentuan dan ketepatan dalam bantuan Covid-19.Algoritma klasifikasi yang digunakan yaitu algoritma C4.5 dengan bahasa pemrograman php. Data yang digunakan terdapat 430 data dengan 5 atribut jumlah anggota keluarga, tahap, tahap sebelum Covid-19 , tahap setelah Covid-19 dan keputusan (data per bulan April 2020). Hasil dari penelitian ini aturan dari algoritma C4.5 dengan nilai akurasi yang terbaik terdapat pada perbandingan 90% data pelatihan dan 10% pengujian data dengan nilai sebesar 79,54%.

Banyak sistem pemrosesan citra digital membutuhkan ekstraksi fitur di dalamnya. Salah satunya adalah ekstraksi foreground. Di dalam jurnal ini, kami mencoba melakukan ekstraksi foreground pada obyek daun melon dengan harapan hasil dari ekstraksi foreground dapat lebih lanjut dimanfaatkan terutama dalam proses pembuatan aplikasi yang berhubungan dengan daun melon, seperti misalnya pendeteksian dini terhadap penyakit daun melon. Dalam jurnal ini ekstraksi foreground dilakukan dengan bantuan algoritma GrabCut dengan bantuan deep neural network dan diaplikasikan sekaligus pada data obyek daun melon yang banyak. Hasilnya pada pengujian sebanyak 351 citra, ada 68% citra yang dapat diekstraksi citra daunya dengan sempurna.