This research compares the accuracy of the C4.5 algorithm and Classification and Regression Tree (CART) for prospective employees selection in companies. This research using dataset with criteria like age, working experience, recent education, marital status, number of abilities possessed, and the result of admission selection test. Testing uses 200 prospective employee selection data manually from a company. Algorithm testing using K-Fold Cross Validation and the accuracy calculation of the algorithm using Confusion Matrix. C4.5 algorithm has a level of accuracy, the success rate of the system, and the level of accuracy of the decision results of 52,83%, 41,48% and 43,98%, and CART algorithm is 53,33%, 44,06%, and 42,81%.

Kematangan buah biasanya ditentukan oleh beberapa parameter, diantaranya adalah parameter ukuran, berat, ciri warna, keharuman dari buah tersebut, dan lain-lain. Parameter kematangan buah dari sisi warna kulit buah merupakan salah satu faktor penting di dalam identifikasi kematangan buah. Umumnya, klasifikasi kematangan buah dilakukan dengan cara manual yaitu menggunakan indera penglihatan untuk membedakan kematangan buah berdasarkan ciri warna kulit buah yang memiliki banyak kelemahan seperti penilaian oleh manusia yang bersifat subyektif dan tidak konsisten. Tujuan dari penelitian ini adalah untuk membuat aplikasi untuk mendeteksi buah dan mengidentifikasi kematangannya. Aplikasi dibangun dengan menggunakan bahasa pemrograman Delphi 7. Metode yang dipakai meliputi segmentasi K-Means clustering, pemuaian dan penyusutan, pelabelan komponen hingga ekstraksi fitur. Pendeteksian jenis buah dilakukan menggunakan pencocokan fitur tingkat kebulatan buah sedangkan identifikasi kematangannya berdasarkan fitur warna dari buah. Sebelum dilakukan klasifikasi nama jenis buah dan tingkat kematangannya, harus dilakukan pelatihan buah terlebih dahulu kemudian dilanjutkan dengan deteksi buah dan identifikasi kematangannya. Aplikasi yang dibuat diyakini mampu mengklasifikasikan jenis buah dan tingkat kematangannya. Ini dibuktikan dengan pelatihan dan pengujian terhadap 3 (tiga) jenis buah masing-masing sebanyak 30 (tiga puluh) buah sampel untuk tingkat kematangan mentah, mengkal dan matang (total 90 buah sampel) yang menunjukkan tingkat keberhasilan identifikasi di atas 90%.

No abstract

Kebanyakan algoritma semi-fragile watermarking yang telah ada memiliki kelemahan, seperti sifat tidak kelihatan (invisibility) yang jelek, robustness yang tidak sempurna pada beberapa rutin dari proses sinyal. Penyebab utamanya adalah karena kebanyakan algoritma menggunakan parameter kuantisasi tertentu tanpa mempertimbangkan perbedaan diantara citra. Untuk menyelesaikan permasalahan ini, Shengbing Che, Bin Ma, Jinkai Luo dan Shaojun Yu dari China (2009) [1] memperkenalkan sebuah algoritma image watermarking berdasarkan pada segmentasi region. Proses kerja dari sistem dimulai dari pemilihan citra sampul dan citra watermark hitam putih. Setelah itu, dilanjutkan pengisian nilai kunci dan proses pengacakan terhadap citra hitam putih. Kemudian, citra sampul akan dikonversi ke bentuk grayscale dan terakhir citra hitam putih akan ditempelkan ke dalam citra sampul. Citra watermark yang diperoleh dapat disimpan ke dalam sebuah file yang akan digunakan pada proses ekstraksi untuk mengekstrak keluar citra watermark hitam putih yang disisipkan di dalamnya. Hasil pengujian menunjukkan waktu eksekusi proses penempelan watermark relatif lebih cepat dari proses ekstraksi. Algoritma tidak bisa mengekstraksi citra hitam putih ketika citra watermark diberi efek brightness dan contrast. Citra hitam putih masih dapat terekstrak keluar walau citra watermark disisipkan noise atau dicrop. Apabila ada kesalahan pengisian kunci maka akan menyebabkan citra hitam putih menjadi tidak terekstrak keluar.

Inovasi e-commerce harus terus diciptakan agar pelanggan dapat merasakan perasaan yang sama saat berbelanja online seperti di toko nyata. Kolaborasi dan komunikasi antar tim diperlukan agar alat Monday.com dapat digunakan dalam operasionalnya sebagai sarana peningkatan sistem operasional. Metodologi yang digunakan dalam penelitian ini adalah dengan membaca literatur dan kemudian mengolah data yang diperoleh dari hasil studi literatur. Temuan pemrosesan data menunjukkan bahwa alat Monday.com sekarang populer, menunjukkan bahwa potensi Monday.com untuk meningkatkan operasi di perusahaan e-commerce dapat ditunjukkan oleh ketersediaan berbagai papan visual. Monday.com ini juga menyertakan grafik dengan fitur seleksi yang lengkap, serta API yang sangat memudahkan proses integrasi dengan platform e-commerce.