Japan has many entertaining and unique artworks, especially its signature animation, called anime. Anime is an animation art that is unique in that the characterizations, characters, and storylines are made to resemble human life. The characters have 2 genders called male and female with unique visuals and are the characteristics of each anime character to entertain the audience. Training large-scale data and complex textures because not all of the anime images owned are of high quality, making classification by Machine Learning Algorithms low in accuracy. This study will describe an experiment using an anime face image dataset to classify the gender, namely male or female. From this problem, this research implements feature extraction to produce unique features of anime images with Gray-Level Cooccurrence Matrix (GLCM) and uses the Random Forest Classifier which is a classification algorithm in Machine Learning to classify gender. The results of this study get a good accuracy value of 95%, using 3,612 images where the test data used is 723 images and Homogeneity5 feature being the most relevant feature in increasing the accuracy value with a value of 0.06378389.

Terdapat banyak genre anime seperti drama, aksi, romansa, komedi, dan lain sebagainya. Namun, dikarenakan genre anime itu banyak, penonton cukup kesulitan untuk mencari anime yang genrenya mereka sukai seperti genre drama yang menceritakan kehidupan manusia sehari-hari yang sifatnya cukup ringan. Dari permasalahan tersebut, maka dibutuhkan suatu metode klasifikasi untuk mengklasifikasikan  anime yang tergolong ke dalam genre drama. Klasifikasi dalam data mining merupakan metode yang umum, suatu objek yang sebelumnya belum diketahui kelas/labelnya dapat melalui metode klasifikasi agar kelasnya dapat diperkirakan [7]. Klasifikasi memiliki beberapa algoritma diantaranya Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Penggunaan algoritma SVM dan KNN telah banyak digunakan dan tingkat akurasinya yang baik. Dalam penelitian ini akan menganalisa perbandingan diantara kedua algoritma tersebut pada dataset yang digunakan berjumlah 12.294 data dan 2 kelas genre yaitu drama dan non drama, atribut dataset anime berjumlah 7. Hasil penelitian ini, menunjukkan bahwa algoritma dengan K-Nearest Neighbors (KNN) yang menghasilkan nilai akurasi training sebesar 100% dan nilai akurasi testing sebesar 84%. Dan juga hasil dari algoritma Support Vector Machine (SVM)menghasilkan nilai akurasi training sebesar 83% dan nilai akurasi testing sebesar 82%. Hasil nilai akurasi kedua algoritma tersebut menunjukkan bahwa algoritma K-Nearest Neighbors (KNN) memiliki akurasi testing yang lebih baik dari Support Vector Machine (SVM) dengan selisih keduanya cukup tipis.

Imunisasi adalah sebuah usaha pemerintah Indonesia yang  mencapai Millenium Development Goals (MDGS) yang menjadi fokus menurunkan volume nilai kematian anak. Indeks kematian pada balita menjadi parameter utama untuk menentukan derajat kesehatan masyarakat khususnya balita. Untuk itu program pelayanan kesehatan di Indonesia memfokuskan penurunan angka kematian bayi melalui imunisasi. Namun banyaknya orang tua balita yang mengkhawatirkan efek samping dari imunisasi sehingga menolak untuk di imunisasi. Informasi yang diterima tentang imunisasi sangat terbatas sehingga orang tua tidak memahami manfaat dari imunisasi pada anak usia dini. Hasil pengamatan di Bidan Praktek Mandiri Hana Suroyyah, Am.Keb bahwa jadwal imunisasi anak masih menggunakan cara manual dengan pencatatan di buku imunisasi untuk mencantumkan jenis imunisasi dan tanggal pelaksanaannya. Hal ini sangat menyulitkan orang tua balita untuk jadwal pelaksanaan imunisasi di bulan berikutnya sehingga para orang tua terutama kesehatan balita sangat dirugikan. Penelitian ini bertujuan untuk membangun sebuah sistem informasi pada aplikasi sebagai pengingat jadwal imunisasi pada bidan Hana Suroyyah, Am.Keb berbasis android. Penelitian dilaksanakan dengan tahapan identifikasi masalah, studi literature, pengumpulan data, dan Pengembangan Sistem dengan menggunakan metode scrum. Informasi yang dihasilkan pada aplikasi ini adalah Jadwal Imunisasi yang dilengkapi notifikasi sebagai pengingat jadwal Imunisasi sebelum H-1 menggunakan SMS Gateway.