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%.

Perkembangan era informasi yang semakin pesat membuat jumlah informasi yang tersedia semakin banyak dan beragam. Namun, manusia memiliki keterbatasan dalam memproses semua informasi tersebut. Informasi yang tersedia juga tidak semuanya bermanfaat dan dibutuhkan. Hal tersebut perlu didasarkan pada kebutuhan masing-masing pengguna sehingga informasi yang disediakan menjadi lebih tepat sasaran. Dalam mengatasi persoalan tersebut maka sebuah sistem rekomendasi diterapkan dalam sebuah website Digital Cakery yang menyediakan berbagai jenis cake kepada pengguna. Algoritma sistem rekomendasi yang digunakan adalah collaborative filtering dengan menerapkan pendekatan user-based dan item-based. Melalui dua pendekatan tersebut, sistem menyediakan rekomendasi cake yang bersifat subjektif sesuai rating masing-masing pengguna sehingga pilihan informasi dapat menjadi lebih akurat dan bernilai. Sistem juga menyediakan pilihan cake baru yang lebih personal sehingga memungkinkan pengguna untuk mencoba barang baru yang tidak sesuai dengan kebiasaan lama. Pengguna juga diberikan kesempatan untuk merancang cake kesukaannya dan membayar sesuai bahan yang digunakan. Hasil dari pengujian menyimpulkan bahwa algoritma collaborative filtering dapat menyediakan rekomendasi daftar cake yang sesuai dengan rating cake yang diberikan oleh pengguna baik secara implisit maupun eksplisit. Jumlah data yang???  semakin bertambah menghasilkan nilai MAE yang semakin besar dan sebaliknya jumlah data yang semakin sedikit menghasilkan nilai MAE yang semakin kecil.