Telemarketing merupakan salah satu promosi yang dianggap paling efektif dalam mempromosikan produk, strategi pemasaran ini dilakukan oleh bank-bank untuk menawarkan produk pada klien, salah satu produk yang ditawarkan bank yaitu deposito berjangka. Sulitnya mengetahui keputusan klien Telemarketing untuk melakukan deposito berjangka pada bank, menyebabkan bank selalu menghadapi ancaman krisis keuangan. Oleh karena itu, Telemarketing bank harus dapat membuat target klien, klien mana yang berpotensi untuk melakukan deposito dengan melihat data-data klien yang ada. Dalam penelitian ini akan digunakan algoritma Naive Bayes untuk memprediksi keputusan klien Telemarketing dengan menggunakan dataset gudang data UCI Repository. Hasil pengujian menunjukkan bahwa nilai akurasi Naive Bayes sebesar 89,08%, setelah dilakukan pemilihan fitur dengan menggunakan Backward Elimination didapatkan hasil akurasi yang lebih tinggi yaitu sebesar 90,69%, dengan melihat nilai akurasi maka algoritma Naive Bayes berbasis Backward Elimination meningkatkan akurasi untuk memprediksi keputusan klien Telemarketing.

Penelitian ini terfokus pada ekspresi wajah untuk deteksi kepuasan pelanggan pada minimarket yang tingkat pelayanannya kurang maksimal. Untuk mengetahui tingkat kepuasan pelanggan dapat dilihat melalui pengenalan wajah yang diambil melalui CCTV pada minimarket tersebut. Permasalahan-permasalahan yang terjadi yaitu banyak pelanggan yang tidak menyampaikan secara langsung kesan yang dirasakan saat berbelanja, sedangkan minimarket dan pusat perbelanjaan harus mengetahui tingkat kepuasan pelanggan untuk meningkatkan strategi penjualan. Penelitian-penelitian untuk menyelesaikan masalah tersebut masih jarang dilakukan. Oleh karena itu, salah satu peran komputasi cerdas adalah untuk menyelesaikan masalah tersebut menggunakan Support Vector Machine (SVM). Tujuan penelitian ini yaitu untuk meningkatkan akurasi dari pengenalan ekspresi wajah pelanggan minimarket melalui perbaikan preprocessing. Hasil penerapan metode otsu dan fungsi gaussian dapat digunakan untuk tahapan preprocessing melalui threshold image yang memiliki kualitas gambar yang baik. Metode otsu-gaussian tidak efektif digunakan untuk preprocessing data yang bersumber dari video atau image dengan kualitas gambar yang kurang baik, sehingga menyulitkan proses pengenalan wajah.

Tanaman Kakao merupakan salah satu komoditi ekspor non migas yang memiliki prospek cukup cerah, disamping permintaan dalam negeri juga semakin kuat dengan semakin berkembangnya sektor agroindustri. Namun karena masih banyaknya masyarakat yang awam atau kurang mengerti akan penyakit tanaman kakao dan cara mengatasinya, maka peneliti berinisiatif untuk membantu permasalahan tersebut yakni dengan membuat sebuah sistem pakar yang dapat mendiagnosa penyakit tanaman kakao serta memberikan soslusi atau penanganan yang tepat terhadap penyakit yang sering menyusahkan para petani kakao di desa Makarti Jaya. Pada penelitian ini penulis mencoba merancang aplikasi diagnosa penyakit Tanaman Kakao. Aplikasi diagnosa penyakit tanaman kakao ini pembuatanya menggunakan metode CBR. Implementasi aplikasi diagnosa penyakit tanaman kakao ini menggunakan bahasa pemrograman PHP ( PHP : Hypertext Preprocessor) dan Basis Data MySQL. Metode yang digunakan dalam penelitian ini adalah Metode Penelitian Deskriptif dengan tahap-tahap penelitian yang dimulai dari: tahap analisis, desain, konstruksi, pengujian, implementasi, evaluasi, dan pemeliharaan. Metode pengujian sistem yang digunakan adalah White Box Testing dan Black Box Testing. Pada metode White Box Testing, berdasarkan hasil penelitian dibuat flowchart dan flowgraph dari data yang diperoleh. Flowchart yang diuji yaitu proses diagnosa. Dari hasil perhitungan menggunakan metode White Box Testing, diperoleh nilai hasil perhitungan yang telah memenuhi persyaratan dari segi kelayakan software. Sedangkan dari hasil pengujian menggunakan metode Black Box Testing, diperoleh nilai untuk mengukur tingkat kemudahan, kecepatan informasi, serta ketepatan data guna memenuhi syarat kelayakan dalam penerapan sistem. Hasil pengujian menggunakan metode White Box Testing adalah dengan nilai Cyclomatic Complexity = 8, maka dapat disimpulkan bahwa logika program benar dan dapat digunakan.