This study aims to conduct a review of Smart city literature specifically related to Smart city indicators from various cross-studies. The method used is a systematic literature review consisting of five stages, namely defining eligibility criteria; define the source of information; literature selection; data collection and item selection with synthesis techniques. The results of the study showed a set of indicators consisting of 43 indicators classified into 8 categories of Smart City. Smart city indicators and categories are contributions from this research to fill the literature gap theoretically and help cities monitor their performance overtime.

ABSTRAKMetode ekstraksi peptida terlarut pada produk kedelai dan fermentasi kedelai sangat bervariasi. Penelitian ini dilakukan untuk menganalisa sifat kelarutan peptida dengan berat molekul kecil pada sampel tempe yang diambil dari dua jenis kedelai (GMO dan non-GMO) serta dua jenis perlakuan (perebusan dan tanpa perebusan) yang berbeda. Pelarut yang digunakan meliputi air dan pelarut organik yang umum digunakan dalam ekstraksi peptida kedelai dan produk memberikan tingkat kelarutan peptida tempe kedelai lebih baik dibanding pelarut air (p < 0,05). Penambahan asam peptida terlarut hingga 1,522 mM (31,7%). Tempe GMO menunjukkan kelarutan peptida lebih tinggi dibanding non-GMO sedangkan proses perebusan juga diketahui mempunyai tingkat kelarutan yang lebih tinggi dibanding tempe tanpa perebusan.Kata kunci: Asetonitrile; kelarutan; peptida; tempe; ABSTRACTThere are various methods exist to extract soluble peptide from soybean and its fermented products. This study was aimed to evaluate the solubility of low molecular weight peptide of tempe from two types of bean (GMO and non-GMO soybean) and two different treatment (boiling and non-boiling). The solvents used were water and organic solvents which commonly used as solvents for soy-fermented product. The result showed that acetonitrile (A): water (W): p < 0.05). The addition of GMO tempe showed the higher content of peptide recovery compared with non-GMO tempe, while boiled tempe also gave higher peptide recovery than non-boiled tempe. Keywords PENDAHULUANTempe merupakan salah satu pangan produk fermentasi kedelai (Glycine max L.) berasal dari Indonesia yang saat ini sudah dikenal luas didunia. Pada perkembangannya, tempe bisa diproduksi menggunakan berbagai jenis kacang seperti kacang koro benguk (Mucuna pruriens L.D.C. var. utilis), gude (Cajanus cajan), lupin (Lupinus angustifolius), kacang merah (Phaseolus vulgaris) dan jenis lainnya, namun kedelai merupakan jenis bahan baku yang paling populer dikarenakan

Supplier merupakan peran penting dalam bisnis yang bekerjasama dalam proses ketersediaan obat. Apotek Pusaka Arta merupakan salah satu apotek swasta dibawah naungan Koperasi Pegawai Perum Peruri, yang bergerak di bidang farmasi, dalam proses pengadaan obat-obatan pihak Apotek Pusaka Arta memiliki banyak supplier. Proses pemilihan supplier yang tidak mudah dan kurang tepat akan berdampak pada ketersediaan obat. Dalam menentukan supplier, Apotek Pusaka Arta hanya berdasarkan pada diskon yang ditawarkan dan pengiriman yang cepat sehingga proses pemilihan supplier tidak mudah dan juga penyimpanan yang dilakukan untuk menyimpan data supplier kurang memadai. Masalah dalam memenuhi pesanan obat (order) yang dapat merugikan apotek, seperti jumlah obat yang dikirim tidak sesuai dengan pesanan, adanya kemasan yang rusak ,dan tanggal kadaluarsa yang dekat. Penelitian ini bertujuan untuk mengembangkan sebuah sistem penunjang keputusan supplier terbaik menggunakan metode Analytical Hierachy Process (AHP) dan Simple Additive Weighting (SAW). Hasil dari penelitian ini nilai bobot pada kriteria kemasan (0,1051), tanggal kadaluarsa (0,1619), waktu pengiriman (0,1127), jumlah kirim (0,2254), diskon (0,1932), tempo pembayaran (0,2017), dengan hasil uji consistensi ratio sebesar 0,0536. Sistem penunjang keputusan penentuan supplier terbaik yang dirancang dapat membantu dalam melakukan penilaian supplier terbaik yang lebih mudah, dan cepat.

Supplier memiliki peran yang penting baik perusahaan ataupun individu karena Supplier menyediakan bahan baku. Sehingga dibutuhkannya perhitungan supaya perusahaan memperoleh Supplier sesuai dengan kebutuhan dan mendapatkan hasil terbaik agar tidak adanya terjadi kesalahan pada pemilihan Supplier karena akan mendapatkan dampak terhadap perusahaan. CV.Asaka Prima mencetak buku sehingga memerlukan Supplier bahan baku kertas. Penelitian ini bertujuan untuk memilih Supplier bahan baku kertas pada CV. Asaka Prima dengan menggunakan model kriteria Quality, Cost, Delivery, Flexibility, Responsiveness (QCDFR). Pengambilan data dilakukan dengan memberikan kuisioner kepada pemilik CV. Asaka Prima. CV.Asaka Prima belum memiliki metode perhitungan untuk memilih supplier yang tepat dan sesuai kriteria dan subkriteria.sehingga mendapatkan alternatif yang tepat maka dipilihnya metode Analytical Hierarchy Process (AHP) agar dapat menemukan bobot kriteria dan subkriteria. Sistem penunjang keputusan ini dibuat dengan menggunakan MySql sebagai database dan PHP sebagai tool.

Works distribution is a routine carried out every day by the head of the branch in the SHARP Service Center. The accuracy of the labor division is very important to get customer satisfaction. Inappropriate work distribution can increase complaints from customers. Currently, works distribution in SHARP Service Center is carried out manually, where the works received on the selected system is then shared through the document provided. Time taken for this process is about 1.42 minutes on average for each damage reports. Speed of Service also depends on the Head of Department's expertise and experience. In this study, an automatic system based on Machine Learning will be designed for the technicians work distribution by using a combination of k Nearest Neighbor (k-NN) and Naïve Bayes. Naïve Bayes algorithm is used to improve the feature extraction accuracy by considering the feature below the average (α). Meanwhile, k-NN algorithm is used to classify the experimental data. From the study, it is found that the best of k value for k-NN algorithm is 15. It is known that a high number of accuracy values, the labor distribution can be more accurate. The validation of the proposed method is conducted by using a confusion matrix with a composition of 80% training data and 20% test data. The single Classifier test with the Naïve Bayes algorithm produces the highest accuracy value of 72.7%, while using k-NN algorithm is 81.5%. With a combination of Naive , ,