Indonesia merupakan negara agraris yang banyak ditanami tumbuhan salah satunya yaitu tanaman kopi. Dalam budidaya tanaman kopi terdapat halangan seperti hama dan cuaca ekstrim yang bisa membuat tanaman layu atau terkena penyakit. Dengan kemajuan teknologi yang pesat di masa kini, banyak sistem yang membantu para petani untuk membantu mengidentifikasi penyakit pada daun kopi. Sistem ini menggunakan teknologi salah satu arsitektur Convolutional Neural Network, yaitu ResNet-50 untuk mengidentifikasi dan mengklasifikasi penyakit pada daun kopi robusta. Dalam melatih model ResNet-50 diperlukan proses pelatihan dan validasi model yang kemudian model yang telah dilatih akan dilakukan pengujian. Pengujian model akan digunakan untuk mengukur kinerja model yang akan dihitung dengan menggunakan Confusion Matrix yang variabel output nya akan digunakan untuk menghitung Akurasi, presisi, recall, Spesifisitas, dan F1 Score. Penelitian ini akan berfokus pada perhitungan nilai kinerja akurasi dan F1 Score dari model tersebut. Penelitian dilakukan dengan dua kasus yaitu binary class dan multiclass dimana binary class untuk mengklasifikasi gambar daun kopi robusta sehat dan sakit dan multiclass untuk mengklasifikasikan gambar daun kopi robusta pada setiap jenis kategori dari daun yang berpenyakit dan sehat. Hasil dari penelitian menunjukan pada kasus binary class mencapai akurasi 92,68% dan f1-score mencapai 92,88%, sedangkan pada kasus multiclass akurasi hanya mencapai 88,98% dan f1-score mencapai 88,44%. Kedua kasus tersebut diukur menggunakan data testing dengan model yang telah dilatih.

Visualization of data is the appearance of data in a pictographic or graphical form. This form facilitates top management to understand the data visually and get the messages of difficult concepts or identify new patterns. The approach of the personal understanding to handle data; applying diagrams or graphs to reflect vast volumes of complex data is more comfortable than presenting over tables or statements. In this study, we conduct data processing and data visualization for crime report data that occurred in the city of Los Angeles in the range of 2010 to 2017 using R language. The research methodology follows five steps, namely: variables identification, data pre-processing, univariate analysis, bivariate analysis, and multivariate analysis. This paper analyses data related to crime variables, time of occurrence, victims, type of crime, weapons used, distribution, and trends of crime, and the relationship between these variables. As the result shows, by using those methods, we can gain insights, understandings, new patterns, and do visual analytics from the existing data. The variations of crime variables presented in this paper are only a few of the many variations that can be made. Other variations can be performed to get more insights, understandings, and new patterns from the existing data. The methods can be performed on other types of data as well.

Pandemi COVID-19 mengubah berbagai macam pelaksanaan kegiatan, termasuk kegiatan pelatihan yang saat ini sering diselengarakan dengan pembelajaran online. Pelatihan pengembangan web merupakan salah satu kegiatan pelatihan yang dilaksanakan dengan standar SKKNI yang diperlukan pada era digital. Pelatihan pengembangan web ini dilakukan oleh penyelenggara dan bekerja sama dengan mitra perguruan tinggi, dimana salah satunya adalah Jurusan Teknik Komputer & Informatika Politeknik Negeri Bandung (JTK POLBAN). Pelatihan dibagi menjadi 5 macam kegiatan yaitu, persiapan, pre-test, pelaksanaan, post-test dan evaluasi. Pelatihan ini dilakukan dengan berbagai metode pembelajaran yang kemudian diukur Efektivitasnya menggunakan nilai pre-test dan post-test. Berdasarkan hasil pengukuran melalui kuesioner diketahui bahwa yang paling mempengaruhi penguasaan materi adalah Project Based Learning (PjBL). Efektivitas pembelajaran untuk pelatihan pengembangan web menggunakan PjBL secara online dinilai kurang efektif, hal ini dikarenakan hanya terdapat peningkatan nilai sebesar 4,81% dari pre-test terhadap post-test. Pelaksanaan pelatihan secara online ini juga mengalami penurunan jumlah peserta sebesar 65,91%, hal ini dipengaruhi oleh berbagai faktor penghambat yang dihadapi peserta seperti teknologi, psikologis, keuangan, manajemen waktu, dan keseimbangan antara kegiatan sehari-hari dengan pendidikan. Peningkatan efektivitas pembelajaran dapat dilakukan dengan cara memadatkan jadwal pelaksanaan yang menyesuaikan dengan daya tahan dari peserta yang berasal dari generasi Z / iGen.