Penggunaan algoritma C4.5, K-Nearest Neighbours (KNN), Naive Bayes, dan SVM dapat digunakan mengestimasi lulus tidaknya mahasiswa. Hanya saja metode tersebut tidak bisa mengestimasi sisa kekurangan satuan kredit semester (SKS) yang ditempuh mahasiswa. Penulis mengusulkan menggunakan komparasi single exponential smoothing dan brown-additive exponential smooting untuk menganalisa kelulusan mahasiswa untuk estimasi SKS yang akan mereka tempuh. Data series berupa total SKS lulus pada indeks prestasi semester dengan mempertimbangkan data yang dipastikan mahasiswa telah lulus. Penggunaan exponential smoothing dengan model additive tren menunjukkan hasil lebih baik daripada model single. Model tren diuji pada semua mahasiswa yang telah lulus mulai angkatan 2010 sampai dengan 2015 berjumlah 759. Pengujian terbaik menggunakan MAE terjadi pada model ES tren dengan parameter alfa 0,75 dan parameter beta 0,5 dengan selisih ketidakakuratan estimasi pengambilan SKS semester berikutnya sebesar 0,36 SKS.

Kasus pemilihan presiden tahun 2019 menyisakan duka meninggalnya beberapa KPPS karena faktor kelelahan. Petugas di tps melakukan kegiatan penghitungan hasil pemilihan dan antri untuk menyerahkan dokumen di kelurahan atau kecamatan. Kegiatan paska penghitungan bisa kita pangkas untuk meringankan beban mereka. Peneliti mengusulkan penggunaan aplikasi mobile untuk mengurangi antrian di kelurahan/kecamatan. Masalah berikutnya adalah faktor keamanan atau kepercayaan pengguna mobile setelah data tiba di database kelurahan. Pada kasus ini peneliti menggunakan konsep blockchain. Blockchain menggunakan kunci hash untuk mengenkripsi satu blok data. Satu blok data berisi satu data penuh C1. Disamping menggunakan hash, maka proof of work di dalam blockchain menggunakan nonce. Nonce ini berfungsi untuk memperlambat proses chaining ulang. Sehingga dengan demikian data tidak dapat dilakukan perubahan ulang. Pengujian dilakukan dengan dua cara yaitu input hingga menampikan di sisi kecamatan. Kemudian proof of work pada rantai blokchain.