Menurut ILO, setiap tahun ada lebih dari 250 juta kecelakaan di tempat kerja. Penyebab kecelakaan sebanyak 80% dikarenakan kelalaian yang dilakukan oleh pekerja yaitu perilaku tidak aman seperti tidak memakai APD. Perlunya pengawasan terhadap pekerja merupakan hal penting dalam mengurangi kecelakaan kerja. Namun pengawasan tersebut masih manual, sehingga akan memakan waktu lama. Metode yang dapat digunakan untuk pengenalan objek pada citra helmet dan vest keselamatan adalah deeplearning. YOLOv2 merupakan salah satu model deep learning yang dapat digunakan untuk pengenalan objek. Mengingatnya permasalahan tersebut, maka perlu dibuat sistem deteksi helmet dan vest secara realtime berbasis web flask. Tahapan pada penelitian ini diantara lain data acquisition atau pengumpulan data citra. selanjutnya data exprolation atau anotasi data citra, selanjutnya dilakukan Modelling atau training data, dan proses terakhir yaitu deployment menggunakan flask. sistem yang telah dibuat berhasil mendeteksi tidak menggunakan helmet dan vest keselamatan dengan bounding box merah dan menggunakan helmet dan vest keselamatan dengan bounding box hijau dengan akurasi rata rata 81.60% dan memiliki nilai avg loss 0.173 dan nilai validasi mAP (mean Average Precision) 76.68%

Harga emas yang fluktuatif menjadi salah satu tantangan dalam melakukan investasi. Oleh karenanya, prediksi harga emas menjadi penting untuk investor dalam mengambil keputusan investasi yang tepat. Penelitian ini bertujuan untuk melakukan prediksi harga emas menggunakan algoritma regresi linear. Harga emas diprediksi berdasarkan beberapa faktor, seperti suku bunga, inflasi, dan harga minyak. Data harga emas selama beberapa tahun diambil sebagai sampel untuk analisis. Model regresi linear dibangun berdasarkan faktor-faktor tersebut dan hasilnya dianalisis untuk menentukan akurasi prediksi. Pengumpulan data dilakukan dengan mencari data histori harga emas melalui sumber website. Data yang dikumpulkan adalah harga emas, harga minyak bumi serta nilai dolar terhadap rupiah dari tahun 2019 hingga 2023, yang masing-masing sebesar 43 data. Proses analisis data dilakukan menggunakan aplikasi RapidMiner. Hasil penelitian menunjukkan bahwa algoritma regresi linear dapat digunakan untuk memprediksi harga emas di masa depan dengan perbandingan metode evaluasi MAE sebesar 4341.140 lebih akurat dibanding menggunakan RMSE sebesar 4893.132. Variabel nilai mata uang dolar terhadap rupiah merupakan vaktor prnting yang bisa mempengaruhi pergerakan harga emas artinya menunjukkan model regresi linear dapat memberikan prediksi yang cukup akurat terhadap harga emas pada masa depan.

Introduction: The industrial era 4.0 and civil society 5.0 have changed the paradigm of culture, especially in rural communities thatnot only want innovation in sustainable rural development but in the form of administrative and non-administrative services carried outby the Village Government wanting excellent service. The community paradigm that wants everything to be on time and to fulfill the need for good service is the desire and hope of the community. So that a solution is needed from the Village Government, oneof which is the application of the intelligent village concept,which is based on Total Quality Service (TQS) and remains focused on service satisfaction for customers (village communities). Purpose: to analyze the review of the implementation of smart cities in village information systems. Methods: The method used is a qualitative research method with the research locus in several villages in the Pemalang Regency area. Results: The intelligent village concept has been appliedin several towns in the Pemalang Regency area,which is oriented to deliveringvillage information and assisting in providing services to the community. The results achieved are prettygood but require improvements in the applied management information system. Conclusion: The PemalangRegency Government utilizes rural sites/websites facilitated by PUSPINDES to develop the Pemalang area. Conduct village website management training. It usesICT for public information disclosure. Utilize ICT as a forum for village information and village promotion.

Banjir merupakan bencana alam yang sering terjadi di sejumlah wilayah Indonesia. Banjir menyebabkan kerusakan serta menggangu kegiatan perekonomian serta aktifitas masyarakat. Untuk meminimalisir dampak kerugian yang akan dialami dibutuhkan deteksi bencana banjir. Machine Learning dapat mempelajari pola data historis yang ada, sehingga dengan menggunakan metode machine learning dapat membantu dalam mengklasifikasikan ataupun mendeteksi apakah akan terjadi banjir atau tidak. Metode yang digunakan dalam penelitian ini yaitu Metode Systematic Literature Review. Metode SLR digunakan untuk mengevaluasi, mengkaji serta menafsirkan semua peneletian yang tersedia dengan topik yang menarik, dengan pertanyaan penelitian tertentu yang relevan. Dalam metode SLR dapat dilakukan review dan identifikasi jurnal secara sistematis yang setiap prosesnya mengikuti protokol yang telah dihasilkan. Hasil penelitian menunjukan bahwa Machine Learning merupakan metode yang dominan digunakan dalam mendeteksi bencana banjir.

UTD PMI Kabupaten Tegal merupakan Beberapa Bank Darah Rumah Sakit (BDRS) di Kabupaten Tegal dan sekitarnya mengandalkan sumber darah ini. Karena banyaknya permintaan darah, ada kalanya tidak tersedia cukup darah, dan di sisi lain, PMI sudah berusaha semaksimal mungkin agar masyarakat tergerak kesadaran untuk berdonor darah agar stok selalu ready. Stok aman dan tanggal pemesanan darah berikutnya agar dapat ditentukan untuk mengatasi masalah kekurangan stock. Jumlah permintaan produk darah sel darah merah dalam kurun waktu 2021 yang dikumpulkan dari database PMI dan digunakan dalam analisis ini. Dalam penelitian ini digunakan metode Continuous Review System untuk mengevaluasi dan menentukan stok yang ideal guna mencegah jumlah darah yang rusak dan dapat diketahui persediaan masing-masing golongan darah. Selain itu sekaligus menurunkan biaya persediaan. Analisa yang dipakai menggunakan service level 100% sehingga diketahui savety stok, nilai ROP, Persediaan PRC Optimal dan Persediaan Maksimum PRC dan dapat mengurangi biaya sebesar 64% atau meminimalkan aliran darah keluar biaya operasional Selain itu agar masyarakat juga tahu akan pentingnya kebutuhan darah bagi pasien yang membutuhkan untuk transfusi, Temuan studi mengarah pada pasokan terbaik stok darah.