Indonesia dikenal sebagai negara maritim atau kepulauan terbesar di dunia dengan dua per tiga dari luas wilayah Indonesia adalah laut. Sumber daya kelautan dan perikanan Indonesia diperkirakan bernilai US$ 136,5 milyar. Guna meningkatkan nilai ekonomi sumber daya kelautan perlu dirumuskan strategi pengelolaan dengan mengintegrasikan teknologi informasi. Adapun tujuan dari penelitian ini adalah perancangan Sistem Informasi Geografi Zona Potensi Kelautan daerah Kabupaten Gunungkidul, Daerah Istimewa Yogyakarta (DIY) berbasis web sehingga memudahkan  pemerintah setempat dalam mengelola informasi tentang potensi pariwisata, pertanian, dan perikanan, dan memudahkan masyarakat umum dalam mencari informasi tentang potensi kelautan di daerah Kabupaten Gunungkidul. Hasil dari penelitian ini adalah web sistem informasi geografi zona potensi kelautan dengan framework CodeIgniter dengan teknologi HMVC (Hierarchical Model View Controller)  dan menggunakan servis dari Google Maps API. Aplikasi ini menggunakan format JSON dalam pertukaran data karena memudahkan pengembang dalam mengembangkan aplikasi ke lintas platform.

Master Store is one of the main systems that governs store data contained in PT XYZ, the master store system is still running and works with Monolithic architecture which requires that every new and old application PT XYZ must duplicate the master store database, this can cause weakening and database performance decreases over time. Making Master Store Application Programming Interface aims to change the architecture currently used into Microservices where the Master Store system can then be used continuously by other applications and make it easier for developers to build new applications using the master store database without fear of a decline in the master store database.. The design of this API uses the Python programming language because it is a safe and simple programming language, Flask framework, REST communication standards, and ORM methods. ORM method was chosen because the security system is better compared to native queries in general, especially because of the process and development of ORM methods based on previous research. The results this study are the dynamic Master Store API that provides store data response, based on what PT XYZ developers need for applications and programs that are built.

Abstract. Java Island is also an island with a high frequency of landslide natural disaster. Various efforts have been made to minimize the disaster risk, including the model compilation of early disaster detection at the areas with landslide potential. This research aims to develop an early warning model for landslide potential areas using Spatial Autocorrelation combined with Machine Learning Algorithm based on attributes of landslide causes. The first step is to classify areas in Java Island into a landslide hotspot and landslide coldspot using spatial autocorrelation G * algorithm. This algorithm revealed 124 polygons of sub-district in Java as landslide hotspots. The next step is building machine learning model using C5.0 method for hotspot and coldspot areas. In this research, we utilize landslide-causing attributes i.e. rainfall, land cover, area slope, soil type, and land movement. The hotspot model showed that landslide distribution focuses on land cover attributes. Meanwhile, for the coldspot area model, there is no focus of landslide distribution on one attribute. Furthermore, the accuracy level of hotspot model are 84.61% and 71.66% for coldspot model. Keywords: Landslide, Machine Learning, Spatial Autocorrelation, C5.0, G*.Abstrak. Pulau Jawa merupakan pulau dengan frekuensi bencana alam tanah longsor yang tinggi. Untuk meminimalkan resiko bencana, dilakukan penyusunan model komputasi deteksi dini daerah potensi longsor. Tujuan dari penelitian ini adalah membangun model deteksi daerah potensi longsor menggunakan Spatial Autocorrelation yang dikombinasikan dengan algoritma Machine Learning berbasis data variabel-variabel pemicu longsor. Tahap pertama yang dilakukan adalah mengklasifikasikan daerah-daerah di Pulau Jawa sebagai daerah hotspot longsor dan coldspot longsor menggunakan algoritma spatial autocorrelation G*. Dihasilkan 124 poligon kecamatan di pulau Jawa sebagai daerah hotspot longsor. Setelah diklasifikasikan, dibangun model machine learning menggunakan metode C5.0. Atribut-atribut pemicu longsor yang digunakan untuk membangun machine learning adalah curah hujan, tutupan lahan, kelerengan, jenis tanah, dan gerakan tanah. Hasil yang diperoleh dari model hotspot terlihat distribusi longsor memusat pada atribut tutupan lahan dan menghasilkan akurasi model 84.61%. Untuk model coldspot area tidak terlihat adanya pemusatan pada satu atribut pemicu longsor, akurasi untuk model ini adalah 71.66%. Kata Kunci: Longsor, Machine Learning, Spatial Autocorrelation, C5.0, G*.

PT XYZ adalah perusahaan di Indonesia yang bergerak dalam bidang retail yang memiliki lebih dari 14.300 toko serta 32 cabang atau warehouse. Masalah muncul ketika cabang telah menentukan harga dari suatu barang dan harga barang harus disebarkan ke setiap toko. Harga dari suatu barang akan selalu berubah karena adanya promo dan diskon yang memiliki masa periode nya sendiri, sehingga diperlukan penyebaran harga ke toko secara real-time. Selain itu, dengan jutaan transaksi tiap harinya mengakibatkan pertumbuhan data yang sangat cepat dan memerlukan penyimpanan yang besar. Modul aplikasi digunakan untuk mendistribusikan harga yang telah ditetapkan ke setiap toko dengan cepat dan tepat. Pengembangan sistem ini menggunakan Framework Flask dengan bahasa pemrograman Python. Flask memudahkan dalam pengembangan sistem karena penggunaannya yang sederhana. Pengembang bisa menentukan sendiri library yang akan akan digunakan, sehingga sistem yang dibuat menjadi lebih ringan. Flask memiliki package flask-sqlalchemy bind yang dapat dengan mudah melakukan distribusi data ke database yang sesuai. Hasil dari penelitian ini adalah sebuah modul aplikasi distribusi harga yang kemudian diimplementasikan menggunakan bahasa pemrograman Python dan Framework Flask.

Indonesia is the biggest maritime country that has big marine resources too. It needed a good strategy so the marine resource usage can be managed well. Now, it can be helped by using information technology. The purpose of this research is to create a Geographic Information System for knowing potential marine resources in Daerah Istimewa Yogyakarta Coast. Geographic Information System was chosen because it can run well in Android devices by using a Google Map API which is already provided by Google itself. Also, by implement it in Android makes the application have great mobility and makes it easier to be accessed by users. The result of this paper is a Geographic Information System that will runs on Android devices. The test results show 82,93% of users already satisfied with this application. It indicates that this application is in a "Very Good" category.