The purpose of this research is to see how much open unemployment rate according to the highest education completed in the country of Indonesia for subsequent years through predictions used on the basis of existing data, which later as input for the government so that the government can make better policies to suppress the unemployment rate. This research uses artificial neural network application using a combination of Levenberg-Marquardt Algorithm with bipolar sigmoid function. Open unemployment data according to the highest education is sourced from the National Labor Force Survey of the Republic of Indonesia, 2013-2017 in each semester. The data processing consists of two stages where the first phase of pattern recognition and the second stage is predicted. Pattern recognition and prediction use different data from the same process that uses data training and data testing. Data Training year 2013-2015 with a target of 2016, while data testing year 2014-2016 with the target year 2017. Architectural model used there are five, among others 6-2-5-2, 6-5-6-2, 6- 5-8-2, 6-5-10-2 and 6-8-12-2. From the 5 models, it can be concluded that the best model is 6-5-10-2 with the epoch of 13 iterations, MSE in February 0.0109696004, MSE in August 0.0233797200. While the accuracy rate in February and August is the same, that is equal to 88%.

This application applies the C4.5 Algorithm to decide customer satisfaction, the C4.5 algorithm is one of the algorithms used to classify or segment, or group and it is predictive. This type of research is a classification with the concept of data mining involving 150 customers of PDAM Tirta Lihou in Totap Majawa Kab. Simalungun can be categorized as: "Satisfied and Dissatisfied". The meaning of Data Mining is an interdisciplinary subfield of computer science and statistics with the overall objective of extracting information (with intelligent methods) from data sets and converting information into understandable structures for further use. There are 5 criteria that can affect customer satisfaction, among others: Service Facilities (x1), Price Rates (x2), Smooth Water (x3), Corporate Image (x4), and Location (x5). The results of processing the C4.5 method using the RapidMiner Studio 5.3 software mean that Rapid Miner is a solution for analyzing data mining, text mining, and predictive analysis. Rapid Miner uses various descriptive and predictive techniques in providing insight to users so that they can make the best decisions with the level of accuracy, namely, class recall and class precision values, it is explained that the "Satisfied" category produces a class recall of 97.80% and a class precision of 97.80%. 98.89% and the "Not Satisfied" category resulted in a class recall of 98.31% and a class of precision of 96.67%. And the above accuracy results from the calculation of the C4.5 algorithm is 98.0%. Keywords: C4.5 Algorithm, Data Mining, Customer Satisfaction, PDAM Tirta Lihou

AbstrakPenelitian ini bertujuan : (1) untuk mengetahui apakah terdapat perbedaan yang signifikan terhadap kemampuan pemecahan masalah matematis dan motivasi belajar antara siswa yang diberi pendekatan PBM dan PMR. (2) untuk mengetahui apakah terdapat interaksi yang signifikan antara pembelajaran matematika (PBM, PMR) dengan kemampuan awal (tinggi, sedang, rendah) terhadap kemampuan pemecahan masalah matematis dan motivasi siswa. Penelitian ini merupakan penelitian eksperimen semu. Analisis data dilakukan dengan Uji analisis varian dua jalur (ANAVA). Berdasarkan hasil analisis tersebut diperoleh hasil penelitian yaitu: (1) Terdapat perbedaan yang signifikan terhadap kemampuan pemecahan masalah matematis dan motivasi belajar antara siswa yang diberi pendekatan PBM dan PMR. (2)  Tidak terdapat interaksi yang signifikan antara pembelajaran matematika (PBM, PMR) dengan kemampuan awal (tinggi, sedang, rendah) terhadap kemampuan pemecahan masalah matematis dan  motivasi belajar siswa.Kata Kunci :   Pembelajaran Berbasis Masalah, Pendidikan Matematika Realistik Kemampuan Pemecahan Masalah

Indeks Pembangunan Manusia (IPM) merupakan indikator yang sangat penting dalam mengukur keberhasilan sebuah negara dalam membangun kualitas hidup penduduk/masyarakat nya, termasuk Indonesia. Ekonomi global saat ini sedang pada titik puncak perubahan besar yang sebanding besarnya dengan munculnya revolusi industri 4.0. Penentuan peringkat atau level pembangunan dan ekonomi dari suatu wilayah atau negara dapat dilihat dari IPM. Karena begitu pentingnya Indeks Pembangunan Manusia (IPM), maka perlu dilakukan proyeksi tingkat perkembangan IPM di tahun-tahun selanjutnya, agar pemerintah Indonesia memiliki referensi dan acuan yang jelas untuk menentukan kebijakan ataupun membuat langkah-langkah strategis yang tepat agar Indeks Pembangunan Manusia (IPM) jangan sampai menurun di masa yang akan datang, bahkan meningkat pada tiap tahunnya. Data yang akan diproyeksi pada penelitian ini adalah data Indeks Pembangunan Manusia (IPM) tahun 2010-2018. Sumber data diambil dari Badan Pusat Statistik (BPS) Indonesia. Pada penelitian ini, metode proyeksi yang digunakan untuk melihat perkembangan IPM di Indonesia adalah Statistical Parabolic Projection (Trend Parabolik). Setelah dilakukan perhitungan, diperoleh selisih antara data asli IPM dengan data hasil proyeksi sangat dekat sekali, dengan tingkat MSE sebesar 0,01659. Sehingga dapat disimpulkan bahwa metode Trend Parabolik sangat baik digunakan untuk melakukan proyeksi Indeks Pembangunan Manusia. Oleh karena itu hasil penelitian ini adalah proyeksi Indeks Pembangunan Manusia (IPM) di Indonesia untuk tahun 2019 hingga tahun 2027

Pengelolaan sampah telah menjadi permasalahan dibanyak negara. Pengelolaan sampah menjadi salah satu faktor yang mempengaruhi terciptanya lingkungan yang bersih dan sehat. Sampah yang dibiarkan terlalu lama menumpuk dan pengambilan sampah yang tidak teratur menjadi masalah yang sering terjadi. Khususnya di DPRD Kota Pematangsiantar permasalahan sampah kurang menjadi perhatian dikarenakan kesibukan dan tidak terkodirnirnya proses pembuangan sampah. Disamping itu juga proses dalam pengumpulan sampah satu persatu menyebabkan pekerjaan yang tidak efektif dan efesien karena menghabiskan banyak waktu tenaga dan biaya. Oleh karena itu permasalahan yang dikaji dalam penelitian ini yaitu bagaimana cara membangun kotak sampah pintar berbasis mikrokontroller arduino yang dapat mendeteksi apakah kotak sampah telah penuh atau belum. Penelitian ini bertujuan untuk membuat perancangan berupa deteksi isi kotak sampah menggunakan sensor ultrasonik, apabila isi kotak sampah mencapai (-+) 80% maka Buzzer akan berbunyi pemberitahuan kotak sampah telah penuh kepada petugas kebersihan yang akan mengumpulkan sampah. Dan data yang dihasilkan dari deteksi kotak sampah tersebut akan disimpan di dalam penyimpanan Sd Card dalam bentuk data log yang kemudian dapat digunakan untuk bahan berbagai penelitian lanjutan, sehingga dengan adanya alat ini, staff bagian kebersihan dapat mengetahui apakah sampah sudah penuh dan sudah siap untuk di buang ke pembuangan.