Perkembangan teknologi yang pesat khususnya di bidang teknologi informasi telah memberi banyak dampak positif dan kemudahan dalam berbagai aspek. Pegawai dalam sebuah perusahaan haruslah memiliki dan memenuhi standar yang ditetapkan oleh perusahaannya. Maka kualitas karyawan didalam perusahaan juga harus diperhatikan, baik dari segi efektifitas karyawan dalam bekerja maupun evaluasi yang harus dilakukan untuk masa depan. Permasalahan yang terjadi dalam pemilihan karyawan teladan pada PT. Aerotrans Services Indonesia adalah belum adanya suatu aplikasi untuk pemilihan karyawan teladan. Oleh karena itu dibutuhkan suatu aplikasi sistem pendukung keputusan yang dapat mengangkat suatu kasus untuk menilai kinerja karyawan berdasarkan kriteria yang telah ditentukan perusahaan. Rumusan masalah yang akan dibahas adalah belum ada rekomendasi pendukung untuk sistem pendukung keputusan yang dijadikan sebagai alat bantu Manager HRD dalam menentukan pemilihan karyawan teladan. Metode yang digunakan untuk pemilihan karyawan teladan adalah metode Simple Additive Weighting (SAW) dan Technique for Order by Similarity to Ideal Solution (TOPSIS). Tujuan dari penelitian ini adalah bagaimana mengembangkan model Sistem Penunjang Keputusan dengan metode SAW dan TOPSIS terhadap penentuan karyawan teladan. Dari hasil uji sistem oleh user untuk 4 (empat) karakteristik yaitu Functionality, Reability, Usability, dan Efficiency. Rata-rata nilai menunjukkan 78,02%.

AbstrakPerusahaan industri manufaktur harus dapat menjaga kualitas dari setiap produk yang diproduksi, termasuk perusahaan industri manufaktur yang memproduksi ubin keramik. Selama beberapa tahun, inspeksi visual secara otomatis sudah diterapkan untuk menentukan kualitas ubin keramik yang diproduksi. Sulitnya mendeteksi ubin keramik yang cacat bisa berdampak pada menurunnya kualitas hasil produksi, menurunnya tingkat kepercayaan konsumen, dan penurunan laba bagi perusahaan. Masalah yang dibahas di dalam penelitian ini adalah bagaimana mendeteksi ubin keramik yang cacat sehingga model yang dibangun dapat meningkatkan akurasi untuk mendeteksi ubin keramik yang cacat. Langkah penyelesaian masalah ini adalah dengan mengumpulkan data berupa citra dari ubin keramik, kemudian data citra dilakukan preprocessing menggunakan Median Filtering untuk menghilangkan noise salt and paper dan Teknik Morfologi untuk memperbaiki hasil segmentasi citra. Setelah dilakukan preprocessing, data citra diekstraksi ciri berdasarkan tekstur dengan menggunakan metode Gray Level Co-occurrence Matrix (GLCM) yang dilanjutkan dengan mengklasifikasikan data citra menggunakan metode K-Nearest Neighbor (KNN). Hasil dari penelitian ini adalah model yang dibangun menggunakan metode K-Nearest Neighbor dapat meningkatkan akurasi untuk mendeteksi kecacatan pada ubin keramik dengan nilai akurasi sebesar 98.9474% untuk k = 3. Kata kunci-Digital Image Processing¸ Median Filtering, Teknik Morfologi, GLCM dan KNN AbstractManufacturing industry companies must be able to maintain the quality of each product produced, including manufacturing companies that produce ceramic tiles. For several years, automatic visual inspection has been applied to determine the quality of ceramic tiles produced. The difficulty of detecting defective ceramic tiles can have an impact on decreasing the quality of production, decreasing the level of consumer confidence, and decreasing profits for the company. The problem discussed in this research is how to defect detection of ceramic tiles so that the model built can improve accuracy to defect detection of ceramic tiles. The solution to this problem is to collect data in the form of ceramic tiles images, then preprocessing images data using Median Filtering to eliminate salt and paper noise and Morphological Techniques to improve images segmentation results. After preprocessing, texture image extraction data is based on texture using the Gray Level Co-occurrence Matrix (GLCM) method which is continued by classifying images data using the K-Nearest Neighbor (KNN) method. The results of this research are models that are built using the K-Nearest Neighbor method can improve accuracy to defect detection of ceramic tiles with an accuracy value of 98.9474% for k=3.

Lecturers are professional educators and scientists with the main task of transforming, developing, and disseminating science, technology, and art through education, research, and community service. The problem in this research is that the process of selecting the best thesis lecturer is still subjective without considering the criteria and weighting factors and is also done manually resulting in the selection process being less effective and efficient. The method used in this research is the Composite Performance Index (CPI). Methods of data collection techniques by means of observation, interviews, documentation. From this research, the result is that the CPI method can help in selecting the best thesis supervisor and also the first rank is A6 with a value of 500, the second rank is A4 with a value of 470, and the third rank is A2 with a value of 445.

The form of computer network connection can be via cable or wireless such as fiber optic, microwave, wireless, or satellite. One type of computer network that is often used to connect personal computers and workstations in an office or an organization, company or factory for the use of shared resources is a local area network. The purpose of this research is to analyze, design and create an application that can detect damage to Local Area Network (LAN) networks. The research method used is backward chaining. The results of this study are applications that can detect damage to local area networks using the web-based backward chaining method. With this expert system application, it can speed up and make it easier to detect damage to Local Area Network networks.

No abstract