Abstrak-Sistem pendukung keputusan didefinisikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi situasi tertentu. Sistem pendukung keputusan dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. Penentuan supplier merupakan kegiatan strategis, terutama apabila supplier tersebut akan memasok item yang penting dan akan digunakan dalam jangka panjang. Untuk mendapatkan bahan baku yang efektif dan efisien maka Megah Gracindo Jaya harus melakukan pemilihan supplier yang handal sesuai dengan kriteria yang dibutuhkann oleh perusahaan. Salah satu metode dalam pemilihan keputusan dalah metode Multi-Objective Optimization by Ratio Analysis Atau biasa disingkat dengan metode MOORA. Metode MOORA adalah metode yang memiliki perhitungan dengan kalkulasi yang minimum dan sangat sederhana. Dari penelitian yang dilakukan dengan metode MOORA didapatkan bahwa A3 adalah supplier yang paling tepat.

Prediction is a process for estimating how many needs will be in the future. This study aims to predict the amount of beef production by province. Beef is one source of protein which is also a high value comodities. Meat production in Indonesia in general tends to increase by around 2.76% per year. But along with the increase in beef production in Indonesia, the level of meat consumption in Indonesia tends to fluctuate in recent years. Imports are the most common step taken by the government to meet domestic beef needs. By using the Artificial Neural Network and backpropagation algorithm, it will be predicted the amount of beef production based on the province in order to determine the steps to meet domestic beef demand based on the amount of beef consumption in the community. This study uses 11 input variables, namely data from 2005 to 2016 with 1 target, data of 2017. Using 5 architectural models to test the data to be used for prediction, the 11-4-1 model, 11-8-1 , 11-18-1, 11-20-1 and 11-28-1. Obtained the results of the best architectural model is the 11-28-1 architectural model with truth accuracy of 100%, the number of epochs 15 and MSE is 0.008623197. This model will be used in predicting the amount of beef production by province.Keywords : Beef production, prediction, backpropagatin, Artificial Neural Network

Peran usaha mikro dan kecil di Indonesia yaitu sebagai dasar pondasi pembangunan nasional. Usaha industri mikro dan kecil merupakan motor inovasi dan pertumbuhan ekonomi nasional mengingat bahwa usaha mikro dan kecil adalah penyedia lapangan kerja utama serta memberikan kontribusi dalam pembentukan PDB nasional. Kontribusi sektor usaha mikro, kecil, dan menengah terhadap produk domestik bruto meningkat dari 57,84 persen menjadi 60,34 persen dalam lima tahun terakhir. Serapan tenaga kerja pada sektor ini juga meningkat, dari 96,99 persen menjadi 97,22 persen pada periode yang sama. Penelitian ini berguna untuk memberikan gambaran tentang keadaan dimasa mendatang sehingga dapat menjadi sebuah tolak ukur kepada pemerintah untuk menciptakan tindakan-tindakan lebih yang dapat meningkatkan perekonomian nasional. Adapun metode yang akan digunakan dalam penelitian ini adalah Jaringan Syaraf Tiruan (JST) . Dalam JST terdapat teknik peramalan yang dapat digunakan untuk melakukan prediksi yaitu backpropogation. Data yang digunakan adalah data Pertumbuhan Industri Mikro dan Kecil berdasrkan Provinsi tahun 2012 sampai tahun 2017 yang didapatkan dari Badan Pusat Statistik Nasional (online: bps.go.id). Di gunakan 5 model arsitektur Jaringan Syaraf Tiruan yaitu 5-10-1, 5-12-1, 5-14-1, 5-16-1 dan 5-18-1. Didapatkan hasil terbaik yaitu model arsitektur 5-14-1 dengan akurasi kebenaran 100% dan MSE 0.0009999984 yang kemudian digunakan untuk prediksi.

<p><em>The problem of poverty is one of the fundamental issues that becomes the center of attention of the Government in any country. In an effort to realize the provisions as stipulated in Article 28A of the 1945 Constitution of the State of the Republic of Indonesia which affirms that every person has the right to live and has the right to maintain his life and life, the GOI has established a poverty reduction program as a priority program. The primary target of poverty is mostly in urban areas, because the large number of residents who do transmigration to improve the economy but failed to get results. This study contributes to the government to predict the per capita opinion of urban communities according to the poverty line based on the province in the future. The data used is data from the National Statistics Agency through the website www.bps.go.id. The data is data on per capita income of urban communities on poverty line by province in 2013 semester 2 until 2016 semester 2. Algorithm used in this research is Artificial Neural Network with Backpropogation method. The input variables are data of year 2014 semester (X1), data of 2014 semester 1 (X2), data of 2014 semester 2 (X3), data of 2015 semester 1 (X4), data of 2015 semester 2 ( X5) and data of 2016 semester 1 (X6) with architectural model of training and testing as much as 4 architecture that is 6-2-1, 6-6-1, 6-3-2-1 and 6-2-3-1. The output generated is the best pattern of the ANN architecture. The best architectural model is 6-3-2-1 with epoch 1190, MSE 0,0102524619 and 100% accuracy rate. From this model, the prediction of per capita income of urban community on the poverty line is based on the provinces of each province in Indonesia.</em></p><p><em><strong>Keywords</strong>: Income Per Capita, ANN, Backpropogation and Prediction</em></p><p><em>Masalah kemiskinan merupakan salah satu persoalan mendasar yang menjadi pusat perhatian Pemerintah di negara manapun. Dalam Upaya mewujudkan ketentuan sebagaimana ditetapkan Pasal 28A Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 yang menegaskan bahwa setiap orang berhak untuk hidup serta berhak mempertahankan hidup dan kehidupannya, maka Pemerintah Indonesia telah menetapkan program penanggulangan kemiskinan sebagai program prioritas. Sasaran primer kemiskinan mayoritas lebih banyak terdapat di perkotaan, sebab banyaknya para penduduk yang melakukan transmigrasi guna memperbaiki perekonomian namun malah gagal mendapatkan hasil. Penelitian ini memberikan kontribusi bagi pemerintah untuk dapat memprediksi pendapat perkapita masyarakat perkotaan menurut garis kemiskinan berdasarkan propinsi ke depan. Data yang digunakan adalah data dari Badan Statistik Nasional melalui website www.bps.go.id. Data tersebut adalah data pendapatan perkapita masyarakat perkotaan pada garis kemiskinan berdasarkan propinsi tahun 2013 semster 2 sampai dengan tahun 2016 semester 2. Algoritma yang digunakan pada penelitian ini adalah Jaringan Saraf Tiruan dengan metode Backpropogation. Variabel masukan (input) yang digunakan adalah data tahun 2013 semester 2(X1), data tahun 2014 semester 1(X2), data tahun 2014 semester 2(X3), data tahun 2015 semester 1(X4), data tahun 2015 semester 2(X5) dan data tahun 2016 semester 1(X6) dengan model arsitektur pelatihan dan pengujian sebanyak 4 arsitektur yakni 6-2-1, 6-6-1, 6-3-2-1 dan 6-2-3-1. Data target diambil dari data tahun 2016 semster 2. Keluaran yang dihasilkan adalah pola terbaik dari arsitektur JST. Model arsitektur terbaik adalah 6-3-2-1 dengan epoch 1190, MSE 0,0102524619 dan tingkat akurasi 100%. Dari model ini maka dihasilkan prediksi pendapatan perkapita masyarakat perkotaan pada garis kemisikinan berdasarkan propinsi dari masing-masing propinsi di Indonesia.</em></p><p><em><strong>Kata Kunci</strong>: Pendapata Perkapita, JST, Backpropogation dan Prediksi</em></p>

Abstrak: Building information modelling (BIM) merupakan teknologi pada bidang AEC (Architecture, Engineerin and Construction) yang mensimulasikan seluruh informasi di dalam pembangunan ke dalam model 3 Dimensi. Penerapan BIM di Indonesia telah diterapkan oleh sejumlah sektor besar industri konstruksi, Bagaimana pemodelan dan hasil dari schedule Architectur, Structural dan Electrical dari Software OpenBuildings Designer Bab ini mencakup metode pengumpulan data dan menyajikan diagram alir untuk mempersiapkan tugas akhir,Data Sekunder,Teknik Pengumpulan Data, StudiDokumen, Metode penelitian ini menggunakan sistem building information modeling. Langkah-langkah analisis yang diambil untuk melaksanakan uraian di atas sesuai dengan metode yang ditetapkan openbuildings designer menghasilkan 3D dimensi  model, beserta schedule dari arsitectural,strucural,dan electrical, Kesimpulan yang saya dapat dari penelitian yang berjudul Implementasi building information modeling pada Gedung  Rumah Qur’an Uwais Al Qarni Mendalo Jambi adalah : 1. Openbuildings designer dapat di gunakan untuk memastikan bahwa keputusan desain yang di buat memiliki dampak yang baik di masa depan melalui perubahan dan stabilitas. 2. Openbuildings designer dapat menghasilkan schedule dari pemodelan Architectur, structural dan Electrical.Kata kunci : Building Information Modeling (BIM), OpenBuildings Designer, pemodelan Architectural, pemodelan Struktural, pemodelan Electrical