Penjurusan pada siswa SMA dilakukan ketika siswa berada dikelas X. Jurusan yang ada di SMA Negeri 1 Tumpang  antara lain IPA, IPS dan Bahasa. Penjurusan berdasarkan kemampuan dan minat siswa. Penjurusan di  SMA  Negeri  1  Tumpang  memiliki  beberapa  kriteria  yaitu,  nilai  rapor,  nilai  UN,  psikotes,  angket  dan wawancara.  Keakuratan  dalam  perhitungan  kriteria  penjurusan  sangat  penting  agar  proses  penjurusan  sesuai dengan target. Dalam proses penjurusan guru BK mengalami beberapa kendala dalam mengkalkulasikan kriteriakriteria  tersebut  karena  guru  BK  masih  menggunakan  bantuan  Microsoft  Excel  dalam  mengkalkulasi  semua kriteria, sehingga dibutuhkan waktu yang lama dan ketelitian dalam proses perhitungannya. Pada  Penelitian  ini  dibuat  sebuah  Sistem  Pendukung  Keputusan  untuk  membantu  guru  BK  dalam menentukan  penjurusan  dengan  mengimplementasikan  metode  SAW  (Simple  Additive  Weighting)  dalam pengembangannya.  Sistem  ini  menggunakan  metode  SAW  karena  dalam  metode  ini  dapat  menentukan  nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternative terbaik dari sejumlah alternative. Dengan metode perangkingan tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap penilaian penjurusan tersebut. Pengujian yang dilakukan pada penelitian ini membandingkan hasil dari Sistem Pendukung Keputusan dengan  hasil  manual  selama  2  periode  tahun  ajaran.  Berdasarkan  hasil  pengujian  tersebut,  Sistem  Pendukung Keputusan memiliki keakurasian 71.0462% pada tahun 2015 dan 71.6088 % pada tahun 2014.

The administration activity in an institute is largerly done by using a paper based mailing and document as a media. Therefore, a great effort needs to be performed in the case of management and archiving, in the form of providing storage space through the categorizing system. Digitalization of document by scanning it into a digital image is one of the solution to reduce the effort to perform the work of archiving and categorizing such document. It also provide searching feature in the form of metadata, that is manually written during the digitalization process. The metadata can contains the title of document, summary, or category. The needs to manually input this metadata can be solved by utilizing Optical Character Recognition (OCR) that converts any text in the document into readable text storing in the database system. This research focused on the implementation of the OCR system to extract text in the scanned document image and performing optimization of the pre-processing stage which is Image Thresholding. The aim of the optimization is to increase OCR accuracy by tuning threshold value of given value sets, and resulting 0.6 as the best thresholding value. Experiment performed by processing text extraction towards several scanned document and achieving accuration rate of 92.568%.

Many rabbit keepers or breeders are panics when their rabbit has an illness. This paper proposed an expert diagnostic system application for Android-based rabbit disease using the Naïve Bayes method to determine the illness and Certainty Factor for the trust value of the condition by combining the rate of the trust of users and experts due to diagnose the diseases of the rabbit.The testing was using 65 data learning and 160 data learning to test the naïve Bayes method. Furthermore, the certainty factor is using CF user 1 and its variation.The results obtained for 65 data learning is 53%, while 160 data learning is 73%. With the naïve Bayes method, it can be concluded that the more data learning, the better and more accurate the system. The results of conformity with the testing data obtained from the variative CF user value, namely 53% accordingly, 13% inappropriate, 33% near. The effect of compliance with the sample data collected from the CF value of user 1 is 53% appropriate, 7% inappropriate, 40% is near. With the certainty factor method, it can be concluded that differences in user input values affect the overall CF value.

Gaya  belajar  adalah  cara  atau  kebiasaan  yang  dilakukan  individu  dalam  menyerap, memproses,  dan mengelola  informasi.  Gaya  belajar  merupakan  faktor  penting  yang  menunjang  bagi  tercapainya  tujuan pembelajaran.  Tipe  gaya  belajar  ada  tiga  yaitu  visual,  auditori  dan  kinestetik.  Tipe  visual  belajar  melalui  apa yang  mereka  lihat.  Tipe  auditori  belajar  melalui  apa  yang  mereka  dengar.  Sedangkan  tipe  kinestetik  belajar malalui gerak, emosi dan sentuhan. Tujuan dari penelitian ini adalah membuat aplikasi untuk menganalisis gaya belajar seseorang sehingga dapat diketahui gaya belajar dan cara belajar yang tepat untuk individu tersebut. Cara belajar  merupakan  penerapan  dari  tipe  gaya  belajar  yang  telah  diketahui,  sehingga  memudahkan  seseorang dalam proses belajarnya. Metode yang digunakan adalah membandingkan training data set dengan data uji yang kemudian  diolah  menggunakan  algoritma K-Nearest  Neighbour  (KNN)  dalam  proses  data  mining  untuk menganalisis gaya belajar. Training  data  set yang  digunakan  dalam  sistem  ini  merupakan  data  hasil  tes  gaya belajar yang dihasilkan oleh Bela Hening Hukama (2011), yang di dalamnya terdapat parameter-parameter tipe gaya belajar. Algoritma K-Nearest Neighbour merupakan pendekatan untuk mencari kasus baru dengan kasus lama,  yaitu  berdasarkan  pada  pencocokan  bobot  dari  sejumlah  fitur  yang  ada.  Hasil  dari  penelitian  ini adalah aplikasi analisis gaya belajar berdasarkan pernyataan-pernyataan yang berisi parameter gaya belajar yang sudah ditentukan yang dapat menentukan gaya belajar yang tepat dengan akurasi 88%. Kesimpulan dari penelitian ini adalah  algoritma K-Nearest  Neighbour dapat  diimplementasikan  dalam  kasus  ini  dengan  akurasi  yang  paling optimal sebesar 88%, yaitu pada K = 9. Error banyak terjadi pada parameter yang merupakan kombinasi dari beberapa tipe gaya belajar, dan error terbesar yaitu pada parameter kombinasi visual, auditori dan kinestetik.

CV Prima Mitra Karsa yang bertempat di jalan raya pandanlandung no 88 Malang. Bidang usaha dalam unit usaha ini adalah sebagai produksi buku tulis berbagai macam produk buku tulis misalnya buku tulis 38, buku tulis 58, folio 100 dan lain sebagainya. Banyaknya minat pembeli terhadap produk dari CV Prima Mitra Karsa ini akan berpengaruh terhadap pengolahan stok barang, sehingga sering terjadi masalah tentang out of stock. Pemesanan dengan supplier berpotensi mengalami kendala seperti lamanya pengiriman produk. Penelitian ini menggunakan metode Trend Moment sebagai metode peramalannya. Data yang gunakan adalah jumlah data dari tahun 2015 sampai tahun 2017. Setelah proses peramalan selanjutnya dilakukan proses pengujian peramalan dengan cara perhitungan MAPE (Mean Absolute Percentage Error). Hasil peramalan penjualan buku tulis dengan jenis buku tulis 38, buku tulis 58 dan folio 100, mendapatkan hasil  MAPE 256.51%, jenis buku tulis 58 mendapatkan hasil MAPE 636.97%, dan jenis Folio 100 mendapatkan hasil MAPE 145.77%.