Abstrak-Pemilihan mahasiswa berprestasi adalah kegiatan untuk memilih dan memberikan penghargaan kepada siswa yang mencapai kinerja tinggi dalam kurikuler, ko-kurikuler, maupun ekstrakurikuler. Kegiatan ini dilaksanakan secara berjenjang mulai dari tingkat program studi, departemen, fakultas, perguruan tinggi, hingga di tingkat nasional. Mawapres secara langsung atau tidak langsung dapat mengangkat martabat mahasiswa dan perguruan tingginya. Dalam proses seleksinya melibatkan pertimbangan atau kriteria yang sifatnya crisp : IPK, karya ilmiah, prestasi unggulan dan kemampuan bahasa Inggris. Tetapi dalam kenyataannya kriteria tersebut ada yang bersifat fuzzy, dengan demikian memungkinkan adanya kriteria bersifat campuran antara crisp dan fuzzy sehingga timbul kesulitan dalam melakukan pengurutan. Untuk mengatasi permasalahan yang ada diperlukan sistem pendukung keputusan dengan multi kriteria. Penelitian ini bertujuan untuk merancang dan membangun sistem pengambilan keputusan pemilihan mahasiswa berprestasi di Fakultas Vokasi Universitas Airlangga. Dari aplikasi ini bisa diperoleh hasil perangkingan selain dengan metode standard (sesuai pedoman Dikti), juga ditampilkan hasil perangkingan dengan metode TOPSIS, dan Fuzzy TOPSIS. Dengan beberapa alternatif perangkingan, diharapkan dapat memberi masukan buat pimpinan fakultas sebelum melakukan pengambilan keputusan. Dari 10 kandidat yang mengikuti seleksi pada tahun 2016, menunjukkan bahwa dengan menggunakan ketiga metode memberikan hasil yang berbeda untuk beberapa rangking. Sedangkan beberapa rangking yang lain sama. Terjadinya perbedaan ini disebabkan karena nilai dari beberapa kriteria dari kandidat berdekatan. Adanya perbedaan hasil perangkingan, saat memberikan masukan kepada pimpinan fakultas sebagai dasar pengambilan keputusan.Kata Kunci-Fuzzy TOPSIS, Pemilihan Mahasiswa Vokasi Berprestasi , Sistem Pendukung Keputusan Abstract-Achievement student election is an activity to select and provide awards to students who reached high performance in curricular, co-curricular, and extracurricular. This activity is carried out gradually from the level of the study program, department, faculty, university, up

Abstrak— Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto dengan menggunakan metode Extreme Learning Machine (ELM). Dengan adanya  sistem pendukung keputusan ini direktur Rumah Sakit dapat meramalkan jumlah kunjungan pasien dan membantu dalam pembuatan kebijakan rumah sakit, mengatur sumber daya manusia dan keuangan, serta mendistribusikan sumber daya material dengan benar khususnya pada poli gigi. Dalam rancang bangun sistem pendukung keputusan ini dilakukan dalam beberapa tahap. Tahap yang pertama, pengumpulan data untuk mengidentifikasi inputan yang dibutuhkan dalam penghitungan metode ELM. Tahap kedua, pengolahan data, data dibagi menjadi data training dan data testing dengan komposisi data training sebanyak 80% (463 data) dari total 579 data dan 20% (116 data) sisanya sebagai data testing yang kemudian di normalisasi. Tahap ketiga, peramalan jumlah kunjungan pasien menggunakan metode ELM. Tahap terakhir, perancangan sistem menggunakan sysflow dan pembangunan sistem berbasis desktop serta evaluasi sistem. Hasil penelitian berupa aplikasi sistem pendukung keputusan untuk meramalkan jumlah kunjungan pasien. Dan melalui uji coba menggunakan 116 data testing berdasarkan fungsi aktivasi sigmoid biner dengan jumlah hidden layer sebanyak 7 unit dan Epoch 500 diperoleh hasil optimal MSE sebesar 0.027 Kata Kunci— Sistem Pendukung Keputusan, Peramalan, Jaringan Syaraf Tiruan, Extreme Learning MachineAbstract— In this research, a decision support system to predict the number of patients visit RSU Dr. Wahidin Sudiro Husodo Kota Mojokerto was designed and developed using Extreme Learning Machine (ELM) method which aims to assist director in making decision for the hospital, managing human and financial resource, as well as distributing material resource properly especially in the Department of Dentistry. The design of this decision support system to predict the number of patients visit with ELM method is divided into several stages. The first stage is to identify the input data collection needed in the calculation method of ELM. The next stage is processing the data; the data is divided into training data and testing data and then normalized, in which training data is 80% (452 data) and testing 579 data 20% (116 data). The third stage is problem solving using ELM. The last stage is the design and development of systems using sysflow and desktop-based system that includes the implementation and evaluation of the system. The result of this research is an application of decision supporting system to predict number of patients. By using 116 testing data based on the binary sigmoid activation function using 7 units of hidden layer and 500 Epoch then Optimal MSE value that was obtained is 0.027. Keywords— Decision Supporting System, Prediction, Artificial Neural Network, Extreme Learning Machine

Abstrak — Keamanan informasi merupakan bagian dari sebuah sistem yang sangat penting untuk dijaga validitas dan integritas data serta menjamin ketersediaan layanan bagi penggunaannya. Sistem keamanan informasi harus dilindungi dari segala macam serangan dan usaha-usaha penyusupan atau pemindaian oleh pihak yang tidak berhak. Salah satu mekanisme yang dapat diterapkan dalam meningkatkan keamanan informasi adalah dengan menggunakan firewall. Firewall merupakan sebuah mekanisme pengamanan yang dilakukan dengan cara melakukan kegiatan penyaringan paket data yang masuk dan keluar jaringan. Sehingga untuk dapat mengelola keamanan informasi dengan baik, maka dibutuhkan suatu tata kelola TI. Salah satu tata kelola TI yang dimaksud adalah berupa penyusunan panduan pengelolaan keamanan informasi. Penelitian ini bertujuan untuk membuat sebuah refrensi keamanan informasi berupa panduan pengelolaan keamanan informasi untuk firewall configuration yang mengacu pada standar PCI DSS v.3.1 dan COBIT 5. Penyusunan panduan pengelolaan keamanan informasi untuk firewall configuration dilakukan dalam empat tahap. Tahap pertama adalah penyusunan prosedur pengelolaan keamanan informasi untuk firewall configuration yang terdiri dari tahap analisis pemetaan proses, tahap penyusunan prosedur dan tahap penentuan peran dan deskripsi kerja. Tahap kedua adalah tahap verifikasi panduan pengelolaan keamanan informasi yang dilakukan melalui pemberian kuesioner penilaian. Verifikasi dilakukan dengan mengambil studi kasus di DSIK Universitas Airlangga dan dilakukan tanpa adanya penyesuaian atau spesifikasi terhadap DSIK Universitas Airlangga. Tahap ketiga adalah tahap perbaikan panduan pengelolaan keamanan informasi. Tahap perbaikan ini dilakukan untuk memperbaiki kekurangan yang dihasilkan saat verifikasi. Hasil penelitian ini berupa panduan pengelolaan keamanan informasi untuk firewall configuration. Hasil verifikasi menunjukkan bahwa sebanyak 42,86% responden menyatakan panduan pengelolaan yang dibuat, secara operasional sangat mudah untuk dilaksanakan.Kata Kunci — Assessment, COBIT 5, Keamanan Sistem Informasi, PCI DSS v.3.1, Panduan Pengelolaan.

This paper discusses the effectiveness of visual learning environment which is used to help students in university to study programming course. The visual learning environment which is used in this study is Greenfoot and Alice. The main goal of this article is to obtain the correlation between students‘ satisfaction level and their grades in studying programming course using visual learning environment tools. The participants were conducted on 110 students who took programming course during their first year. A survey was sent to students about their satisfaction level in learning programming course. Two-variable correlation analysis, significance test and descriptive analysis were conducted to find out the relationship between students' learning satisfaction level and their grades in programming course. This study discusses the student perspectives that are summarized in ten questions. There is a significant correlation between independent and dependent variables. The ? value is 2.09 which proves that the independent variable in the form of student's learning satisfaction level is useful to obtain better assessment of their grades. Based on their perspectives, it is found that visual learning environment tools have more significant influence in improving the students‘ grade than traditional learning method. Further research is needed to find out other impact factors. ABSTRAK: Makalah ini membincangkan keberkesanan persekitaran pembelajaran visual yang digunakan untuk membantu pelajar di universiti untuk mempelajari kursus pengaturcaraan. Persekitaran pembelajaran visual yang digunakan dalam kajian ini ialah Greenfoot dan Alice. Matlamat utama artikel ini adalah untuk mendapatkan korelasi antara tahap kepuasan pelajar dan gred mereka dalam mengkaji kursus pengaturcaraan menggunakan alat-alat persekitaran pembelajaran visual. Para peserta telah diadakan pada 110 orang pelajar yang mengambil kursus pengaturcaraan pada tahun pertama mereka. Satu tinjauan telah dihantar kepada pelajar tentang tahap kepuasan mereka dalam pembelajaran kursus pengaturcaraan. Analisis korelasi dua-pembolehubah, ujian penting dan analisis deskriptif telah dijalankan untuk mengetahui hubungan antara tahap kepuasan belajar pelajar dan gred mereka dalam kursus pengaturcaraan. Kajian ini membincangkan perspektif pelajar yang diringkaskan dalam sepuluh soalan. Terdapat korelasi yang signifikan antara pembolehubah bebas dan bergantung. Nilai ? ialah 2.09 yang membuktikan bahawa pemboleh ubah bebas dalam bentuk tahap kepuasan pembelajaran pelajar adalah berguna untuk mendapatkan penilaian yang lebih baik dari gred mereka. Berdasarkan perspektif mereka, didapati alat persekitaran pembelajaran visual mempunyai pengaruh yang lebih besar dalam meningkatkan gred pelajar daripada kaedah pembelajaran tradisional. Kajian lanjut diperlukan untuk mengetahui faktor-faktor kesan yang lain.

Model Technology to Performance Chain (TPC) merupakan suatu model komprehensif dari dua hal yang komplementer yaitu: sikap pengguna sebagai prediktor utilisasi atau pemanfaatan dan Task Technology Fit sebagai prediktor kinerja. Penelitian ini bertujuan untuk mengidentifikasi pengaruh antar variabel dari model TPC terhadap lingkungan Cyber Campus serta memberikan rekomendasi atau saran untuk peningkatan kualitas Cyber Campus. Pengolahan data menggunakan metode PLS-SEM dengan menggunakan responden 100 mahasiswa pengguna Cyber Campus. Dari hasil penelitian didapatkan 6 hipotesis diterima dan 2 hipotesis ditolak. Rekomendasi yang disarankan agar penggunaan Cyber Campus dapat meningkat adalah dengan pemberdayaan fitur yang sudah ada dan peningkatan layanan Helpdesk.