Kota Malang merupakan salah satu contoh dari ribuan kota yang tersebar di Indonesia yang padat penduduk dan pemukiman. Sedangkan kampung sebagai bagian kecil kota yang memiliki fungsi penting bagi kemajuan kota. Dengan menggali potensi sosial, ekonomi maupun budaya dan karakter bermukim di kampung, maka merupakan dasar bagi pembentukan paradigma baru perancangan permukiman dan pembangunan  di Indonesia menuju pada pembentukan urbanitas dan ruang kota yang lebih berkualitas. Kampung tematik pada kegiatan ini merupakan penataan dan pengembangan kawasan berbasis potensi lokal yang unik dan dinamis. Salah satunya adalah Kampung RW.08 dan RW.09 yang merupakan kampung yang terletak di wilayah Kelurahan Blimbing. Globalisasi dan modernisasi menimbulkan tekanan dan ancaman pada kampung. Eksotisme kampung di Kota Malang yang salah satunya adalah Kelurahan Blimbing ini terkikis oleh waktu. Oleh karena itu, kegiatan perancangan ini diharapkan mampu memberikan manfaat yang nyata pada warga kampung Kelurahan Blimbing, dengan memberikan desain perancangan kampung tematik berupa desain yang telah diprogramkan Kelurahan Blimbing yang mampu memunculkan kembali identitas kampung Kelurahan Blimbing. Metode yang digunakan dalam Kegiatan kampung tematik ini adalah menggunakan metode analisis SWOT (Strengths, Weaknesses, Opportunities, and Threats) yang berarti mengidentifikasi berbagai faktor secara sistematis untuk merumuskan strategi perancangan.

Universitas Mataram (UNRAM) merupakan salah satu perguruan tinggi yang berdiri di Nusa Tenggara Barat (NTB) sejak tanggal 26 Juni 1962. Dalam perkembangannya, sejak didirikannya hingga tahun 2012 Universitas Mataram telah memiliki 9 fakultas dan salah satunya merupakan Fakultas Hukum. Banyaknya jumlah pendaftar mahasiswa baru tiap tahun yang berasal dari beberapa daerah Kota dan Kabupaten Nusa Tenggara Barat menarik rasa ingin tahu akan jumlahnya serta dominan pendaftar dari sekolah mana saja. Algoritma C4.5 merupakan algoritma yang dapat membentuk suatu pohon keputusan dengan mengubah fakta yang besar dan dapat mempresentasikan aturan. Algoritma C4.5 merupakan salah satu model pengklasifikasian dalam data mining, dengan memanfaatkan data mahasiswa fakultas hukum universitas mataram yang memiliki beberapa atribut diharapkan dapat menghasilkan suatu informasi rules atau aturan. Hasil dari penelitian pada bagian pengujian fungsional sistem dan web browser dapat berjalan dengan baik sesuai yang diharapkan. Sedangkan hasil pengolahan data pada sistem didapatkan hasil jumlah data dengan keterangan naik 20 data, keterangan turun 2 data dan keterangan tetap 5 data atau sekitar 74,07% merupakan keterangan naik yang dapat dilihat pada grafik hasil.

Penelitian ini mengusulkan tentang desain baru dari ontologi untuk tanaman obat Indonesia berdasarkan konsep morfologi. Morfologi adalah studi yang mempelajari tentang karakteristik tumbuhan. Dalam penelitian ini menggunakan morfologi sebagai konsep pengetahuan. Ontologi merupakan model pengetahuan yang mendefinisikan hubungan dan klasifikasi dari beberapa konsep dalam domain tertentu. <em>Resource description framework</em> (RDF) dan <em>web ontology language</em> (OWL) digunakan dalam merepresentasikan ontologi. SPARQL protocol and <em>RDF query language</em> (SPARQL) digunakan untuk <em>query</em> data. Protégé 4.3 digunakan untuk memodelkan ontologi tanaman obat. Hasil dari pemodelan ontologi tumbuhan obat dapat diterapkan ke sistem semantik web tanaman obat Indonesia.<br /><br />Kata kunci: morfologi, ontologi, tumbuhan obat

Unit Kegiatan Mahasiswa (UKM) adalah kegiatan kemahasiswaan di luar kelas yang bertujuan untuk menampung dan mengembangkan minat, bakat, dan pengetahuan profesional tertentu yang dimiliki oleh mahasiswa dari berbagai jurusan. Pada setiap semester UKM ini melakukan perekrutan anggota baru dengan beberapa kriteria yang diharapkan, biasanya proses ini membutuhkan waktu yang lama karena  dalam sistem rekrutmen anggota baru Menwa UKM masih menggunakan cara manual yaitu menghitung hasil evaluasi ujian yang dilakukan oleh tim Menwa. Sehubungan dengan hal tersebut, maka peneliti merancang suatu sistem pendukung keputusan penerimaan anggota Menwa baru menggunakan metode AHP dan TOPSIS. Metode AHP ini digunakan pada proses awal yaitu menentukan bobot dari setiap kriteria dan langkah selanjutnya menggunakan metode TOPSIS yang digunakan untuk menentukan nilai dari tiap calon anggota untuk melakukan proses perangkingan. Berdasarkan hasil pengujian fungsional melakukan pembobotan dan normalisasi matriks kemudian perangkingan dari kombinasi metode AHP dan TOPSIS antara perhitungan manual dan sistem didapatkan selisih 0 artinya antara perhitungan manual dan sistem hasil dari perangkingan tidak memiliki selisih atau sama.

Infrastruktur jalan memiliki peranan penting dalam meningkatkan sosial ekonomi pada suatu wilayah. Apabila terdapat kerusakan akan sangat menganggu aktifitas masyarakat baik segi ekonomi, saat ini salah satu kendala yang sering dihadapi Pemerintah Daerah ialah banyaknya jalan yang rusak dan sulit menentukan jalan mana yang diperbaiki karena keterbatasan dana. Sehingga diperlukan sebuah sistem yang dapat mendukung dan mempermudah dalam proses pemilihan untuk meningkatkan kualitas keputusan dalam menentukan perbaikan jalan. Penelitian ini menggunakan data jalan di Kabupaten Rembang. Data tersebut meliputi data kondisi jalan, lalu lintas harian, persentase kerusakan secara keseluruhan. Data yang digunakan diambil website dari Dinas Kabupaten Rembang. Data tersebut akan diproses menggunakan dua buah metode yaitu metode Technique For Others Reference by Similarity to Ideal Solution (TOPSIS) dan metode Simple Additive Weighting (SAW) yang tujuannya untuk dianalisis sehingga dapat ditentukan metode mana yang lebih relevan untuk diimplementasikan pada kasus pemilihan prioritas perbaikan jalan. Berdasarkan hasil perbandingan menunjukkan bahwa terdapat perbedaan nilai pada masing-masing variabel perbandingan yang dilakukan diantaranya jumlah proses, lamanya waktu eksekusi dan hasil pengukuran uji sensitifitas menunjukkan selisih yang terpaut cukup jauh yait 5.95% untuk metode SAW dan 0.038% untuk metode TOPSIS. Meskipun secara umum kedua metode tersebut relatif sama-sama relevan, namun dalam beberapa kondisi khusus tertentu metode SAW dinilai relatif lebih relevan untuk diimplementasikan pada kasus ini dibandingkan dengan metode TOPSIS.