Dewasa ini, whatsapp (WA) telah menjadi sosial media yang sangat penting dalam kegiatan berkomunikasi dan pembelajaran daring (e-learning).. Hal ini tidak lepas dari fitur dan fungsinya yang beranekaragam, seperti mengirim pesan, berbagi file, video, suara, dan bahkan dapat berbagi lokasi secara real-time. Penelitian ini bertujuan untuk menganalisis konten grup chat whatsapp pada mata kuliah manajemen pembiayaan pendidikan tahun 2020 di pascasarjana Universitas Negeri Semarang. Selain itu, penelitian ini juga mempunyai tujuan lain yaitu mengeksplorasi tingkat penggunaan WA oleh anggota grup. Jenis penelitian ini merupakan penelitian deskriptif kuantitatif yang analisisnya dilakukan menggunakan bantuan bahasa pemrograman Python. Hasil penelitian menunjukkan bahwa dalam 1 semester, terdapat 14 anggota grup, 606 pesan, 44350 kata, 7 link website, dan 24 karakter emoji dengan total frekuensi sebanyak 122. Adapun kata yang paling sering digunakan oleh pengguna grup adalah kata “nggih pak”. Kata ini merupakan sebuah kata dalam bahasa jawa yang digunakan apabila seseorang menyetujui sesuatu. Berdasarkan hasil penelitian, juga dapat diidentifikasi siapa anggota grup teraktif, rata – rata pesan yang dikirim oleh masing – masing anggota grup, dan kapan hari teraktif grup. Melalui analisis konten, dapat diperoleh informasi – informasi penting yang dapat membantu menunjang proses pembelajaran e-learning.

AbstrakPenilaian kinerja pegawai merupakan aspek penting dalam manajemen sumber daya manusia yang efektif. Hal ini dikarenakan melalui penilaian kinerja pegawai, sebuah lembaga dapat mengetahui kondisi kerja dari pegawainya. Dalam melakukan penilaian kinerja, tiap lembaga mempunyai cara dan sistem tersendiri. Salah satu metode yang digunakan untuk mengukur kinerja pegawai perpustakaan dan pustakawan adalah metode fuzzy inference systems (FIS).FIS adalah suatu kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy dan penalaran fuzzy Adapun metode FIS yang dipakai adalah metode Sugeno orde 0 dengan variabel yang dipakai sebagai tolok ukur kinerja adalah produktivitas, profesionalitas, kedisiplinan, dan masa kerja. Keempat variabel ini digunakan untuk mengukur penilaian kinerja pegawai perpustakaan dan pustakawan. Hasil pengujian dan analisis yang telah dilakukan terhadap 50 pegawai, diperoleh skor kinerja pegawai tertinggi yaitu 90,89 dan skor kinerja terendah adalah sebesar 80,77. Dengan demikian dapat disimpulkan secara keseluruhan, kinerja pegawai perpustakaan dan pustakawan mendapat predikat sangat bagus.Kata kunci: Fuzzy inference systems, Metode Sugeno, Penilaian kinerja. PENDAHULUANSalah satu persoalan penting dalam manajemen sumber daya manusia, dalam hal ini pegawai adalah penilaian kinerja. Penilaian kinerja merupakan suatu metode atau alat yang digunakan untuk mencatat dan menilai pencapaian pelaksanaan kegiatan yang dilakukan pegawai berdasarkan tujuan, sasaran dan strategi, sehingga dapat diketahui kemajuan lembaga [1]. Penilaian kinerja ini sudah menjadi hal yang umum yang dilakukan oleh berbagai instansi, baik swasta maupun negeri. Walaupun demikian, penilaian kinerja tetap menjadi hal yang penting mengingat melalui hasil penilaian kinerja pegawai dapat diketahui informasi-informasi yang dapat digunakan dalam proses pengembangan pegawai.Dalam melakukan penilaian kinerja, tiap lembaga mempunyai cara dan sistem tersendiri untuk menilai para pegawainya. Adapun sistem penilaian kinerja yang diterapkan pada tulisan ini adalah sistem penilaian pegawai berdasarkan performansi kinerjanya. Pegawai yang memiliki performansi kinerja yang baik akan mendapatkan nilai kinerja yang bagus dan mendapat reward yang berupa tunjangan peningkatan kerja (TPK) yang diterimakan setiap bulan. Namun selama ini penilaian kinerja yang telah dilakukan, kebanyakan penekanannya masih tertuju pada aspek kedisiplinan, sementara kinerja pegawai tidak cukup hanya dilihat dari aspek kedisiplinan saja, tetapi juga aspek-aspek yang lainnya.

Algoritma koloni semut (ACO) merupakan sebuah algoritma yang diperkenalkan oleh Moyson dan Manderick dan selanjutnya dikembangkan oleh Marco Dorigo. Algoritma ini telah diterapkan dalam berbagai masalah optimasi, salah satunya adalah Capacitated Vehicle Routing Problem (CVRP). Tujuan dari penelitian ini adalah untuk menyelidiki tingkat performansi algoritma koloni semut (ACO) dalam menyelesaikan CVRP. Performansi ACO nantinya diukur berdasarkan 3 faktor, yaitu penggunaan memori, waktu eksekusi dan tingkat akurasi. Selain itu, dilakukan pula identifikasi pengaruh perubahan setting parameter terhadap performansi ACO. Hasil penelitian menunjukkan bahwa ACO memiliki penformasi yang cukup baik dalam menyelesaikan CVRP, baik dari segi penggunaan memori, waktu eksekusi maupun tingkat akurasi. Akan tetapi, performansi ACO ternyata dipengaruhi oleh beberapa parameternya. Hasil temuan dalam penelitian ini menunjukkan bahwa terdapat beberapa parameter ACO yang memiliki pengaruh signifikan terhadap performansi algoritma, yaitu jumlah semut, , nilai  dan . Sedangkan parameter yang lain, yaitu Q dan , keduanya kurang berpengaruh terhadap performansi ACO dalam hal waktu eksekusi dan penggunaan memori. Untuk parameter , ia memiliki dampak terhadap solusi yang dihasilkan ACO.

Admission of new students is an annual activity process that exist in educational institutions. In this process, educational institutions try to get the best students among the other candidates according to criteria determined by institutions. In the last 3 years, the Ministry of Education of Indonesia was implementing a new admission system in Elementary, Junior and Senior High School, namely zone system. This paper introduces an approach to optimize admission of new students based on zone system by using Knapsack Problem -Fuzzy Inference System (FIS) Tsukamoto. Specifically, final score was considered as the output for making decision in the admission and 3 variables were used as data input such as: average score of exams, distance, and age. Knapsack problem was used to determine allocation of quota of each region for admission based on average score of exams of all students in a region. Then, data input will be processed by using FIS Tsukamoto to determine the final score of each student. In the last step, rank order list of new students of every region was made. The results show that knapsack problem -FIS Tsukamoto model might be suitable and helpful for proper admission of new students based on zone system.