Penjadwalan mata kuliah merupakan kegiatan yang sangat penting sebagai awal dari proses belajar mengajar agar dapat terlaksana dengan teratur, baik bagi dosen yang mengajar maupun mahasiswa yang mengambil mata kuliah. Dalam penggambaran sistem ini menggunakan metode pendekatan berorientasi objek dengan alat bantu pemodelan UML (Unified Modeling Language) dan menggunakan metode pengembangan sistem model prototipe sebagai acuan tahapan penelitian. Penelitian ini merupakan tahap awal dalam membangun sistem informasi penjadwalan kuliah. Hasil penelitian ini berupa model penerapan algoritma Fuzzy Simple Additive Weighting (FSAW) untuk optimasi sistem informasi penjadwalan mata kuliah.

No abstract

Keamanan suatu wilayah merupakan tanggungjawab bersama baik pemerintah maupun warga negara. Salah satu faktor yang mempengaruhi keamanan antara lain tercukupinya jumlah personil keamanan. Rasio penduduk per polisi belum memadai untuk mengatasi masalah tindak kejahatan di masyarakat. Data kejahatan yang dimiliki oleh kepolisian Kota Yogyakarta dari tahun 2012 hingga 2015 dapat dimanfaatkan untuk melakukan peramalan sehingga menghasilkan informasi yang dibutuhkan dalam merumuskan strategi pencegahan dan penindakan kejahatan yang efektif. Dengan demikian kepolisian dapat mengalokasikan petugas secara tepat guna sehingga perannya dalam mencegah terjadinya tindak kejahatan menjadi lebih optimal. Pola data kriminal pada umumnya memiliki trend (meningkat), sehingga pada penelitian ini bertujuan untuk meramalkan jumlah kejahatan menggunakan metode Holt’s Double Exponential Smoothing. Nilai persentase kesalahan peramalan menggunakan MAPE adalah 28,1%, sehingga akurasi hasil peramalan adalah 71,9%. Pemilihan konstanta pemulusan α dan γ sangat berpengaruh terhadap hasil peramalan tersebut. Hasil peramalan 3 bulan pertama di tahun 2016 tidak banyak berbeda dengan jumlah kejahatan di 3 bulan pertama pada tahun – tahun sebelumnya.Kata kunci: Peramalan, Double Exponential Smoothing, Kejahatan

Kebutuhan utama dalam merumuskan kebijakan, program, dan kegiatan pembangunan kesejahteraan sosial adalah ketersediaan data Penyandang Masalah Kesejahteraan Sosial (PMKS). Setiap individu dalam sebuah rumah tangga sangat miskin cenderung memiliki lebih dari satu kategori jenis PMKS. Hal ini akan mempengaruhi dalam penentuan jenis bantuan yang layak diterima, dimana sebaiknya setiap individu hanya dikategorikan ke dalam satu jenis PMKS. Dengan demikian setiap individu hanya akan menerima satu jenis bantuan.  Jenis PMKS dengan pendekatan keluarga ditentukan berdasarkan 12 kriteria yaitu umur, jenis kelamin, status perkawinan, pekerjaan, pendidikan, kecukupan ASI, imunisasi, makanan sehat, pengobatan, kondisi kecacatan, orang tua tunggal, dan perhatian dari keluarga. Sebagai upaya dalam mengoptimalkan klasifikasi jenis PMKS, digunakan metode Naïve Bayes. Berdasarkan penelitian yang dilakukan, tingkat akurasi dari penggunaan metode naïve bayes adalah sebesar 83,87%. Dengan demikian dapat disimpulkan bahwa metode klasifikasi Naïve Bayes dapat digunakan untuk klasifikasi jenis PMKS.