Pemilihan jurusan yang tepat di Sekolah Menengah Kejuruan (SMK) sangat penting karena akan mempengaruhi karir dan masa depan siswa. Pemilihan jurusan di SMK Negeri 1 Tapalang Barat masih dilakukan manual oleh pihak sekolah sehingga belum efektif dan efisien. Hal ini disebabkan beberapa faktor seperti subjektifitas guru, kesalahan perhitungan nilai, dan waktu yang lebih untuk memproses jurusan yang sesuai. Penelitian ini bertujuan untuk membuat Sistem Pendukung Keputusan menggunakan metode SAW dan Topsis dalam memilih jurusan. Metode SAW digunakan untuk penentuan bobot setiap kriteria yang dianggap penting dan menjumlahan bobot pada setiap kriteria untuk mendapatkan total skor alternatif, kemudian metode Topsis memilih alternatif terbaik dari sejumlah alternatif yang ada. Terdapat 4 jurusan pada penelitian ini yaitu Teknik Komputer dan Jaringan, Teknik Audio Vidio, Teknik Sepeda Motor dan Multimedia. Kriteria yang digunakan pada pemilihan jurusan yaitu tes tertulis, wawancara, dan nilai ujian sekolah. Pengujian yang dilakukan yaitu pengujian blackbox dengan hasil sistem yaitu berjalan sesuai fungsinya, selanjutnya hasil pengujian akurasi dengan menggunakan 40 data uji yaitu 97,5%, dan pengujian UAT menggunakan 13 responden dengan hasil sangat bagus yaitu 89,84%. Dari hasil pengujian dapat disimpulkan bahwa sistem ini dapat diimplementasikan dan mampu mengatasi permasalahan dalam pemilihan jurusan di SMK Negeri 1 Tapalang Barat.

Klasifikasi kematangan buah naga secara langsung oleh petani memiliki kelemahan karena dipengaruhi faktor subjektifitas dari petani tersebut seperti cepat lelah dan gangguan fisik lainnya. Hal ini menyebabkan kinerja petani tidak optimal dan kurang teliti sehingga klasifikasi kematangan menjadi tidak konsisten. Untuk itu, penelitian ini bertujuan untuk melakukan klasifikasi kematangan buah naga secara otomatis sehingga menjadi lebih efektif dan efesien karena dilakukan dengan standar yang sama dan konsisten meskipun dengan jumlah yang besar dengan memanfaatkan pengolahan citra. Tingkat kematangan buah naga akan diklasifikasi menjadi 3 kelas berdasarkan fitur warna HSV yaitu matang, setengah matang dan tidak matang. Metode yang digunakan untuk melakukan klasifikasi yaitu Multi-Class Support Vector Machine  Adapun data yang digunakan pada penelitian ini adalah 105 data yang terdiri dari 90 data latih dan 15 data uji. Hasil penelitian menunjukkan bahwa klasifikasi kematangan buah naga menggunakan algoritma Multi-Class Support Vector Machine menghasilkan akurasi 86,67%.

Salah satu komoditas pertanian adalah tanaman padi. Tanaman padi merupakan bahan makanan pokok bagi rakyat Indonesia. Tingkat produksi maupun konsumsi padi selalu menempati urutan pertama dibandingkan dengan tamanan pangan lainnya. Upaya dalam meningkatkan hasil produksi tanaman pangan ini dihadapkan dengan berbagai kendala dan masalah salah satunya dalam pemilihan bibit yang unggul. Pemilihan bibit padi yang unggul berpotensi meningkatkan produksi bagi petani. Penelitian ini membuat suatu sistem pendukung keputusan menggunakan metode AHP untuk membantu petani dalam pemilihan bibit padi unggul pada kelompok tani di Desa Pasapa merupakan salah satu daerah yang hampir seluruh masyarakatnya menggantungkan hidup sebagai petani padi. Kondisi perekonomian di desa ini bergantung dari tanaman padi, dengan luas lahan kurang lebih 700ha dengan menggunakan metode AHP dalam proses pengambilan keputusan pemilihan bibit padi unggul maka di hasilkan output perengkingan alternatif yang digunakan untuk mempermudah dalam proses pemilihan bibit padi unggul. Rekomendasi sistem pendukung keputusan pemilihan bibit padi unggul dengan metode AHP, menunjukkan alternatif atau jenis bibit padi yang paling unggul untuk ditanam di Desa Pasapa, Kec. Budong-budong, yaitu ciliwung dengan nilai 0,453 di susul ciherang dengan nilai 0,434, disusul inpari 66 dengan nilai 0,429, kemudian inpari 12 dengan nilai 0.426 dan terakhir mekongga 0,135. Pengujian UAT didapat kan hasil sebesar sebesar 76,5% dengan 9 pertanyaan dan 36 responden. Sedangkan untuk pengujian blackbox diperoleh hasil sistem berjalan sesuai dengan fungsinya.

The Bank Indonesia Scholarship is a Bank Indonesia social program in the form of tuition assistance for undergraduate students (S1) at various State Universities (PTN). However, often in terms of determining scholarship recipients it is not right on target, this is caused because the scholarship award has not used the tools or methods used to determine scholarship recipients, for that a system is designed to determine scholarship recipients. The selection process for Bank Indonesia Scholarships requires accuracy and a long time because each student data will be compared one by one according to predetermined criteria and is also prone to accidental human errors. Meanwhile, Bank Indonesia has not determined a method to help select prospective scholarship recipients and the selection process is still carried out manually by comparing the student data of prospective scholarship recipients one by one, for this reason, the application of the algorithm in this study is to combine the Fuzzy Multiple Decision Making (FMAM) method and Simple Additive Weighting (Saw) with provisions and criteria that have been determined by Bank Indonesia. The FMADM method is used to find alternatives from a number of alternatives with predetermined criteria and the SAW method is used to rank the existing alternatives. The results of this study are used as a tool in making decisions to recommend scholarship recipients.