Abstrak—Game merupakan salah satu media dimana didalamnya terdapat sebuah makna dan seiring berjalannya waktu, pengguna akan mengetahui makna yang disampaikan oleh si pembuat game dari game yang dimainkan. Algoritma diperlukan untuk membuat gamelebih menarik. Hal ini berbanding lurus dengan jumlah pengguna, semakin menarik game yang dimainkan, semakin banyak orang yang akan memainkan game tersebut. Algoritma A* (A Star) merupakan algoritma yang digunakan untuk menentukan rute terpendek objek menuju ke tujuan, dengan menghitung harga yang harus dipakai dan mencari harga terkecil yang harus dibayarkan. Pada penelitian ini akan dibuat sebuah game dengan nama Good Thiefdimana game ini bercerita tentang seorang pencuri baik yang dikejar oleh penjaga. Algoritma A*(A Star) akan digunakan untuk menentukan rute terpendek yang dapat dilalui oleh NPC. Algoritma A* (A Star) akan diterapkan di setiap NPC dari Tingkat kesulitan mudah (LV 1) hingga tingkat kesulitan sulit (LV 3) dilakukan beta testing untuk mengetahui apakah game dapat berjalan dengan baik di setiap levelnya, hasil yang didapatkan dari 6 responden yang ikut dalam pengujian game ini cukup memuaskan yaitu sebesar 83,22%   Kata Kunci— Game, Media, Algoritma, A*(A Star),NPC, Rute Terpendek.

Saat ini belum ada sistem yang membantu calon siswa yang akan masuk ke SMKN 1 Pungging untuk memilih jurusan yang sesuai dengan minat dan bakat siswa. Sehingga perlu dilakukan analisis terhadap kesesuaian minat dan bakat siswa dengan jurusan yang akan dipilih. Analisis ini akan membentuk sebuah Sistem Pendukung Keputusan (SPK). Sistem Pendukung Keputusan merupakan suatu alat yang dapat membantu proses pengambilan keputusan dengan menggunakan berbagai metode. Metode yang digunakan dalam penelitian ini adalah Gradient Boosting Tree (GBT). Gradient Boosting Tree merupakan teknik machine learning untuk masalah klasifikasi yang menghasilkan prediksi dan banyak digunakan karena efisiensi, akurasi, dan interpretabilitasnya. Gradient Boosting Tree merupakan algoritma yang sesuai dengan permasalahan penentuan jurusan karena Gradient Boosting Tree akan menghasilkan prediksi dari kriteria yang diberikan dalam bentuk decision tree yang akan menghasilkan keputusan berupa jurusan yang sesuai. Tujuan dari penelitian ini adalah untuk mengembangkan sistem pendukung keputusan penentuan jurusan untuk calon siswa di SMKN 1 Pungging dengan menggunakan Gradient Boosting Tree. Hasil dari penelitian ini adalah sistem pendukung keputusan penentuan jurusan untuk calon siswa di SMKN 1 Pungging dengan akurasi 100% untuk training data dan 96.34% untuk testing data. Adanya sistem ini diharapkan dapat membantu calon siswa dalam menentukan keputusan pemilihan jurusan di SMKN 1 Pungging.

One of the data used as a benchmark for determining the progress of a university can be seen from the productivity of research and community service. The research objectives are to (1) analyze Unesa lecturer research based on the distribution of faculties/departments/study programs; (2) analyzing trends in the research focus of Unesa lecturers; (3) analyzing the achievement of Unesa lecturer research outcomes compared with the target research outcomes; and (4) analyzing the profile of the service to the Unesa lecturer community based on the distribution of faculties/departments/study programs. The reference used in analyzing is from 2015-2019. The development model used is the Waterfall model with a linear development system. The research subject used was the procedure of developing Sistem Informasi Riset dan Pengabdian Kepada Masyarakat (SIRIP) in Higher Education. Data analysis techniques were carried out in three stages, namely pre-development, development, and post-development. Based on the results and discussion, the conclusions in this study are as follows. The results of the trial of Sistem Informasi Riset dan Pengabdian Kepada Masyarakat (SIRIP) using the black box testing method in accordance with 18 functional requirements of the system can run successfully. The profile of research in Unesa from 2015-2019 experienced a significant increase and decrease (fluctuation). The number of research titles funded from 2015-2019 was as many as 250 titles, 585 titles, 700 titles, 480 titles, and 447 titles. Meanwhile, the number of community service titles funded from 2015-2019 was 46 titles, 51 titles, 29 titles, 22 titles, and 338 titles, respectively.

The quality of university graduates is currently one of the main performance indicators in the rating assessment. It is necessary to analyze the gap in the quality of graduates at the time of graduation with the needs of industry. Tracer study is the right medium for tracking graduates of the vocational program of informatics management in the era covid 19 pandemics based on web. This research is a quantitative descriptive study using the graduates census method in tracking from cohorts 1 and 2 years after graduation. The results of the tracer study data analysis show six things, including: (1) 76% response rate from 58 graduates, (2) learning method used during lectures is still not optimal with many graduates choosing 1 which means it is still strongly disagree, (3) waiting time in getting a job is more than 6 months is 54%, (4) closeness of the study program to the work of 42% is close enough, and (5) accuracy of the level of education with work is 36% at the same level, and (6) competency gap of graduates is lower than what is needed at work.

No abstract