Sentiment analysis in short informal texts like product reviews is more challenging. Short texts are sparse, noisy, and lack of context information. Traditional text classification methods may not b e suitab le for analyzing sentiment of short texts given all those difficulties. A common approach to overcome these prob lems is to enrich the original texts with additional semantics to make it appear like a large document of text. Then, traditional classification methods can b e applied to it. In this study, we developed an automatic sentiment analysis system of short informal Indonesian texts usi ng Naïve Bayes and Synonym Based Feature Expansion. The system consists of three main stages, preprocessing and normalization, features expansion and classification. After preprocessing and normalization, we utilize Kateglo to find some synonyms of every words in original texts and append them. Finally, the text is classified using Naïve Bayes. The experiment shows that the proposed method can improve the performance of sentiment analysis of short informal Indonesian product reviews. The b est sentiment cla ssification performance using proposed feature expansion is ob tained b y accuracy of 98%.The experiment also show that feature expansion will give higher improvement in small number of training data than in the large numb er of them.

Penelitian ini bertujuan (1) Mengembangkan e-modul berbasis project based learning (PjBL). (2) Menerapkan e-modul pada mata pelajaran Animasi 2 Dimensi dan 3 Dimensi. (3) Mengetahui perbedaan hasil belajar sebelum dan sesudah penerapan e-modul pada mata pelajaran Animasi 2 Dimensi dan 3 Dimensi di SMK Negeri 5 Malang. Metode yang digunakan dalam penelitian ini yakni model pengembangan Research and Development (RnD) dengan mengadopsi model ADDIE yang terdiri dari Analysis, Design, Development, Implementation, dan Evaluation. Hasil penelitian berdasarkan analisis peserta didik mengalami kesulitan dalam memahami materi pembelajaran, sehingga peneliti tertarik untuk mengembangkan media pembelajaran berupa e-modul untuk meningkatkan hasil belajar peserta didik. E-modul dibuat dengan menggunakan FlipPDF Professional serta dilakukan validasi oleh para ahli. Validasi ahli materi mendapatkan rata-rata skor 88,61% tergolong sangat baik. Validasi ahli media mendapatkan rata-rata skor 87,75% tergolong sangat baik. Media pembelajaran diterapkan dengan metode pembelajaran Project Based Learning (PjBL) dengan menggunakan 1 kelas dengan jumlah peserta didik 32. Peserta didik mendapatkan 2 perlakuan yakni sebelum diterapkan (pre-test) memperoleh rata-rata 59,37, dan sesudah diterapkan (post-test) memperoleh rata-rata 78,56. Berdasarkan uji hipotesis Paired Sampel T-Test bahwa adanya pengaruh positif terhadap penggunaan e-modul dan adanya kenaikan nilai hasil belajar peserta didik. Artinya media pembelajaran yang dikembangkan layak digunakan untuk meningkatkan hasil belajar peserta didik.

<p>Salah satu perkembangan anak yang perlu diperhatikan adalah perkembangan kognitif. Contoh perkembangan kognitif pada anak usia dini seperti menyebutkan jumlah benda mulai dari satu hingga sepuluh dan merepresentasikan benda dalam bentuk gambar atau tulisan. Kemampuan tersebut dapat diperoleh melalui kegiatan membaca, menulis, dan berhitung (calistung). Calistung bukanlah suatu kemampuan wajib yang dimiliki oleh anak usia dini, namun kemampuan tersebut tetap perlu disampaikan sesuai dengan metode pembelajaran di PAUD/TK, yaitu dengan cara bermain dan belajar. Untuk mempermudah pemahaman anak tentang calistung diperlukan objek yang sering dijumpai oleh anak, sebagai contoh hewan yang sering dijumpai di kebun binatang. Oleh karena itu, pada penelitian ini dikembangkan media pembelajaran calistung dengan objek hewan. Untuk mengetahui tingkat ketertarikan anak dalam mempelajari calistung, media pembelajaran dikembangkan dengan menggunakan teknologi <em>Augmented Reality</em> (AR). Metode pengembangan yang digunakan adalah <em>iterative rapid prototyping</em>. Berdasarkan pengujian media dengan menggunakan <em>fun testing</em> menghasilkan nilai total rata-rata sebesar 85,6% yang berarti media pembelajaran ini mampu meningkatkan ketertarikan anak dalam mempelajari calistung.</p><p> </p><p><em>Abstract</em></p><p> </p><p><em>One of the child's development that needs attention is cognitive development. Examples of cognitive development in early childhood such as mentioning the number of objects ranging from one to ten and representing objects in the form of images or writing. This ability can be obtained through reading, writing and arithmetic (calistung: Indonesian abbreviation) activities. Calistung is not a mandatory ability possessed by early childhood, but the ability still needs to be delivered in accordance with the learning methods in pre-primary school, that is playing and learning. To facilitate children's understanding of calistung, objects that are often encountered by children are needed, for example animals that are often found in zoos. Therefore, this research developed calistung learning media with animal objects. To find out the level of interest of children in learning calistung, learning media was developed using Augmented Reality (AR) technology. The development method used is iterative rapid prototyping. Based on media testing using fun testing produces an average total value of 85.6%, which means this learning media is able to increase children's interest in learning calistung.</em></p>

<p>Stroke merupakan penyakit yang tinggi di Indonesia. Stroke menjadi peringkat kedua sebagai penyakit yang paling banyak menyebabkan kematian didunia. Pada zaman modern, stroke tidak hanya menyerang orang yang sudah lanjut usia namun juga bisa menyerang orang usia muda. Data dari Rumah Sakit Saiful Anwar (RSSA) Kota Malang, sepanjang tahun 2016 penderita penyakit stroke 30% nya masih diusia muda, yaitu antara usia 18 – 40 tahun. Salah satu solusi untuk mencegah penyakit stroke adalah dengan mendeteksi gejala-gejala dini yang bisa mengakibatkan penyakit tersebut terjadi. Salah satu metode yang bisa dilakukan adalah dengan menggunakan metode kecerdasan buatan. Metode ini akan lebih mudah diimplementasikan dalam bentuk program atau aplikasi. Aplikasi membuat pengguna dapat lebih mudah membaca dan menerima pelaporan melalui fitur-fitur yang disediakan. SEED (<em>Stroke Disease Early Detection Application</em>) adalah sebuah aplikasi berbasis android untuk mendiagnosis gejala dini penyakit stroke menggunakan  algoritma klasifikasi k-NN. Algoritma k-NN dipilih lantaran pada penelitian sebelumnya menghasilkan tingkat akurasi yang relatif tinggi. SEED dibangun menggunakan metode <em>prototyping</em>. Metode <em>prototyping</em> merupakan salah satu jenis <em>software development lifecycle</em> (SDLC) dalam pengembangan perangkat lunak. Terdapat empat fitur utama pada SEED, yaitu 1) klasifikasi dan rekomendasi, 2) riwayat, 3) informasi kesehatan, serta 4) masuk dan daftar. Proses klasifikasi dibagi kedalam tiga tingkatan, yaitu risiko rendah, sedang, dan tinggi. Fitur-fitur yang digunakan untuk proses klasifikasi diantaranya adalah : 1) tinggi badan, berat badan, indeks masa tubuh, tekanan darah, riwayat fibrilasi atrium, riwayat keluarga, kebiasaan merokok, aktivitas fisik, tingkat kolesterol, serta diabetes. Berdasarkan hasil pengujian, didapatkan tingkat validasi kebutuhan sebesar 100%, tingkat akurasi pengklasifikasian sebesar 88%. dan tingkat penerimaan pengguna sebesar 78%.</p><p><em><strong>Abstract</strong></em></p><p><em>Stroke is one of the highest disease in Indonesia. Stroke become the second most common cause of deadly disease in the world In modern era, young people can get this disease. Data from Syaiful Anwar Hospital (RSSA) Malang City shows that 30% of stroke patient's age is among 18-30 years old. Preventif action needs to be done for reducing the risk level of stroke. One of them is using artificial intelegence technique. These method can be implemented by creating a programme or an application. </em><em>Application also make a user more convenient to access through its features. </em><em>SEED (Stroke Disease Early Detection Application) is an android based application that can measure the risk level of stroke disease.</em><em> This algorith choosen because of its previous accuracy. prototyping model used to develop this application.</em><em> </em><em>There are four main features of seed : 1) classification and recommendation, 2) history, 3) health information, and 4) login and register. </em><em>Risk level of prediction is consists of low, middle, and high risk. Feature</em><em>s used in SEED</em><em> are height, weight, blood pressure, history of atrial fibrillation, history of family, smoking habbit, phisical exercise habbit, cholesterol, and blood sugarit makes</em><em>. </em><em>Based on testing phase, The application gain validation test is up to 100%, </em><em>Its accuracy of </em><em>classification</em><em> is up to 88%, and its acceptance test is up to 78%.</em></p><p><em><strong><br /></strong></em></p>

<p class="Judul2">Praktik Pengalaman Lapangan (PPL) merupakan mata kuliah bidang pedagogi yang wajib ditempuh oleh semua mahasiswa Strata 1 (S1) Program Studi (PRODI) Pendidikan Teknologi Informasi (PTI) Jurusan Sistem Informasi (SI) Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya (UB) untuk menerapkan tenaga pendidik profesional di bidang Teknologi Informasi dan Komunikasi (TIK). Tujuan dari penilaian PPL merupakan untuk memperoleh informasi akurat tentang tingkat pencapaian kemampuan atau kompetensi mahasiswa dalam melaksanakan hak dan kewajiban dalam PPL. Namun, selama proses pelaksanaan PPL semua aktivitas masih dilakukan luring. Hal ini memiliki dampak adanya batasan ruang dan waktu untuk para penilai,  pengarsipan dokumen penilaian kurang termonitor, dan manipulasi penilaian oleh mahasiswa. Sehingga perlu mengoptimalkan pengelolaan dalam sistem penilaian PPL dengan solusi aplikasi sistem penilaian PPL berbasis web yang dapat diakses dari peramban apapun. Pengembangan aplikasi sistem penilaian PPL diciptakan berbasis website. Model Waterfall merupakan metode pengembangan aplikasi yang telah digunakan. Pengujian aplikasi sistem penilaian PPL dilaksanakan melalui pengujian <em>white-box</em> (pengujian unit dan integrasi), pengujian <em>black-box</em> (pengujian  validasi), dan pengujian <em>compatibility </em>dengan <em>sortsite</em>. Berdasarkan dari pengujian pada sestiap kasus uji di aplikasi sistem penilaian menandakan bahwa 100% valid dan dapat dijalankan diberbagai peramban, yaitu (1) IE; (2) Edge; (3) Firefox; (4) Safari; (5) Opera; (6) Chrome; (7) iOS; (8) Android.</p><p class="Judul2"> </p><p class="Judul2"><em><strong>Abstract</strong></em></p><p class="Abstract"><em>Field Experience Practice (FEP) is a pedagogy course that must be taken by all students of study program  Information Technology Education (ITE) Department of Information Systems Faculty of Computer Science at Brawijaya University to apply professional educators in the field of Information and Communication Technology (ICT). The purpose of FEP assessment is to obtain accurate information about the level of achievement of students' ability or competence in carrying out rights and obligations in FEP. However, during the FEP implementation process all activities are still carried out offline. This has the effect of limiting space and time for assessors, archiving of undermonitored assessment documents, and manipulation of assessments by students. So it is necessary to optimize the management in the FEP assessment system with a web-based FEP assessment system application solution that can be accessed from any browser. The development of FEP assessment system application was created based on the website. Waterfall model is an application development method that has been used. FEP assessment system application testing is conducted through white-box testing (unit testing and integration), black-box testing (validation testing), and compatibility testing with sortites. Based on testing on a single test case in the application the assessment system indicates that it is 100% valid and can be run in various browsers, namely (1) IE; (2) Edge; (3) Firefox; (4) Safari; (5) Opera; (6) Chrome; (7) iOS; (8) Android.</em></p><p class="Judul2"><em><strong><br /></strong></em></p>