Dalam setiap lembaga khususnya universitas, ada banyak beasiswa yang ditawarkan kepada mahasiswa. Ada beasiswa yang bersumber dari pemerintah serta dari pihak swasta. Beasiswa ini dapat diperoleh apabila calon penerima dinilai memenuhi syarat yang telah ditentukan, sebagai contoh: IPK, pendapatan orang tua, jumlah saudara dan jumlah tanggungan orang tua, keaktifan mengikuti organisasi mahasiswa, prestasi dan lain-lain. Saat ini diperlukan aplikasi untuk mengembangkan suatu sistem pendukung keputusan yang dapat memberikan rekomendasi beasiswa agar tepat sasaran dengan banyak kriteria yang dijadikan pertimbangan. Aplikasi yang dibangun untuk menyeleksi penerima beasiswa ini menggunakan program aplikasi lazarus. Metode yang dipilih untuk menyelesaikan permasalahan dengan banyak kriteria adalah Simple Additive Weighting (SAW), salah satu metode yang dapat digunakan untuk memecahkan masalah Fuzzy MADM. Metode ini dipilih karena dapat menentukan bobot untuk setiap atribut, diikuti peringkat alternatif yang akan memilih penerima beasiswa berdasarkan bobot yang telah dibuat untuk mendapatkan hasil yang lebih akurat yang akan menerima beasiswa.In any particular university institutions, there are many scholarships are offered to students. There are scholarships from government sources as well as from the private sector. This scholarship can be obtained if considered eligible recipients who have been determined, for example : GPA, parental income, number of siblings and the number of elderly dependents, active following student organizations, and other accomplishments. Currently the application is necessary to develop a decision support system that can provide recommendations for the right target scholarships to many criteria taken into consideration. Applications built for selecting awardees lazarus application program. The method chosen to solve the problem with a lot of criteria is Simple Additive Weighting (SAW), one of the methods that can be used to solve the problem of fuzzy MADM. This method was chosen because it can determine the weights for each attribute, followed by alternative rankings will select scholarship recipients based on the weight that has been made to obtain more accurate results that will receive the scholarship.

Penelitian ini bertujuan untuk membangun program aplikasi sistem pendukung keputusan untuk memilih siswa yang berprestasi di SMAN Kebakkramat menggunakan IDE Lazarus dengan database MySQL. Beberapa kriteria yang digunakan sebagai dasar penyeleksian siswa yang berprestasi diantaranya: nilai akademik, nilai sikap, nilai ketrampilan, serta nilai aktivitas masing-masing siswa. Dalam pengambilan keputusan untuk kasus di atas, metode penyelesaian masalah untuk banyak kriteria yang digunakan adalah Analytical Hierarchy Process (AHP). Penelitian ini menghasilkan sebuah matriks hasil yang menentukan prioritas dari tiap kriteria penilaian yang diimplementasikan pada aplikasi sistem pendukung keputusan. Hasil penelitian menunjukkan bahwa kriteria nilai akademik memiliki bobot yang tertinggi, yaitu 40%. Kemudian, kriteria nilai sikap dan nilai ketrampilan masing-masing memiliki bobot 35% dan 15%. Nilai aktivitas adalah kriteria dengan bobot terendah, yaitu 10% dari total bobot. Hasil dari penelitian dapat dijadikan sebagai dasar pengambilan keputusan dalam memilih siswa yang berprestasi di SMAN Kebakkramat secara cepat, akurat, dan tidak terdapat subjektivitas dari pihak yang berwenang

Indonesia is a nation with various ethnicities and rich cultural backgrounds that span from Sabang to Merauke. One of the cultural products of Indonesian society is shadow puppet. Shadow puppet has been internationally renowned as a masterpiece of cultural art and recognized by UNESCO. The development of Indonesian society is very dependent on technological sophistication and it may shift the existing traditional culture out from the memory of the nation. Practices of modern life and the busy activities of the people exacerbate the condition and may make the society to ignore traditional culture. This study seeks to preserve traditional Indonesian culture by making shadow puppets as the object of classification. We use a deep learning algorithm called convolutional neural network (CNN) to classify 430 puppet images into 4 classes. The proportion of training, validation and test data is 70 by 20 by 10. The experiments show that the most efficient model is obtained with 3 convolution layer. It reaches an accuracy rate of 0.93 and a drop out rate of 0.2