Sentiment analysis merupakan proses untuk memahami dan mengolah data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung dalam suatu kalimat opini. Pada umumnya masyarakat di zaman modern ini menuangkan dan mengekspresikan opininya ke media sosial terhadap berbagai topik, salah satu media sosial yang digunakan adalah twitter. Penelitian ini mencoba menganalisis tweet untuk dilakukan implementasi sentiment analysis terhadap opini masyarakat yang tertuang dalam twitter. Implementasi ini dilakukan dengan mengklasifikasikan tweet untuk mendapatkan informasi sentimen yang terkandung dalam tanggapan masyarakat, salah satu metode pengklasifikasian sentimen yaitu naïve bayes. Metode klasifikasi naïve bayes atau dikenal juga dengan teorema bayes memiliki ciri utama dalam asumsi opini yaitu menggunakan metode probabilitas dan statistik, teorema bayes menghitung nilai probabilitas tertinggi untuk klasifikasi sentimen. Jika suatu kata sering muncul dalam suatu dokumen maka diasumsikan bahwa kata tersebut merupakan kata penting dan diberikan nilai tertinggi, tapi jika kata muncul dalam berbagai dokumen maka kata tersebut bukanlah kata unik maka kata akan diberikan nilai rendah, dalam teorema bayes kata sendiri merupakan suatu unigrams dimana kata merupakan sentimen. Pengujian implementasi berbasis web menggunakan Bahasa Pemograman PHP menujukkan bahwa tweet dapat terklasifikasi secara otomatis. Data diklasifikasikan kedalam 3 (tiga) kelas yaitu, kelas positif, negatif dan netral. Proses dalam melakukan sentiment analysis dilakukan dengan melakukan text processing, setelah melewati tahapan text processing opini akan diklasifikasikan dengan metode klasifikasi naïve bayes ke dalam kelas positif, negatif atau netral. Secara keseluruhan hasil pengujian dengan menerapkan metode klasifikasi naïve bayes untuk mengolah informasi sentimen yang terdapat dalam suatu data tweet secara otomatis yang dikategorikan dalam tiga kelas yaitu positif, negatif dan netral dengan jumlah data latih sebesar 450 dan data uji sebesar 50, didapatkan akurasi sebesar 72%.

Sistem pendukung keputusan (SPK) merupakan sistem berbasis komputer yang berkemampuan mendukung analisis data dan pemodelan keputusan, dengan tujuan untuk meningkatkan efektivitas keputusan yang diambil. SPK diperlukan untuk proses Pemilihan Mahasiswa Berprestasi (Pilmapres) yang meliputi permasalahan seperti pemberkasan yang banyak, proses pengolahan data pemilihan yang memakan waktu lama, melibatkan kriteria yang dinilai dan memungkinkan terjadinya kesalahan manusia. Permasalahan tersebut berpengaruh dalam proses pengolahan data-data yang digunakan untuk proses keputusan. Mekanisme dalam pengambilan keputusan yang melibatkan multikriteria memerlukan suatu metode untuk menghasilkan alternatif keputusan, salah satunya adalah metode Profile Matching. Tujuan penelitian ini adalah membangun sebuah sistem pengambilan keputusan yang dapat digunakan untuk pemilihan mahasiswa berprestasi khususnya Fakultas Teknik Universitas Tanjungpura. SPK yang dibangun berdasarkan beberapa kriteria yang telah ditentukan. Metodologi penelitian yang dilakukan yaitu studi literatur, analisis kebutuhan, perancangan konseptual, perancangan aplikasi, pengujian dan evaluasi. Model pengembangan sistem menggunakan konsep System Development Life Cycle (SDLC), konsep tersebut digunakan untuk perancangan. Pengujian sistem dilakukan dengan dua cara, yaitu pengujian black box dan User acceptance Test (UAT). Hasil pengujian black box adalah sistem dapat bekerja dengan baik dalam menangani suatu kemungkinan kesalahan, dan pada pengujian UAT sistem dinilai sudah memberikan hasil yang baik, bahwa keputusan yang dihasilkan sudah membantu. Secara keseluruhan, SPK bisa membantu proses pengambilan keputusan dan mengatasi permasalahan pemberkasan, pengolahan data, dan proses penilaian pada Pilmapres.

Masa studi mahasiswa merupakan tolak ukur penilaian keberhasilan Program Studi, karena masa studi merupakan salah satu indikator keberhasilan proses belajar mahasiswa. Permasalahan mahasiswa lulus tidak tepat waktu dan mahasiswa drop out (DO) masih menjadi kendala Program Studi saat ini. Tujuan penelitian ini adalah membangun sebuah model untuk prediksi awal masa studi mahasiswa, dimana saat ini implementasinya dilakukan pada Program Studi Informatika Universitas Tanjungpura. Keterlambatan mahasiswa dalam menempuh masa studi disebabkan karena kesulitan data pengetahuan yang terbatas tentang prediksi masa studi. Prediksi adalah suatu kegiatan untuk memperkirakan kejadian yang akan terjadi dimasa depan dengan menggunakan data yang sudah ada. Penggunakan model untuk melakukan prediksi masa studi bisa digunakan untuk menangani masalah kerumitan dan ketepatan hasil prediksi, dengan menggunakan metode pendekatan yang cocok untuk prediksi salah satunya adalah algoritma Decision Tree C4.5. Pengujian sistem yang dilakukan menggunakan Cofusion Matrix, menunjukan bahwa model prediksi yang dibangun menggunakan Decision Tree C4.5 menghasilkan rule yang baik digunakan untuk prediksi masa studi mahasiswa. Karena hasil perhitungan nilai akurasi terhadap prediksi yang dihasilkan dengan kenyataan sebenarnya menunjukan nilai precision, recall dan accuracy rata-rata diatas 50% sedangkan untuk nilai error rate berada dibawah 20% .

Iklim tropis yang memiliki dua musim, yakni musim penghujan dan musim kemarau yang seharusnya berputar setiap enam bulan sekali. Namun beberapa tahun terakhir ini, perubahan iklim global terasa ditandai dengan tidak menentunya perputaran musim kemarau maupun musim penghujan. Untuk mengetahui perubahan pola curah hujan tersebut, maka dirancanglah prediksi besaran curah hujan untuk melihat dan menganalisa pola hujan yang akan terbentuk ke depannya. Aplikasi prediksi besaran curah hujan yang akan dibangun menggunakan forecasting atau peramalan dengan metode Fuzzy Time Series. Logika fuzzy digunakan karena dapat memetakan suatu input ke dalam suatu output dan memiliki toleransi terhadap data-data yang tersedia. Adapun hasil dari penelitian yang dilakukan adalah mengimplementasikan metode Fuzzy Time Series untuk membangun aplikasi yang dapat mengolah dan menghitung pola data curah hujan serta memprediksi besaran curah hujan. Hasil dari pengujian diperoleh nilai MAPE (Mean Average Percentage Error) bervariasi tergantung jumlah data dan jumlah interval yang digunakan. Nilai MAPE terbaik yang diperoleh adalah 0,151% pada penggunaan data curah hujan periode 2015 – 2017 dengan jumlah interval 401. Perhitungan menggunakan metode Fuzzy Time Series sangat dipengaruhi oleh jumlah data yang digunakan dan jumlah interval dalam membagi data tersebut.

Basis pengetahuan merupakan komponen yang penting dalam membangun suatu sistem cerdas terutama yang berkaitan dengan sistem yang membutuhkan kepakaran atau keahlian. Dalam penelitian ini, dibangun sebuah basis pengetahuan dengan model keputusan kelompok, yaitu keputusan yang diambil dari beberapa pakar yang berkaitan dengan gangguan perilaku pada anak. Pakar dalam hal ini berperan sebagai pengambil keputusan dalam memberikan preferensi terhadap gejala yang sudah dikumpulkan. Preferensi yang diberikan oleh pakar yaitu menggunakan format vektor utilitas, format ini memiliki kemiripan dengan konsep fuzzy dimana nilai preferensi yang diberikan yaitu dengan rentang 0 sampai 1. Hasil dari vektor utilitas tersebut kemudian ditransformasikan menjadi relasi preferensi fuzzy dalam bentuk matrik. Matrik preferensi fuzzy yang telah dibentuk diagregasikan dengan operator Ordered Weighted Averaging (OWA) dan dilakukan perangkingan dengan operator Quantifier Guided Dominance Degree (QGDD)  untuk mendapatkan  nilai bobot rule yang terbentuk atau nilai kinerja. Pada penelitian ini terkumpul sebanyak 20 gejala dengan 5 gangguan perilaku pada anak. Berdasarkan pengujian kevalidan data dengan menggunakan member check dan juga triangulasi . Basis pengetahuan dengan mengimplementasikan model keputusan kelompok ini menghasilkan sebanyak 19 pengetahuan dalam bentuk IF-THEN dengan bobot yang berbeda.

Stunting adalah kondisi gagal tumbuh pada anak balita akibat dari kekurangan gizi kronis sehingga tinggi atau panjang badan anak terlalu pendek untuk usianya. Pada tahun 2017 dari hasil Pantauan Status Gizi (PSG) yang dilakukan oleh pemerintah pusat di Kota Pontianak tercatat sebanyak 28% balita dinyatakan terkena stunting. Hasil PSG 2017 tersebut mengalami perbaikan dengan angka persentase penurunan stunting sebanyak 4% dari tahun sebelumnya, yaitu 32% di tahun 2016. Untuk dapat mendukung dalam mengurangi angka persentase stunting di Kota Pontianak, dibuatlah sebuah aplikasi sistem pendukung keputusan pemilihan daerah prioritas penanganan stunting pada balita. Sistem Pendukung Keputusan (SPK) merupakan suatu sistem berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu pihak pengambil keputusan. Sistem pendukung keputusan bukan merupakan alat pengambilan keputusan, melainkan sebagai sistem yang membantu pengambil keputusan yang dilengkapi informasi dari data yang telah diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat. Metode TOPSIS merupakan metode yang digunakan pada aplikasi ini. Metode TOPSIS adalah suatu metode alternatif terbaik yang memiliki jarak terpendek dari solusi ideal positif dan jarak terjauh dari solusi ideal negatif. Hasil keluaran dari aplikasi ini adalah urutan nilai preferensi dari nilai terbesar hingga terkecil berdasarkan alternatif yang menjadi pilihan. Adapun hasil pengujian kuesioner yang sudah dilakukan responden memberi tanggapan dengan rata-rata nilai 80% dari tiga aspek penilaian yaitu aspek rekayasa perangkat lunak, aspek fungsionalitas perangkat lunak, dan aspek visual perangkat lunak.

Teknologi dimanfaatkan manusia dalam berbagai bidang untuk membantu menyelesaikan kegiatan yang dulunya dikerjakan secara manual. Dengan memanfaatkan teknologi, aktivitas tersebut dapat diselesaikan dengan mudah dan cepat. Teknologi yang saat ini berkembang adalah Augmented Reality (AR) karena tampilan visual yang menarik sehingga dapat menampilkan objek 3 dimensi beserta animasinya dan terlihat seperti ada pada dunia nyata. Oleh karena itu, AR dapat digunakan untuk pengenalan hewan mamalia. Saat ini untuk pengenalan hewan mamalia hanya dapat dipelajari dari buku, video, dan internet. Maka, pada penelitian ini dibangun aplikasi AR untuk pengenalan hewan mamalia yang disertai dengan suara sehingga informasi yang disampaikan lebih detail. Untuk membangun aplikasi berbasis android, digunakan Unity sedangkan pembuatan aplikasi AR digunakan Vuforia SDK. Marker terdapat pada sebuah buku untuk menampilkan visualisasi objek 3D. Aplikasi yang dibangun pada sistem operasi android dengan menerapkan teknologi Augmented Reality bertujuan untuk pengenalan hewan mamalia kepada anak usia 7 hingga 12 tahun yang dapat menambahkan visualisasi objek 3D ke dalam lingkungan nyata sehingga mereka dapat mengenal hewan mamalia tersebut. Berdasarkan hasil pengujian jarak ideal, semakin terlihat pixel pada marker maka semakin berpengaruh pada sistem untuk menampilkan objek 3D. Berdasarkan hasil pengujian validity, anak-anak dapat mengenali hewan mamalia dengan menggunakan aplikasi AR Pengenalan Hewan Mamalia dengan hasil 91% responden menjawab Sangat Baik. Oleh karena itu, Aplikasi AR Pengenalan Hewan Mamalia ini dapat dimanfaatkan pengguna sebagai media untuk mengenal hewan mamalia.

Abstract. This research aimed to assess the tsunami flow velocity and height reduction produced by a planned elevated road spanned parallel to the coast of Banda Aceh called Banda Aceh Outer Ring Road (BORR). Cornell Multi-Grid Coupled Tsunami Model (COMCOT) was used to simulate eight scenarios of the tsunami. One of them was based on the 2004 Indian Ocean tsunami. Two magnitudes of earthquake were used, that is, 8.5 and 9.15 Mw. Both the earthquakes were generated from the same source location as in the 2004 case, around the Andaman Sea. Land use data of the innermost layer of the simulation area were adopted based on the 2004 condition and the land use planning of the city for 2029. The results of this study reveal that the tsunami flow depths and flow velocities can be reduced by about 9 % by using the elevated road for earthquake magnitude 9.15 Mw and about 22 % for earthquake magnitude 8.5 Mw. Combined with the land use planning 2029, the elevated road could reduce the maximum flow velocities behind the road by about 72 %. Notably, the proposed land use for 2029 will not be sufficient to deliver any effects on the tsunami mitigation without the elevated road structures. We recommend the city to construct the elevated road as this could be part of the co-benefit structures for tsunami mitigation. The proposed BORR appears to deliver significant reduction of impacts in the smaller intensity tsunamis compared to the 2004 Indian Ocean tsunami.