Abstract:Abstract: STMIK Royal Kisaran Community Service Team (PKM) provided training to students of Asahan Regency Mandiri Computer Education Course (LKP), because they saw that there were still many school children and residents…
s around the village who were still very limited in knowledge of computer technology and its applications around the village. there is no nearest computer course. The training material taught at the Mandiri Computer Institute of Training and Education (LKP) is office administration using Microsoft Office 2010 application programs, especially Word, Excel, Power Point and the Internet. Implementation is done by direct practice accompanied by presentations and discussions and using computers to provide direct understanding to students LKP.
Keywords: Computer, Institutions Educational Courses,Microsoft Office 2010, Training, Students
Abstrak: Tim Pengabdian kepada masyarakat (PKM) STMIK Royal Kisaran memberikan pelatihan kepada siswa Lembaga Kursus Pendidikan (LKP) Mandiri Computer Kabupaten Asahan, karena memandang masih banyaknya anak sekolah dan penduduk disekitar desa tersebut yang masih sangat minim pengetahuan tentang teknologi komputer beserta aplikasinya dimana disekitar desa tersebut belum ada tempat kursus komputer yang terdekat. Materi pelatihan yang diajarkan di Lembaga Kursus dan Pelatihan (LKP) Mandiri Computer yaitu administrasi perkantoran dengan menggunakan program aplikasi Microsoft Office 2010 khususnya Word, Excel, Power Point dan Internet. Pelaksanaan dilakukan dengan cara praktek langsung disertai dengan presentasi dan diskusi dan menggunakan komputer untuk memberikan pemahaman langsung kepada siswa LKP.
Kata kunci: Komputer, Lembaga Kursus Pendidikan, Microsoft Office 2010, Pelatihan,Siswa
Abstract:Abstract: Community service activities carried out at Muhammadiyah Salam Vocational School (SMK Muhammadiyah Salam), Salam Subdistrict, Magelang Regency so that the X grade (1st) students of Muhammadiyah Salam Vocational…
School can support computer creativity specifically for desktop applications for developing Software Engineering (RPL) skills. This service activity is carried out by using a method of mentoring for class X students through computer assistance / application programs such as database and desktop creation. The long-term goal is the preparation of class X students who have an interest in application software to participate in the Student Skills Competition (LKS) in the following period. This application software training at Muhammadiyah Vocational School does not have an RPL major, so students are selected to take part in this activity. The final output that will support this activity is student assistance in computer applications as a development aid for students in the field of programming / software engineering. In addition, the publication of the results of this service was in the community service journal
Keywords: Community Service, Software Engineering, Application Software, Programming
Abstrak: Kegiatan pengabdian masyarakat yang dilakukan di SMK Muhammadiyah Salam, Kecamatan Salam Kabupaten Magelang bertujuan agar para siswa kelas X SMK Muhammadiyah Salam dapat memiliki kreatifitas pada bidang komputer khususnya aplikasi desktop untuk pengembangan ketrampilan Rekayasa Perangkat Lunak (RPL). Kegiatan pengabdian ini dilaksanakan dengan menggunakan metode pendampingan secara komprehensif kepada pada siswa kelas X melalui pendampingan program/aplikasi komputer seperti pembuatan database dan desktop. Tujuan jangka panjangnya adalah mempersiapkan siswa kelas X yang mempunyai minat di bidang software aplikasi untuk mengikuti kegiatan Lomba Kompetensi Siswa (LKS) pada periode berikutnya. Pelatihan software aplikasi ini karena di SMK Muhammadiyah tidak memiliki jurusan RPL, sehingga mahasiswa diseleksi untuk mengikuti kegiatan ini. Luaran akhir yang akan dicapai dari kegiatan ini adalah meningkatnya kemampuan siswa dalam penggunaan aplikasi komputer sebagai alat pengembangan kreatifitas siswa dalam bidang pemrograman/rekayasa perangkat lunak. Selain itu adalah terpublikasinya hasil pengabdian ini dalam jurnal pengabdian masyarakat.
Kata kunci: Pengabdian Masyarakat, Rekayasa Perangkat Lunak, Software Aplikasi, Pemrograman
Abstract:Abstract: Community service carried out in the City of Tasikmalaya has the purpose of providing an understanding to the public related to the implementation of Tasikmalaya Mayor Regulation Number 8 of 2016 concerning Implementation…
lementation of Independent Guidelines, Competitive and Innovative Community Movement Programs in the City of Tasikmalaya and Mayor Regulation No. 3 of 2017 concerning Amendments to Regulations Mayor of Tasikmalaya Number 8 of 2016 concerning Guidelines for the Implementation of Independent, Competitive and Innovative Community Movement Programs in the City of Tasikmalaya. The results of this activity were an increase in the knowledge, understanding and motivation of the community to implement the Gema Madani Program and find appropriate assistance patterns related to community empowerment in the context of implementing the Gema Madani Program.
Keywords: Implementation, community empowerment.
Abstrak : Pengabdian kepada masyarakat yang dilaksanakan di Kota Tasikmalaya memiliki tujuan memberikan pemahaman kepada masyarakat terkait dengan implementasi Peraturan Walikota Tasikmalaya Nomor 8 Tahun 2016 Tentang Pedoman Pelaksanaan Program Gerakan Masyarakat Mandiri, Berdaya Saing dan Inovatif di Kota Tasikmalaya dan Peraturan Walikota Nomor 3 Tahun 2017 tentang Perubahan Atas Peraturan Walikota Tasikmalaya Nomor 8 Tahun 2016 Tentang Pedoman Pelaksanaan Program Gerakan Masyarakat Mandiri, Berdaya Saing dan Inovatif di Kota Tasikmalaya. Hasil dari kegiatan ini adalah adanya peningkatan pengetahuan, pemahaman dan motivasi dari masyarakat untuk melaksanakan Program Gema Madani dan menemukan pola pendampingan yang tepat terkait dengan pemberdayaan masyarakat dalam rangka pelaksanaan Program Gema Madani.
Kata kunci : Implementasi, pemberdayaan masyarakat.
Abstract:Abstract: Rehabilitation programs are essential in correctional systems to equip inmates with the skills and behavioral readiness required for social reintegration. However, rehabilitation program assignment in many correctional…
ectional institutions remains dependent on manual and subjective assessments, which may result in inconsistent decisions. This study develops a Random Forest–based prediction system to support objective and data-driven rehabilitation program determination. A quantitative approach was applied using historical inmate data from January 2023 to January 2025, comprising 2,023 records. The research process included data preprocessing, an 80:20 training–testing split, model training, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The results show that the model achieved an accuracy of 86.17% during training in Google Colab and 68.83% when deployed within the application system. This performance gap reflects real-world deployment and computational constraints rather than model failure. The proposed system provides consistent and objective rehabilitation program recommendations, thereby supporting more effective rehabilitation planning and decision-making in correctional institutions.
Keywords: correctional institutions; inmate rehabilitation programs; machine learning; random Forest; prediction system
Abstrak: Program pembinaan narapidana memiliki peran penting dalam sistem pemasyarakatan untuk membekali warga binaan dengan keterampilan serta kesiapan perilaku dalam proses reintegrasi ke masyarakat. Namun, pada banyak lembaga pemasyarakatan, penentuan program pembinaan masih bergantung pada penilaian manual yang bersifat subjektif, sehingga berpotensi menimbulkan ketidakkonsistenan dalam pengambilan keputusan. Penelitian ini mengembangkan sistem prediksi program pembinaan narapidana berbasis algoritma Random Forest guna mendukung pengambilan keputusan yang objektif dan berbasis data. Pendekatan kuantitatif diterapkan menggunakan data historis narapidana periode Januari 2023 hingga Januari 2025 sebanyak 2.023 data. Tahapan penelitian meliputi prapemrosesan data, pembagian data latih dan uji dengan rasio 80:20, pelatihan model, serta evaluasi performa menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 86,17% pada tahap pelatihan di Google Colab dan 68,83% saat diimplementasikan pada sistem aplikasi. Perbedaan performa tersebut mencerminkan keterbatasan lingkungan operasional, bukan kegagalan model. Secara keseluruhan, sistem yang dikembangkan mampu memberikan rekomendasi program pembinaan yang lebih objektif dan konsisten, sehingga mendukung perencanaan pembinaan yang lebih efektif.
Kata kunci: mesin pembelajaran; program pembinaan narapidana; random Forest; sistem pemasyarakatan; sistem prediksi
Abstract:Abstract: Mental health is an essential aspect of overall well-being, particularly for university students vulnerable to emotional strain. This study aims to identify clusters of student mental health trends using the K-Means…
Means clustering technique. The research involved 60 students from four academic programs at the Faculty of Science and Technology, selected using stratified and cluster sampling techniques. Data were collected using a modified Mental Health Inventory (MHI). The results revealed distinct commonalities among majors: the Statistics program was predominantly defined by the depressed cluster at 53.3%, while Mathematics followed at 40% within the same cluster. In contrast, Biology students predominantly fell under the neu-tral/stable cluster (66.7%), whilst Information Systems students exhibited an even distribution (33.3% per cluster) without a dominant trend. The clustering quality was evaluated using the Silhouette Coefficient, yielding a range of 0.39 to 0.60. Biology (0.60) and Statistics (0.54) exhibited a reasonable structure, but Information Systems (0.39) and Mathematics (0.34) demonstrated a deficient structure. In conclusion, K-Means effectively discerns mental health patterns, providing a data-driven basis for targeted psychological interventions in educational settings.
Keywords: biology; information systems; k-means; mathematics; mental health; silhouette coefficient; statistics
Abstrak: Kesehatan mental merupakan komponen vital dari kesejahteraan total, terutama bagi maha-siswa yang rentan terhadap stres emosional. Penelitian ini bertujuan untuk mengidentifikasi kelompok tren kesehatan mental mahasiswa melalui penerapan metode pengelompokan K-Means. Studi ini mencakup 60 mahasiswa dari empat program studi di Fakultas Sains dan Teknologi, yang dipilih melalui metode pengambilan sampel bertingkat dan kelompok. Data dikumpulkan dengan menggunakan Inventaris Kesehatan Mental (MHI) yang dimodifikasi. Temuan menunjukkan kesamaan yang jelas di antara jurusan: program studi Statistika terutama ditandai oleh kelompok depresi (53,3%), diikuti oleh Matematika dengan 40% dalam kelompok depresi. Sebaliknya, mahasiswa Biologi terutama termasuk dalam kelompok netral/stabil (66,7%), sedangkan mahasiswa Sistem Informasi memiliki distribusi yang merata (33,3% per kelompok) tanpa pola yang dominan. Kualitas pengelompokan dinilai dengan Koefisien Sil-houette, menghasilkan rentang 0,39 hingga 0,60. Biologi (0,60) dan Statistika (0,54) memiliki struktur sedang, sedangkan Sistem Informasi (0,39) dan Matematika (0,34) menunjukkan struktur yang buruk. Kesimpulannya, K-Means secara akurat mengidentifikasi tren kesehatan mental, menawarkan landasan berbasis data untuk terapi psikologis yang ditargetkan di ling-kungan pendidikan.
Kata kunci: biologi; kesehatan mental; K-Means; matematika; silhouette coefficient; sistem in-formasi; statistika
Abstract:Abstract: INET Computer Palembang, as a computer training institution, faces difficulties in understanding participant characteristics due to variations in age, educational background, and chosen course packages. This study…
udy aims to analyze participant criteria and group them based on similarities using the K-Means Clustering algorithm. The data used were historical records of course participants from 2022 to 2025. The research process followed the CRISP-DM stages, starting from data cleaning and transformation, determining the optimal number of clusters using the Elbow Method, to evaluating cluster quality with the Davies-Bouldin Index. The implementation was carried out using Python and the scikit-learn library. The results show that the optimal number of clusters is k=5 with a Sum of Squared Errors (SSE) value of 1064.66 and a Davies-Bouldin Index (DBI) score of 0.820, indicating good cluster quality. The resulting clustering provides a structured profile of participants and demonstrates that K-Means is effective in segmenting course participants. These findings are expected to assist the institution in designing more targeted training programs.
Keywords: clustering; data mining; elbow method; k-means; computer course
Abstract:Abstract: This research is driven by the challenges faced by Universitas Lancang Kuning (UNILAK) in attracting applicants amidst intense competition, especially after the government's policy opened independent pathways to…
o State Universities (PTN) from 2022-2023, which impacted private university applicant numbers. To address this and support strategic planning, this study aims to predict the trend of prospective students applying to all study programs at UNILAK for the period 2025-2027. Two time series models were employed: ARIMA (AutoRegressive Integrated Moving Average) and LSTM (Long Short-Term Memory). Applicant data from 2019 to 2024 was used to build the model. The Augmented Dickey-Fuller (ADF) test confirmed the data's stationarity with a p-value of 0.0. ACF and PACF analyses determined the ARIMA parameters as p=1, d=1, q=1. The LSTM model was trained to capture more complex data patterns. ARIMA predictions for 2025, 2026, and 2027 are 3298.66, 3362.33, and 3371.30, respectively. LSTM predictions for the same years are 3335.64, 3476.52, and 3518.42. Evaluation using Root Mean Squared Error (RMSE) showed ARIMA (RMSE=588.72) to be more accurate than LSTM (RMSE=653.96). Nevertheless, LSTM provided a more optimistic prediction. This study concludes that ARIMA is better suited for short-term planning, while LSTM can be used for more ambitious long-term strategies.
Keywords: arima; LSTM; applicants; prediction; university
Abstrak: Penelitian ini didorong oleh tantangan Universitas Lancang Kuning (UNILAK) dalam menarik pendaftar di tengah persaingan ketat, khususnya setelah kebijakan pemerintah membuka jalur mandiri ke Perguruan Tinggi Negeri (PTN) sejak 2022-2023, yang menyebabkan penurunan jumlah pendaftar di universitas swasta. Untuk mendukung perencanaan strategis, studi ini bertujuan memprediksi tren jumlah calon mahasiswa yang mendaftar ke seluruh program studi di UNILAK untuk periode 2025-2027.Dua model deret waktu digunakan: ARIMA (AutoRegressive Integrated Moving Average) dan LSTM (Long Short-Term Memory). Data jumlah pendaftar dari 2019 hingga 2024 digunakan untuk membangun model. Uji Augmented Dickey-Fuller (ADF) menunjukkan data stasioner dengan p-value 0,0. Analisis ACF dan PACF menentukan parameter ARIMA sebagai p=1, d=1, q=1. Model LSTM dilatih untuk menangkap pola data yang lebih kompleks.Prediksi ARIMA untuk 2025, 2026, dan 2027 adalah 3298.66, 3362.33, dan 3371.30. Prediksi LSTM untuk tahun yang sama adalah 3335.64, 3476.52, dan 3518.42. Evaluasi menggunakan Root Mean Squared Error (RMSE) menunjukkan ARIMA (RMSE=588.72) lebih akurat daripada LSTM (RMSE=653.96). Meskipun demikian, LSTM memberikan prediksi yang lebih optimis. Studi ini menyimpulkan ARIMA lebih cocok untuk perencanaan jangka pendek, sementara LSTM dapat digunakan untuk strategi jangka panjang yang ambisius.
Kata kunci: arima; LSTM; pendaftar; prediksi; universitas
Abstract:Abstract: The PPKS task force at Universitas Amikom Purwokerto has been established and is actively implementing various programs. However, complaints regarding cases of sexual violence are currently managed through WhatsApp,…
sApp, with limited guidance on the complaint procedures. As a result, many students are unaware of the PPKS task force or how to report incidents, creating obstacles for both the task force in identifying cases and for students seeking to file complaints. This study aims to provide students with an effective and accessible way to report incidents of sexual violence on campus. To develop the complaint information system, the Scrum methodology was used, involving team collaboration to easily adapt to changes throughout the development process. The resulting complaint information system for the prevention and handling of sexual violence has been successfully implemented and tested with students at Universitas Amikom Purwokerto. This system enables students to submit complaints seamlessly online. Testing results indicate that the system functions as intended and meets the expected outcomes.
Keywords: information system; PPKS; complaint; student; scrum
Abstrak: Satuan tugas PPKS Universitas Amikom Purwokerto sudah berjalan dan membuat program kerja, namun dalam proses pengaduan kasus kekerasaan seksual saat ini hanya menggunakan whatsapp dan kurangnya penjelasan tentang prosedur pengaduan yang ada. Banyak mahasiswa yang belum mengetahui adanya satgas PPKS di kampus dan cara pengaduan kasus. Hal tersebut menjadi kendala bagi satuan tugas PPKS dalam mengetahui kasus yang ada dan mahasiswa saat ingin melakukan pengaduan kasus. Oleh karena itu, dibutuhkan sebuah sarana yang efektif dan mudah diakses bagi mahasiswa untuk melakukan pengaduan kasus apabila mahasiswa mengetahui tentang adanya kekerasaan seksual di lingkungan kampus. Tujuan Penelitian adalah untuk membantu memudahkan mahasiswa dalam melakukan aduan tentang adanya kasus kekerasaan seksual di lingkungan Universitas Amikom Purwokerto. Metode dalam pengembangan sistem adalah metode Scrum. Metode Scrum melibatkan keseluruhan tim yang ada di organisasi. Dengan adanya keterlibatan ini maka mudah dalam mengantisipasi perubahan yang terjadi selama pengembangan sistem. Sistem informasi pengaduan pencegahan dan penanganan tindak kekerasan seksual berhasil di terapkan dan diujikan kepada Mahasiswa Universitas Amikom Purwokerto. Dengan adanya sistem informasi pengaduan ini mahasiswa dapat dengan mudah dalam membuat aduan berbasis sistem. berdasarkan daftar uji yang dilakukan terhadap sistem yang dibuat maka dapat disimpulkan bahwa skenario yang diujikan sesuai dengan hasil yang diharapan.
Kata kunci: sistem informasi; PPKS; pengaduan; mahasiswa; scrum
Abstract:Abstract: Bekasi Regency, being one of the key cities in Indonesia, offers a suitable setting to study the intricacies of marriage decision-making during a quarter-life crisis. This study focuses on the application of clustering…
ustering algorithms to categorize individuals based on their marriage choices. Data was collected from a questionnaire completed by 110 respondents from Bekasi Regency, specifically individuals aged 18 to 30 who are single, including 80 women and 30 men. Data analysis was conducted using the RapidMiner software to evaluate the effectiveness of three clustering algorithms K-Means, X-Means, and K-Medoids in categorizing marriage decision patterns among young people experiencing a Quarter Life Crisis in Bekasi Regency. Results indicate that each algorithm has its own strengths and limitations in handling Quarter Life Crisis data.The results of the analysis show that the K-medoids algorithm provides the best clustering results with the lowest DBI value of 0.195, followed by the X-Means algorithm with a value of 0.199 and K-Means with a value of 0.207. These results can help understand the pattern of marriage decisions in the Quarter Life Crisis phase and help provide insights for policymakers in Bekasi Regency to make more effective intervention programs.
Keywords: K-Means; K-Medoids; X-Means
Abstrak: Sebagai salah satu kota besar di Indonesia, Kabupaten Bekasi memberikan konteks yang tepat untuk mempelajari kompleksitas pengambilan keputusan pernikahan di tengah krisis seperempat usia. Penelitian ini berfokus pada pemanfaatan algoritma clustering untuk mengelompokkan individu berdasarkan pilihan pernikahan mereka. Data diambil dari kuesioner yang diisi oleh 110 responden di Kabupaten Bekasi, yang terdiri dari individu lajang berusia 18 hingga 30 tahun, yaitu 80 perempuan dan 30 laki-laki. Analisis data dilakukan dengan perangkat lunak RapidMiner untuk mengevaluasi efektivitas tiga algoritma pengelompokan—K-Means, X-Means, dan K-Medoids—dalam mengelompokkan pola keputusan pernikahan di kalangan pemuda yang menghadapi Quarter Life Crisis di Kabupaten Bekasi. Hasilnya menunjukkan bahwa setiap algoritma memiliki keunggulan dan kelemahannya masing-masing dalam memproses data Quarter Life Crisis. Hasil analisis menunjukkan bahwa algoritma K-medoids memberikan hasil clustering terbaik dengan nilai DBI terendah yaitu 0.195, diikuti oleh algoritma X-Means dengan nilai 0.199 dan K-Means dengan nilai 0.207. Hasil ini dapat membantu memahami pola keputusan menikah pada fase Quarter Life Crisis dan membantu memberikan wawasan bagi pembuat kebijakan di Kabupaten Bekasi membuat program intervensi yang lebih efektif.
Kata kunci: K-Means; K-Medoids; X-Means
Abstract:Abstract: Data on stunting cases among toddlers in Datuk Bandar Timur sub-district, Tanjung Balai city Not yet processed in a way computerized use digital map , so that the monitoring process in-depth investigation of the…
e distribution and patterns of stunting in a area Not yet presented with Good . This matter Of course impact on cadre Public health center Semula Jadi For monitor number nutrition bad And spread prevalence of stunting in Datuk Bandar Timur sub-district, Tanjung Balai city . For That need development A system internal data management form chart nor map that can be give description spread nutrition bad in the region Mayor. Planning And development system information This done with use method data collection and interview direct to the UPTD Community Health Center Semula Jadi . Objective it was built this webgis can assist in identifying areas that need nutritional intervention, mapping the prevalence of stunting and malnutrition, as well as monitoring nutrition programs and optimizing resource allocation. Results from GIS can plays an important role in supporting efforts to prevent and overcome stunting problems by providing tools effective software for collecting, analyzing and visualizing nutritional data spatially. The use of web GIS can also provide information on stunting locations from UPTD Semula Jadi Health Center data.
Keywords : geographic information system; location mapping system; stunting.
Abstrak: Data kasus stunting pada balita di kecamatan datuk bandar timur kota tanjung balai belum diproses secara terkomputerisasi menggunakan peta digital, sehingga proses pemantauan penyelidikan mendalam tentang sebaran dan pola stunting disuatu daerah belum tersajikan dengan baik. Hal ini tentu berdampak pada kader puskesmas Semula Jadi untuk memantau angka gizi buruk dan penyebaran prevalensi stunting di kecamatan datuk bandar timur kota tanjung balai. untuk itu perlu pembangunan sebuah sistem pengelolaan data dalam bentuk grafik maupun peta yang dapat memberikan gambaran penyebaran gizi buruk diwilayah Datuk Bandar. Perancangan dan pembangunan sistem informasi ini dilakukan dengan menggunakan metode pengambilan data dan wawancara langsung ke UPTD Puskesmas Semula Jadi. Tujuan dibangunnya webgis ini dapat membantu dalam identifikasi daerah yang membutuhkan intervensi gizi, pemetaan prevalensi stunting dan gizi buruk, serta memantau program-program gizi dan optimalisasi alokasi sumber daya. Hasil dari SIG dapat berperan penting dalam mendukung upaya pencegahan dan penanggulangan masalah stunting dengan menyediakan alat software yang efektif untuk pengumpulan, analisis, dan visualisasi data gizi secara spasial. Kegunaan webgis juga dapat memberikan informasi mengenai lokasi stunting dari data UPTD Puskesmas Semula Jadi.
Kata kunci: sistem informasi geografis; sistem pemetaan lokasi; stunting