Abstract:Abstract: The re-occurrence of the ship accident while sailing in Toba Lake shows that the operational standard procedure (SOP) on safety and security issues, which are then followed by affordable cost aspects, speed and…
timeliness, and convenience aspects have not been implemented effectively and maximally. Therefore the proponent team from the Indonesian Maritime Academy College in Medan proposed community service activities in the form of training and mentoring for target partners to provide scientific education along with the assistance of partner education facilities. The results of this activity are published in scientific journals, electronic mass media. In addition, the activity videos and the improvement of the knowledge and skills of partner HR are outcomes of this activity. The lecture and demonstration methods used in the process provide an understanding of the use of shipping safety equipment. The practice method is directly used to skill in using shipping safety equipment, of course, with the assistance of the proposing team. Observation method is done to observe the ability of partners both during the activity process and afterwards. Observation after the activity is intended to determine the impact of the activities that have been carried out.
Keywords: standard operating procedures, Toba lake, shipping safety equipment
Abstrak: Terjadinya kembali musibah kecelakaan kapal saat berlayar di Danau Toba menunjukkan bahwa standar operasional prosedur (SOP) persoalan keselamatan dan keamanan, yang selanjutnya baru diikuti dengan aspek biaya yang terjangkau, kecepatan dan ketepatan waktu, serta aspek kenyamanan belum dilaksanakan secara efektif dan maksimal. Oleh sebab itu tim pengusul yang berasal dari Perguruan Tinggi Akademi Maritim Indonesia Medan mengusulkan kegiatan pengabdian kepada masyarakat dalam bentuk pelatihan dan pendampingan terhadap mitra sasaran untuk memberikan edukasi ilmiah disertai dengan adanya bantuan sarana edukasi mitra. Hasil dari kegiatan ini dipublikasikan di jurnal ilmiah, media massa elektronik. Selain itu video kegiatan serta peningkatan pengetahuan dan keterampilan SDM mitra merupakan luaran dari kegiatan ini. Metode ceramah dan demonstrasi digunakan dalam proses memberikan pemahaman mengenai penggunaan peralatan keselamatan pelayaran. Metode praktik langsung digunakan untuk keterampilan menggunakan peralatan keselamatan pelayaran tentunya dengan pendampingan tim pengusul. Metode observasi dilakukan untuk mengamati kemampuan mitra baik selama proses kegiatan maupun sesudahnya. Evaluasi sesudah kegiatan ditujukan untuk mengetahui dampak dari kegiatan yang telah dilaksanakan.
Kata kunci: standar operasional prosedur, danau toba, peralatan keselamatan pelayaran
Abstract:Abstract: This community service aims to empower people who are members of the Yasayan Senyum Ibu Indonesia (YSII), so that they dare to appear to do public speaking. Empowerment needs to be done, considering the number…
of Foundation activities that require public speaking skills. The empowerment method used in this service has three stages. The first stage is to introduce and teach participants, how to find material or material to be delivered in public speaking, using the internet. After the material is obtained, they are asked to arrange the sentences that will be delivered in public speaking, then practice them one by one. The second method is to teach and practice the participants to hear a lot while memorizing the words that have been heard, to be memorized and repeated. This method is the basic method of public speaking, which relies a lot on memory, based on what is heard, then memorized. After memorizing, recited in public speaking activities. The third method is one by one the participants learn to recite flat voice intonation, as a basic technique in public speaking. The results of this service are public speaking modules that will be made HKI, popular articles in online media, and scientific articles in public service journals.
Keywords: Public Speaking, Internet, Information Technology
Abstrak: Pengabdian ini bertujuan untuk memberdayakan masyarakat yang tergabung dalam Yasayan Senyum Ibu Indonesia (YSII), agar berani tampil untuk melakukan public speaking. Pemberdayaan ini perlu dilakukan, mengingat banyaknya kegiatan Yayasan yang memerlukan keterampilan public speaking. Metode pemberdayaan yang digunakan dalam pengabdian ini ada tiga tahap. Tahap pertama, adalah mengenalkan dan mengajarkan kepada para peserta, cara mencari bahan atau materi yang akan disampaikan dalam public speaking, dengan menggunakan internet. Setelah bahan di dapatkan, mereka diminta untuk menyusun kalimat yang akan disampaikan di dalam public speaking, kemudian mempraktikannya satu-persatu. Metode kedua adalah mengajarkan dan mempraktikan kepada para peserta untuk banyak mendengar sekaligus menghafalkan kata-kata yang telah didengar, untuk dihapalkan dan diulang kembali. Metode ini adalah metode dasar public speaking, yang banyak mengandalkan daya ingat, berdasarkan dari apa yang didengar, kemudian dihapalkan. Setelah hapal, dilafalkan dalam kegiatan public speaking. Metode ketiga adalah satu persatu peserta belajar melafalkan intonasi suara datar, sebagai teknik dasar dalam public speaking. Hasil dari kegiatan pengabdian ini adalah modul public speaking yang akan dibuat HKI, artikel popular di media online, adan artikel ilmiah di jurnal pengadian masyarakat.
Kata Kunci: Public Speaking, Internet, Teknologi informasi
Abstract:Abstract: Libraries function not only as information centers but also as literacy spaces that require an orderly and communicative service environment. One supporting service in fostering such an environment is the delivery…
ery of literacy greetings to visitors. In practice, greetings are commonly delivered manually or through conventional bells, leading to inconsistency and dependence on staff availability. This study was conducted at the Amir Machmud Library, Ministry of Home Affairs, Jakarta, Indonesia, aiming to design and evaluate a Python-based scheduled audio alarm system for automated literacy greetings. An applied experimental method was employed, including system design, Python script development, scheduling configuration using Windows Task Scheduler, and direct system testing on a library computer connected to ceiling speakers. The system requires initial execution via Command Prompt (CMD) when the computer is powered on, after which it operates automatically according to predefined schedules. Testing results demonstrate that the system performs scheduled audio playback accurately and operates stably without further manual intervention. The findings indicate that the proposed system provides a practical and efficient solution to enhance service consistency and support a structured and conducive literacy environment in the library.
Keywords: scheduled audio alarm; library automation; python; literacy greeting.
Abstrak: Perpustakaan tidak hanya berfungsi sebagai pusat informasi, tetapi juga sebagai ruang literasi yang memerlukan suasana layanan yang tertib dan komunikatif. Salah satu bentuk dukungan layanan tersebut adalah penyampaian sapaan literasi kepada pengunjung. Dalam praktiknya, penyampaian sapaan masih dilakukan secara manual atau menggunakan bel konvensional sehingga kurang konsisten dan bergantung pada petugas. Penelitian ini dilaksanakan di Perpustakaan Amir Machmud, Kementerian Dalam Negeri, Jakarta, Indonesia, dengan tujuan merancang dan menguji sistem alarm audio terjadwal berbasis Python sebagai media penyampaian sapaan literasi. Metode yang digunakan adalah metode eksperimental terapan melalui tahapan perancangan sistem, pengembangan skrip Python, konfigurasi penjadwalan menggunakan Windows Task Scheduler, serta pengujian langsung pada komputer perpustakaan yang terhubung dengan speaker plafon. Sistem bekerja dengan mekanisme inisialisasi awal melalui Command Prompt (CMD) saat komputer dinyalakan, kemudian selanjutnya berjalan otomatis sesuai jadwal yang telah ditentukan. Hasil pengujian menunjukkan bahwa sistem mampu memutar audio secara konsisten dan stabil pada waktu yang telah diatur tanpa intervensi lanjutan dari petugas. Dengan demikian, sistem ini dapat menjadi solusi sederhana dan efisien untuk mendukung terciptanya suasana literasi yang lebih terstruktur dan kondusif di lingkungan perpustakaan.
Kata kunci: alarm audio terjadwal; otomasi perpustakaan; python; sapaan literasi.
Abstract:YouTube has become a major platform for public discourse in Indonesia, yet large-scale sentiment analysis of its comments remains challenging due to dynamic content, informal language, and limited labeled data. This study…
y proposes a Selenium–IndoBERT pipeline for sentiment analysis of Indonesian YouTube comments using a pseudo-labeling approach. Data were collected from ten YouTube videos discussing the One Piece flag phenomenon, yielding 10,842 comments after preprocessing. Selenium was employed to extract comments from dynamic pages, while IndoBERT was fine-tuned on a small manually labeled dataset and used to generate pseudo-labels for unlabeled data. Model performance was evaluated using probabilistic metrics, including Coverage, Expected Calibration Error (ECE), and Brier Score. At a confidence threshold of 0.75, 78.5% of comments received pseudo-labels, with an ECE of 0.095 and a Brier Score of 0.174. Manual validation showed substantial agreement with human annotations (Fleiss’ kappa = 0.72). The results indicate that the proposed pipeline enables scalable and reliable sentiment analysis with minimal manual annotation.
Abstract:Abstract: MBG is a strategic program of the Prabowo-Gibran administration. This program has become a widely discussed issue in the public. To better understand public perception of this program, sentiment analysis is necessary.…
essary. This study aims to compare the performance of algorithms machine learning SVM, RF, And BERT with preprocessing data analyzing public sentiment of the MBG program in media X. The total dataset for this study was 39,858 out of 42,465 successfully crawled tweets. The research methods included data collection, preprocessing data (cleaning, case folding, word normalization, stopword removal and stemming), feature extraction, model training (fine-tuning), handling class imbalance with SMOTE, and evaluation using accuracy, precision, recall, and f1-score. The research results show that without SMOTE, the best performing models are BERT with 89% accuracy, SVM 87%, and RF 78.4%. After SMOTE, the best algorithms were SVM with 92.94%, BERT with 88.3%, and RF with 86.59%. The results confirmed that SVM is the best algorithm if at leastclass imbalance. BERT is the best algorithm before and after SMOTE, because BERT is more effective in capturing the nuances of language on social media, so BERT is the most recommended in MBG sentiment analysis.
Keywords: sentiment analysis; machine learning; SVM, RF, and BERT
Abstrak: MBG merupakan program strategis pemerintahan Prabowo - Gibran. Program ini menjadi isu yang banyak diperbincangkan publik. Untuk mengetahui lebih dalam persepsi masyrakat tentang program ini, perlu dilakukan analisis sentiment. Penelitian ini bertujuan membandingkan kinerja algoritma machine learning SVM, RF, dan BERT dengan preprocessing data menganalisis sentiment public program MBG di media X. Total dataset penelitian ini adalah 39.858 dari 42.465 tweet yang berhasil di crawling. Metode penelitian mencakup pengumpulan data, preprocessing data (cleaning, case folding, normalisasi kata, stopword removal dan stemming), ekstraksi fitur, pelatihan model (fine-tuning), penanganan class imbalance dengan SMOTE, dan evaluasi menggunakan akurasi, presisi, recall, dan f1-score. Hasil peneltian menunjukkan, tanpa SMOTE model dengan kinerja terbaik adalah BERT dengan akurasi 89%, SVM 87%, dan RF 78,4%. Setelah SMOTE algoritma terbaik adalah SVM 92,94%, BERT 88,3% dan RF 86,59%. Hasil penelitian menegaskan bahwa SVM adalah algoritma terbaik jika minimal class imbalance. BERT adalah algoritma terbaik sebelum dan sesudah SMOTE, karena BERT lebih efektif dalam menangkap nuansa bahasa pada media sosial, sehingga BERT paling di rekomendasikan dalam analisis sentimen MBG.
Kata kunci: analisis sentimen; machine learning; SVM, RF, dan BERT
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: Face recognition based on deep learning has become an important technology in many areas. However, these systems often face challenges in real-world conditions, such as when the face is partially covered by accessories…
essories such as masks or glasses. This study aims to evaluate the effect of data augmentation by adding facial accessories (masks, glasses, and a combination of both) and geometric augmentation on the accuracy of face recognition systems. There are three types of datasets used in this method: the original dataset (category 1), the dataset with facial accessories augmentation (category 2), and the dataset with geometric augmentation (category 3). Data augmentation was performed on the training dataset to increase diversity, followed by the face detection process using SCRFD and feature extraction with ArcFace. The model was then trained using Multi-Layer Perceptron (MLP). Based on the results, adding face accessories (category 2) made the model a lot more accurate, hitting 99% accuracy. In category 3, adding geometric features improved accuracy to 91%. Other evaluation metrics, such as precision, recall, and F1-score, also showed improvement after augmentation. This study concludes that facial accessories augmentation is more effective in improving the accuracy and robustness of face recognition models compared to geometric augmentation.
Keywords: augmentation; deep learning; face recognition; glasses.
Abstrak: Pengenalan wajah berbasis deep learning telah menjadi salah satu teknologi penting dalam berbagai aplikasi. Namun, sistem ini sering kali menghadapi tantangan dalam kondisi dunia nyata, seperti saat wajah tertutup sebagian oleh aksesori seperti masker atau kacamata. Penelitian ini bertujuan untuk mengevaluasi pengaruh augmentasi data dengan menambahkan aksesori wajah (masker, kacamata, dan kombinasi keduanya) serta augmentasi geometris terhadap akurasi sistem pengenalan wajah. Metode yang digunakan melibatkan tiga kategori dataset: dataset asli tanpa augmentasi (kategori 1), dataset dengan augmentasi aksesoris wajah (kategori 2), dan dataset dengan augmentasi geometris (kategori 3). Augmentasi data dilakukan pada dataset pelatihan untuk meningkatkan keberagaman, diikuti dengan proses deteksi wajah menggunakan SCRFD dan ekstraksi fitur dengan ArcFace. Model kemudian dilatih menggunakan Multi-Layer Perceptron (MLP). Hasil penelitian menunjukkan bahwa augmentasi aksesoris wajah (kategori 2) memberikan peningkatan signifikan pada akurasi model, mencapai 99%, sedangkan kategori 3 dengan augmentasi geometris mencapai akurasi 91%. Metrik evaluasi lainnya, seperti precision, recall, dan F1-score, juga menunjukkan peningkatan setelah augmentasi. Penelitian ini menyimpulkan bahwa augmentasi aksesoris wajah lebih efektif dalam meningkatkan akurasi dan ketahanan model pengenalan wajah dibandingkan dengan augmentasi geometris.
Kata kunci: augmentasi; deep learning; kacamata; pengenalan wajah.
Abstract:Abstract: The development of AI assistants such as Gemini and ChatGPT can significantly assist in daily human tasks. In the field of Sentiment Analysis, AI assistants can be utilized as an automated labeling alternative…
to provide positive, negative, or neutral sentiments within a dataset. This research aims to enhance the performance of AI assistants in automated labeling processes by employing the Feature Selection algorithm, specifically Forward Selection. The methodology involves utilizing the Naïve Bayes and K-NN algorithms, and subsequently improving accuracy through the Feature Selection algorithm. The evaluation is conducted using K-Fold Cross Validation. Research findings indicate an improvement in the accuracy of the best model, which is ChatGPT, when using the Naïve Bayes algorithm and Shuffled Sampling technique. The initial accuracy of 79.09% increased to 87.18% after Feature Selection was applied. This demonstrates the effectiveness of Feature Selection, particularly Forward Selection, in enhancing the accuracy performance of the model.
Keywords: ai; assistant; chat gpt; feature selection; gemini.
Abstrak: Pekembangan Asisten AI seperti Gemini dan Chat GPT dapat membantu pekerjaan manusia sehari-hari. Dalam bidang Analisis Sentimen, Asisten AI dapat digunakan sebagai alternatif pelabelan otomatis untuk memberikan sentimen positif, negatif atau netral dalam suatu dataset. Penlitian ini bertujuan untuk meningkatkan performa yang dihasilkan oleh Asisten AI dalam proses pelabelan otomatis menggunakan Algortima Feature Selection yaitu Forward Selection. Metode yang digunakan adalah dengan menggunakan Algoritma Naïve Bayes dan K-NN kemudian hasil akurasi akan ditingkatkan menggunkan Algoritma Feature Selection. Evaluasi yang digunakan adalah K-Fold Cross Validation. Hasil penelitian menunjukkan peningkatan akurasi model terbaik berada pada Chat GPT dengan menggunakan Algoritma Naïve Bayes dan Teknik Shuffled Sampling, dari nilai akurasi awal sebesar 79.09%, setelah ditingkatkan menggunakan Feature Selection, maka nilai akurasinya meningkat menjadi 87.18%. Hal ini membuktikan peran Feature Selection, dimana yang digunakan adalah Forward Selection dalam meningkatkan akurasi ternyata memang efektif dalam meningkatkan performa akurasi model.
Kata kunci: ai; assisten; chat gpt; feature selection; gemini
Abstract:Abstract: The increasing number of students at STMIK Royal Kisaran has raised the risk of air pollution caused by vehicle emissions, cigarette smoke, and waste burning, particularly around the campus canteen. The campus's…
s location, which is close to a rubber factory and the Sumatra Crossroad, further exacerbates air quality and significantly impacts the health of individuals active at STMIK Royal. This study aims to develop a system that can measure air quality in real-time and detect pollutants in the campus environment. The system utilizes MQ-135 and MQ-2 sensors integrated with a microprocessor to process and transmit data to an IoT-based database. This research employs a qualitative descriptive method to describe the facts and trends based on the available data. The results indicate that air quality is good in the morning, worsens during the afternoon, and improves again in the evening, reflecting increased pollution during periods of heightened industrial and transportation activities. The implementation of this system is expected to contribute to the creation of a healthier environment and raise awareness about the importance of air quality.
Keywords: air quality; campus environment ; IoT; pollution.
Abstrak: Peningkatan jumlah mahasiswa di Kampus STMIK Royal Kisaran telah meningkatkan risiko polusi udara akibat asap kendaraan, rokok, dan pembakaran sampah, terutama di sekitar kantin kampus. Lokasi kampus yang dekat dengan pabrik karet dan jalan lintas Sumatera sehingga memperburuk kualitas udara dan sangat mempengaruhi kesehatan para individu yang beraktivitas di STMIK Royal. Penelitian ini bertujuan mengembangkan sistem yang dapat mengukur kualitas udara secara real-time dan mendeteksi polutan di lingkungan kampus. Sistem ini menggunakan sensor MQ-135 dan MQ-2 yang terintegrasi dengan mikroprosesor untuk mengolah dan mengirim data ke database berbasis IoT. Penelitian ini menggunakan metode deskriptif kualitatif untuk menggambarkan fakta dan kecenderungan dari data yang tersedia. Hasilnya menunjukkan bahwa kualitas udara baik di pagi hari, memburuk di siang hari, dan membaik lagi di sore hari, menunjukkan peningkatan polusi saat aktivitas pabrik dan transportasi meningkat. Implementasi sistem ini diharapkan dapat mendukung terciptanya lingkungan yang lebih sehat dan meningkatkan kesadaran akan pentingnya kualitas udara.
Kata kunci: IoT; lingkungan kampus; kualitas udara; polusi.
Abstract:Abstract: CRM (Customer Relationship Management) is a type of management regarding the management of the company with customers to improve relationships with customers. CRM can be adapted to E-CRM (Electronic Customer Relationship…
lationship Management) which requires the role of information technology. Symple Store is a business that sells various t-shirts, apparel, and screen printing services. To see the product, customers must come directly to the store because there is no media to convey product information to customers. Symple Store does not have a way to place an order if the customer does not have the time to come to the store. The purpose of this research is to create a system using E-CRM so that Symple Store sales can be done online and the E-CRM feature is a medium used to maintain the relationship between the store and customers and can also increase customer loyalty. After implementing the E-CRM application on the Symple Store, it can make it easier for customers to place orders online and the E-CRM application becomes a medium for promoting Symple Store products and with E-CRM features such as product information, transactions, discounts, promos, vouchers, chats can maintain the relationship between the store and customers and can also increase customer loyalty.
Keywords: e-crm; loyality; symple store.
Abstrak: CRM (Customer Relationship Management) merupakan jenis management mengenai pengelolaan perusahaan dengan pelanggan untuk meningkatkan hubungan dengan pelanggan. CRM dapat diadaptasi dengan E-CRM (Electronic Customer Relation Management) yang mana membutuhkan peranan teknologi informasi. Symple Store merupakan usaha yang menjual berbagai barang kaos, pakaian jadi, dan jasa sablon. Untuk melihat produk tersebut pelanggan harus datang langsung ke Toko karena belum adanya media untuk menyampaikan informasi produk kepada pelanggan. Symple Store belum memiliki cara untuk melakukan proses pemesanan apabila pelanggan tidak memiliki waktu untuk datang ke Toko. Tujuan penelitian ini yaitu membuat sistem menggunakan E-CRM sehingga penjualan Symple Store dapat dilakukan secara online dan fitur E-CRM menjadi media yang digunakan untuk mempertahankan hubungan pihak toko dengan pelanggan dan juga dapat meningkatkan loyalitas pelanggan. Setelah menerapkan aplikasi E-CRM pada Toko Symple Store maka dapat mempermudah pelanggan melakukan pemesanan secara online dan aplikasi E-CRM menjadi media promosi produk Symple Store dan dengan adanya fitur E-CRM seperti informasi produk, transaksi, diskon, promo, voucher, chat dapat mempertahankan hubungan pihak toko dengan pelanggan dan juga dapat meningkatkan loyalitas pelanggan.
Kata Kunci: e-crm; loyalitas; symple store.