Abstract:Abstract: The potential for the development of meliponiculture in and around the Unhas Bengo-Bengo Educational Forest (BEF) can be an alternative business from non-timber forest resources. The have already occupied of part…
rt of the community in the BEF area requires an understanding of the benefits of the forest and community empowerment through community service activities. One effort to understand is how to enrich bee feed which integrates meliponiculture and agricultural crop cultivation with agroforestry patterns. The implementation of this activity starts with preparation by entering into agreements with the service team with partners, conducting workshops, distributing plant seeds as a source of nectar and pollen feed. The knowledge of partner group members can increase after attending the workshop from the pre test and post test analysis. Assistance is provided through direct visits to the location of meliponiculture and planting of nectar and pollen source plants.
Keywords: agroforestry pattern; feed enrichment; Stingless bee trigona
Abstrak: Potensi pengembangan budidaya lebah trigona di dalam dan sekitar Hutan Pendidikan Bengo-Bengo (HPB) Unhas dapat menjadi usaha alternatif dari sumber daya hutan bukan kayu. Keterlanjuran sebahagian masyarakat berada dalam kawasan HPB mengharuskan perlu diberi pemahaman manfaat hutan dan pemberdayaan masyarakat melalui kegiatan pengabdian kepada masyarakat. Salah satu upaya pemahaman adalah bagaimana pengayaan pakan lebah yang mengintegrasikan budidaya lebah madu trigona dan budidaya tanaman pertanian dengan pola agroforestri. Pelaksanaan kegiatan ini dimulai dari persiapan dengan melakukan kesepakatan tim pengabdian dengan mitra, pelaksanaan workshop, pembagian bibit tanaman sebagai sumber pakan nektar dan polen. Pengetahuan anggota kelompok mitra dapat meningkat setelah mengikuti workshop dari analisis tes awal dan akhir. Pendampingan dilakukan melalui kunjungan langsung ke lokasi meliponikultur dan penanaman tanaman sumber nektar dan polen.
Kata kunci: lebah madu trigona; pengayaan pakan; pola agroforestri
Abstract:Abstract: The aim of this Community Service is to provide IT-based English language learning media training using Microsoft PowerPoint and make simple videos. This dedication was given to Early Childhood Education Teachers…
rs in the Buntu Pane District. The dedication session consisted of distributing material to participants, stages of making Microsoft PowerPoint, and making simple videos. The model used is the training model, delivering material, question and answer session, and direct practice. In general, participants claimed that the training schedule was appropriate, time was shared (delivering material, demonstrations, questions and answers, and direct practice). The participants of the activity were satisfied with the topic presented and felt that most of the expectations and objectives of the service had been fulfilled. The evaluation results showed that the material presented could be well followed.
Keywords: english language; microsoft powerpoint; early childhood education teachers
Abstrak: Tujuan dari Pengabdian Masyarakat ini adalah memberikan pelatihan media pembelajaran bahasa inggris berbasis IT menggunakan Mcrosoft PowerPoint dan membuat video sederhana. Pengabdian ini diberikan kepada Guru Guru PAUD ( Pendidikan Anak Usia Dini ) Se-Kecamatan Buntu Pane. Sesi Pengabdian terdiri dari membagikan materi kepada peserta, tahapan-tahapan membuat Microsoft PowerPoint, dan membuat video sederhana. Model yang digunakan adalah model pelatihan, menyampaikan materi, sesi tanya jawab, dan praktek langsung. Secara umum, peserta mengklaim bahwa jadwal pelatihan sudah tepat, pembagian waktu ( menyampaikan materi, demonstrasi, tanya jawab, dan praktek langsung). Peserta kegiatan puas dengan topik yang disajikan dan merasa bahwa sebagian besar harapan dan tujuan pengabdian sudah terpenuhi. Hasil evaluasi menunjukkan bahwa materi yang disampaikan dapat diikuti dengan baik.
Kata kunci: bahasa inggris; microsoft powerpoint; guru pendidikan anak usia dini (PAUD)
Abstract:Abstract: The purpose of this social service is to provide learning media training based on the presentation application, Sparcol and Powtoon. This activity was given to teachers in Elementary School 9 Purwodadi. The social…
ial service session consists of installing an application, creating an account, adding images and text, changing the background, and saving the results that have been made. The model used is a workshop model with lectures, demonstrations, question and answer and direct practice methods. Evaluation is done by distributing information and motivation questionnaires to participants and product checklists. In general, participants claimed that the training schedule was right, the time sharing (lectures, demonstrations, question-answer and direct practice) was also felt positively by the participants. Participants are satisfied with the topic presented and feel that most of the expectations and objectives of the social service are fulfilled. Evaluation results indicate that the material delivered can be followed well.
Keyword: Powtoon Training, Sparcol Training, Elementary School
Abstrak: Tujuan dari pengabdian ini adalah memberikan pelatihan media pembelajaran berbasis aplikasi presentasi Sparcol dan Powtoon. Kegiatan pengabdian ini diberikan kepada guru-guru SD Negeri 9 Purwodadi. Sesi pengabdian terdiri dari instal aplikasi, membuat akun, menambah gambar dan teks, merubah background, dan menyimpan hasil yang telah dibuat. Model yang digunakan adalah model lokakarya dengan ceramah, demonstrasi, tanya jawab dan metode praktik langsung. Evaluasi dilakukan dengan menyebarkan angket informasi dan motivasi kepada peserta dan daftar periksa produk. Secara umum, peserta mengklaim bahwa jadwal pelatihan sudah tepat, pembagian waktu (ceramah, demonstrasi, tanya jawab dan praktik langsung) juga dirasakan positif oleh peserta. Peserta puas dengan topik yang disajikan dan merasa bahwa sebagian besar harapan dan tujuan pengabdian terpenuhi. Hasil evaluasi menunjukkan bahwa materi yang disampaikan dapat diikuti dengan baik.
Kata Kunci: Pelatihan Powtoon, Pelatihan Sparcol, Sekolah Dasar
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: Stunting is a chronic nutritional condition in toddlers characterized by a Height-for-Age (HFA) measurement below the standard growth threshold, necessitating early detection to prevent long-term consequences.…
This study aims to classify toddler stunting status by comparing three machine learning methods: Random Forest (RF), K-Nearest Neighbor (KNN), and Support Vector Machine (SVM). The dataset comprises 345 toddler records from Puskesmas Indramayu (2025), including weight, height, and nutritional status based on WFA, HFA, and WFH indicators. Preprocessing steps include data cleaning, StandardScaler normalization, One-Hot Encoding for categorical features, and splitting the training and testing data with a ratio of 80:20. The comparison results are that KNN achieved the best performance with an accuracy of 71.01%, a precision of 0.69, a recall of 0.69, and an F1 score of 0.67, while RF and SVM both had an accuracy of 69.57% with F1 scores of 0.67 and 0.68, respectively. Thus, KNN demonstrated superior effectiveness in classifying the stunting status of toddlers compared to RF and SVM on this dataset.
Keywords: KNN; Random Forest; SVM; Stunting; toddlers
Abstract: Stunting adalah kondisi gizi kronis pada balita yang ditandai dengan pengukuran Tinggi Badan menurut Usia (HFA) di bawah ambang batas pertumbuhan standar, sehingga memerlukan deteksi dini untuk mencegah konsekuensi jangka panjang. Penelitian ini bertujuan untuk mengklasfikasikan status stunting pada balita dengan membandingkan tiga metode pembelajaran mesin: Random Forest (RF), K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM). Kumpulan data terdiri dari 345 catatan balita dari puskesmas indramayu (2025), termaksut brat badan, tinggi badan, dan status gizi berdasarkan indicator WFA, HFA, dan WFH. Langkah-langkah prapemrosesan meliputi pembersian data, normalisasi Stand-ardScaler, One-Hot Encoding untuk fitur kategirikal, serta pembagian data pelatihan dan pengujian dengan rasio 80:20. Hasil perbadingan adalah KNN mencapai kinerja terbaik dengan akurasi 71,01%, presisi 0,69, recall 0,69, dan skor F1 sebesar 0,67, RF dan SVM keduanya memiliki akurasi 69,57% dengan skor F1 masing-masing sebesar 0,67 dan 0,68. Dengan demikian, KNN menunjukkan keefektifan yang lebih unggul dalam mengklasifikasikan status stunting balita dibandingkan dengan RF dan SVM pada da-taset ini.
Kata kunci: KNN; random forest; SVM; Stunting; Balita
Abstract:Abstract: The materials sector is one of the stock markets sectors that attracts investors due to the high level of construction activity in Indonesia, which supports long-term growth. Stock price movements are influenced…
d by various factors, requiring investors to determine the appropriate timing for buying, selling, or holding stocks. Therefore, this study aims to predict stock prices in the materials sector using a combination of CNN–BiLSTM algorithms. The research data were obtained from Yahoo Finance and processed through min–max normalization, data splitting, sliding window, model implementation, and evaluation stages. Testing was conducted on INTP and SMGR stocks with data split scenarios ranging from 60:40 to 90:10. The results show that CNN–BiLSTM performs best with a 90:10 data split, with minimum MSE and MAPE values of 0.000153 and 2.471% for INTP, and 0.000199 and 2.208% for SMGR, respectively. These findings indicate that increasing the proportion of training data improves the model's ability to learn historical patterns and produce more stable predictions.
Keywords: CNN-BILSTM; materials sector; stock
Abstrak: Sektor materials merupakan salah satu sektor saham yang diminati investor karena tingginya aktivitas pembangunan di Indonesia yang mendorong pertumbuhan jangka panjang. Pergerakan harga saham dipengaruhi oleh berbagai faktor sehingga investor perlu menentukan waktu transaksi yang tepat. Oleh karena itu, penelitian ini bertujuan memprediksi harga saham sektor materials menggunakan kombinasi algoritma CNN–BiLSTM. Data penelitian diperoleh dari Yahoo Finance dan diproses melalui tahapan normalisasi min–max, pembagian data, sliding window, implementasi model, serta evaluasi. Pengujian dilakukan pada saham INTP dan SMGR dengan skenario pembagian data 60:40 hingga 90:10. Hasil menunjukkan bahwa CNN–BiLSTM menghasilkan performa terbaik pada pembagian data 90:10, dengan nilai MSE dan MAPE minimum masing-masing sebesar 0.000153 dan 2.471% untuk INTP, serta 0.000199 dan 2.208% untuk SMGR. Temuan ini mengindikasikan bahwa peningkatan porsi data latih meningkatkan kemampuan model dalam mempelajari pola historis dan menghasilkan prediksi yang lebih stabil.
Kata kunci: CNN-BILSTM; saham; sektor materials
Abstract:Abstract: Malaria remains a major global health problem, particularly in tropical countries such as Indonesia. Accurate early diagnosis is essential for reducing malaria-related morbidity and mortality. Conventional microscopic…
oscopic examination is time-consuming, highly dependent on expert personnel, and prone to human error. This study compares the performance of two Convolutional Neural Network (CNN) architectures, ResNet-50 and DenseNet-121, for malaria image classification. The Cell Images for Malaria dataset provided by the National Institutes of Health (NIH) through Kaggle was used, consisting of 27,558 microscopic blood cell images categorized into Parasitized and Uninfected classes. The dataset was divided into 80% training data and 20% testing data. Image preprocessing included resizing to 224 × 224 pixels, normalization, labeling, and data augmentation using RandomFlip, RandomRotation, RandomZoom, and RandomContrast. Experimental results showed that the ResNet-50 model trained for 100 epochs achieved the highest performance, with an accuracy of 95.54% and precision, recall, and F1-score of 0.96. The confusion matrix indicated 5,272 correctly classified images out of 5,510 testing samples. These findings demonstrate that ResNet-50 outperformed DenseNet-121 and has strong potential for supporting accurate, reliable, and efficient computer-aided malaria diagnosis based on microscopic blood smear images.
Keywords: computer-aided diagnosis; convolutional neural network (CNN); densenet-121; early detection; image classification; malaria; microscopic blood smear images; resnet-50;
Abstrak : Malaria masih menjadi masalah kesehatan global yang serius, terutama di negara tropis seperti Indonesia. Diagnosis dini yang akurat sangat penting untuk menurunkan angka morbiditas dan mortalitas. Metode konvensional berupa pemeriksaan mikroskopis memiliki keterbatasan karena memerlukan waktu yang relatif lama, bergantung pada tenaga ahli, dan berpotensi menimbulkan kesalahan manusia. Penelitian ini bertujuan membandingkan kinerja arsitektur Convolutional Neural Network (CNN) yaitu ResNet-50 dan DenseNet-121 dalam klasifikasi citra malaria. Dataset yang digunakan berasal dari Cell Images for Malaria yang disediakan oleh National Institutes of Health (NIH) melalui platform Kaggle, terdiri dari 27.558 citra dengan pembagian 80% data latih, 20% data validasi. Tahap praproses meliputi cleaning, resizing citra menjadi 224×224 piksel, normalisasi, labeling, serta data augmentasi menggunakan RandomFlip, RandomRotation, RandomZoom, dan RandomContrast. Hasil pengujian menunjukkan bahwa model ResNet-50 pada epoch 100 memperoleh akurasi sebesar 95,54% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,96. Confusion matrix menunjukkan jumlah prediksi benar sebanyak 5.272 dari total 5.510 data uji. Hasil ini menunjukkan bahwa arsitektur CNN mampu mengklasifikasikan citra malaria dengan tingkat akurasi yang tinggi dan memiliki kemampuan generalisasi yang baik terhadap data baru. Penelitian ini memberikan kontribusi dalam evaluasi performa arsitektur CNN untuk mendukung pengembangan sistem diagnosis malaria berbasis citra mikroskopis yang lebih cepat dan akurat.
Kata kunci: convolutional neural network (CNN); citra mikroskopis hapusan darah; densenet-121; diagnosis berbantuan komputer; deteksi dini; klasifikasi citra; malaria; resnet-50
Abstract:Abstract: The implementation of dress code regulations in university environments is generally still carried out conventionally, requiring significant time and effort and potentially leading to subjective assessments. This…
is study develops an automatic student dress code compliance detection system using computer vision based on the YOLOv8 model. The dataset consists of 1,800 annotated images divided into eight clothing categories, split into 78% training (1,404 images), 14% validation (254 images), and 8% testing (143 images). All images underwent preprocessing and data augmentation before training the YOLOv8 model with an input size of 640×640 pixels for 50 epochs. During testing, the YOLOv8 model achieved an overall performance of Precision 0.844, Recall 0.773, F1-Score 0.802, and mAP@0.5 0.841, and was able to detect clothing objects with good accuracy and stable performance under various image conditions. The system was integrated with a Flask-based backend and a web-based frontend to enable real time detection and compliance classification, with a response time of less than 2 seconds, supporting automatic and consistent identification of student dress code compliance as “Compliant” or “Violation.”
Keywords: compliance detection; computer vision; dress code regulations; real time detection; YOLOv8.
Abstrak: Penerapan aturan berpakaian di lingkungan kampus umumnya masih dilakukan secara konvensional sehingga membutuhkan waktu dan tenaga yang relatif besar serta berpotensi menimbulkan subjektivitas penilaian. Penelitian ini bertujuan mengembangkan sistem pendeteksi kepatuhan berpakaian mahasiswa secara otomatis berbasis visi komputer menggunakan model YOLOv8. Dataset yang digunakan terdiri dari 1.800 citra beranotasi yang terbagi ke dalam 8 kategori pakaian, dengan pembagian data sebesar 78% data latih (1.404 citra), 14% data validasi (254 citra) dan 8% data uji (143 citra). Seluruh citra diproses melalui tahapan pre-processing dan data augmentation, kemudian digunakan untuk melatih model YOLOv8 dengan ukuran input 640×640 piksel selama 50 epoch. Pada tahap pengujian, model mencapai performa keseluruhan dengan Precision 0.844, Recall 0.773, F1-Score 0.802, dan mAP@0.5 0.841, serta mampu mendeteksi objek pakaian dengan akurasi baik dan performa stabil pada berbagai kondisi citra. Sistem kemudian diintegrasikan dengan backend berbasis Flask dan frontend web untuk mendukung proses deteksi waktu nyata dan klasifikasi kepatuhan, dengan waktu respons sistem kurang dari 2 detik, sehingga mampu mengidentifikasi status kepatuhan berpakaian mahasiswa ke dalam kategori “Aman” dan “Melanggar Aturan” secara otomatis dan konsisten.
Kata kunci: aturan berpakaian; deteksi waktu nyata; pendeteksi kepatuhan; visi komputer; YOLOv8.
Abstract:Deteksi emosi secara fine-grained pada teks media sosial merupakan salah satu tantangan dalam bidang pemrosesan bahasa alami (Natural Language Processing/NLP), terutama karena sifat data yang tidak terstruktur dan multi-label.…
label. Penelitian ini bertujuan untuk mengevaluasi performa tiga model berbasis arsitektur Transformer, yaitu EmoBERT, RoBERTa, dan EmoRoBERTa, dalam tugas klasifikasi emosi pada teks dari dataset SenWave. Dataset ini terdiri dari 10.001 tweet berbahasa Inggris yang telah dilabeli ke dalam sepuluh kategori emosi, namun penelitian ini berfokus pada empat label utama: anxious, annoyed, empathetic, dan sad. Proses penelitian meliputi prapemrosesan data, tokenisasi, pembagian data latih dan uji, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil evaluasi menunjukkan bahwa model EmoBERT dan EmoRoBERTa memiliki performa terbaik dengan nilai f1-score sebesar 0,81, sedangkan RoBERTa memperoleh nilai f1-score sebesar 0,73. Temuan ini menunjukkan bahwa penyesuaian arsitektur Transformer khusus untuk emosi dapat meningkatkan akurasi klasifikasi emosi pada teks media sosial.
Abstract:Abstract: Some people in Sei Silau Timur Village in Buntu Pane, Kisaran, have low incomes with the existence of a government policy in the food management program that cooperates with Bulog to ease the burden on the community…
unity by distributing Raskin to villages where people have low incomes. And not all people get the chance to receive RASKIN because the quota is limited. There needs to be a selection in determining the eligibility of RASKIN for the right people and avoiding mistakes. The selection process can be completed using the application of computer science. Based on this, a decision support system is needed that can be used by the Sei Silau Timur village head's office staff in distributing RASKIN rice, which later this application can help and benefit the village community. This research uses the AHP method, which is carried out by comparing a matrix of several criteria and alternatives. The final assessment result is implementing the AHP method, where criterion 4, namely Total Income, is selected, with Alternative 1 named Selamet.
Keywords: AHP; public; RASKIN; selection; SPK
Abstrak : Sebagian dari masyarakat di Desa Sei Silau Timur di kecamatan Buntu Pane, Kisaran mempunyai penghasilan yang rendah. Dengan adanya kebijakan pemerintah dalam program penanggulangan pangan yang bekerja sama dengan pihak Bulog untuk meringankan beban masyarakat dengan menyalurkan raskin ke desa-desa yang masyarakatnya berpenghasilan yang rendah. Dan tidak semua masyarakat mendapatkan kesempatan penerimaan RASKIN karena kuotanya terbatas. Perlu dilakukan dengan seleksi dalam penentuan pemberian kelayakan RASKIN kepada orang-orang yang tepat dan menghindari kekeliruan. Proses seleksi tersebut dapat diselesaikan dengan menggunakan penerapan secara ilmu komputer. Bedasarkan hal tersebut maka diperlukan suatu sistem pendukung keputusan yang dapat dipergunakan oleh petugas kantor Kepala Desa Sei Silau Timur dalam proses pembagian beras RASKIN, yang nantinya aplikasi ini dapat membantu dan bermanfaat bagi masyarakat desa tersebut. Penelitian ini menggunakan metode AHP, dimana metode yang dilakukan dengan membandingkan matriks sejumlah kriteria dan alternatif. Hasil penilaian akhir yang terpilih merupakan implementasi dari metode AHP, dimana yang terpilih adalah kriteria 4 yaitu Jumlah Penghasilan dengan alternatif 1 bernama Selamet.
Kata Kunci: AHP; masyarakat; RASKIN; seleksi; SPK