Abstract:The process of planting corn using conventional methods that have been happening in the community so far has become a problem faced by partners. As a result, the corn planting process takes a long time due to the stages…
of land preparation, seed placement, and corn covering not occurring simultaneously. By providing training and direct assistance to partners on the use of corn seed planting tools, it can improve their understanding and skills in using the tool effectively. By conducting socialization methods to provide understanding to partners with the aim of the community understanding the use of corn seed planting tools based on the double seed hopper and understanding how to maintain the tool. Thus, with this tool, the corn seed planting process becomes faster. Corn planting is the most widely produced crop in the world, and corn seed plants are most suitable for planting in high-temperature areas. Especially in Indonesia, corn plants cover more than 100 million hectares, consisting of 70 countries and even 53 developing countries. The tool being socialized is a simple tool that is used with human power by pushing without the use of motorized equipment. In the planting process, the spacing between corn seed plants and the number of corn seeds can be adjusted during the planting process. The vessel or container supplying corn seeds is a hopper located at the top, and a hole is provided at the bottom of the hopper, which is the outlet channel. Thus, the results of this socialization can shorten the time in the corn seed planting process.
Keywords : corn seed; produktif; corn seed planting tool; hopper; maintenance
Abstract:Abstract: The growth of the e-commerce market in Indonesia is very high and is one of the largest in the world. As a country whose population is dominated by a mid-level economy, e-commerce is very positively welcomed by…
the Indonesian population, especially the millennial generation. The millennial generation is a generation of young people today who are currently in the age range of 15-34 years. This generation is the biggest consumer in utilizing the internet in many ways, such as social media and e-commerce. The method used in this service is a simulation using one e-commerce application, namely Shopee. The purpose of this Community Service activity is to utilize e-commerce, especially for millennials so that they can use it in positive terms. The result of this activity was the implementation of Community Service activities attended by 30 students at SMA Negeri 2 Tanjungbalai.
Keywords: e-commerce; millennial generation
Abstrak: Pertumbuhan pasar e-commerce di Indonesia sangat tinggi dan merupakan salah satu yang terbesar di dunia. Sebagai negara yang penduduknya didominasi oleh ekonomi tingkat menengah, e-commerce sangat disambut positif bagi penduduk Indonesia, terutama generasi milenial. Generasi milenial merupakan generarasi muda masa kini yang saat ini berusia dalam rentang usia15-34 tahun. Generasi ini merupakan konsumen terbesar dalam memanfaatkan internet dalam banyak hal, seperti sosial media maupun e-commerce. Metode yang digunakan dalam pengabdian ini ialah simulasi menggunakan salah satu aplikasi e-commerce, yaitu Shopee. Tujuan dilakukannya kegiatan Pengabdian Masyarakat ini adalah untuk memanfaatkan e-commerce terutama bagi generasi milenial sehingga dapat memanfaatkannya dalam hal positif. Hasil kegiatan ini ialah terlaksananya kegiatan Pengabdian Masyarakat yang dihadiri siswa-siswi SMA Negeri 2 Tanjungbalai sebanyak 30 orang.
Kata kunci: e-commerce; generasi milenial
Abstract:Abstract: In 2018, the number of Instagram users in Indonesia has reached 55 million users. A year earlier, Jakarta is the champ on Instagram as the most photographed place, surpassing Sao Paulo, New York and Madrid. This…
s phenomenon shows that Instagram is a social network that is trending in Indonesia right now. Trilogi Business Incubator (Inbistro) is a business incubator belonging to the Universitas Trilogi. From observations and discussions, there are still many tenants which assisted by Inbistro who do not understand digital marketing, especially with Instagram. Albeit, Instagram has become a popular social media in Indonesia, including for product promotion. This community service activity will try to answer the problem: how to increase the capacity of Inbistro tenants so that they understand the basics of Instagram marketing? Our training was designed in 3 (three) sessions which discussed: (1) the importance of using Instagram as a marketing tool for a business; (2) How to find quality, free royalty photos and videos for Instagram content; (3) How to find products and sell them on Instagram.
Keywords: Instagram marketing, Trilogi Business Incubator, Inbistro, social media, online marketing
Abstrak: Di tahun 2018, jumlah pengguna Instagram Indonesia telah mencapai 55 juta pengguna. Setahun sebelumnya, Jakarta menjadi juara di Instagram sebagai tempat yang paling banyak difoto, melewati Sao Paulo, New York dan Madrid. Fenomena ini menunjukkan bahwa Instagram adalah jejaring sosial yang sedang diminati di Indonesia saat ini. Inkubator Bisnis Trilogi (Inbistro) adalah inkubator bisnis milik Universitas Trilogi. Dari pengamatan dan diskusi, terlihat bahwa masih banyak tenant binaan Inbistro yang belum memahami tentang digital marketing, terlebih dengan Instagram. Padahal Instagram telah menjadi media sosial yang cukup populer di Indonesia, termasuk untuk promosi produk. Kegiatan pengabdian masyarakat ini akan mencoba menjawab permasalahan: bagaimana cara meningkatkan kapasitas tenant Inbistro agar mereka memahami dasar-dasar pemasaran melalui Instagram (Instagram marketing)? Pelatihan kami rancang dalam 3 (tiga) sesi yang membahas: (1) Pentingnya memanfaatkan Instagram sebagai sarana pemasaran suatu bisnis; (2) Cara mencari foto dan video berkualitas, tanpa berbayar, untuk konten Instagram; (3) Cara mencari produk dan menjualnya di Instagram.
Kata Kunci: Instagram Marketing, Inkubator Bisnis Trilogi, Inbistro, media sosial, pemasaran daring
Abstract:Abstract: The growing intensity of cyber attacks, marked by rapid, large-scale, automated, and adaptive execution, requires analytical methods that represent the diversity of network environments, including variations in…
target platforms such as IoT, traditional networks, and hybrid infrastructures. This study compares machine learning models for cyber attack classification under heterogeneous environmental conditions and formulates a conceptual optimization framework based on model performance. Four publicly available benchmark datasets were used, namely UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, and a Kaggle cyber security attacks dataset, comprising approximately 40,000 to over 3.6 million records and 25 to 80 features across IoT, conventional, and mixed network environments. Random Forest, XGBoost, Multilayer Perceptron, and Transformer were implemented within a unified pipeline involving preprocessing, feature selection, and Bayesian Optimization-based hyperparameter tuning. All models achieved F1-score and Cohen's Kappa above 96%, with XGBoost performing best (97.80%, 97.26%), followed by Random Forest (97.78%, 96.96%) and Transformer (97.44%, 96.82%), while MLP scored lowest (96.74%, 96.00%), a gap below one percentage point. Confusion matrix analysis revealed persistent misclassification in minority and overlapping attack classes, informing a proposed adaptive cyber attack simulation optimization framework.
Keywords: cyber attacks; optimization; machine learning; environmental variability.
Abstrak: Meningkatnya intensitas serangan siber yang berlangsung cepat, masif, otomatis, dan adaptif menuntut pendekatan analitis yang merepresentasikan keragaman lingkungan jaringan, termasuk perbedaan karakteristik platform sasaran seperti Internet of Things (IoT), jaringan konvensional, dan infrastruktur hibrida. Penelitian ini membandingkan model machine learning untuk klasifikasi serangan siber pada kondisi lingkungan heterogen, sekaligus menyusun kerangka optimasi konseptual berdasarkan performa model. Empat dataset benchmark publik digunakan, yaitu UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, serta dataset Kaggle cyber security attacks, dengan jumlah data berkisar 40.000 hingga lebih dari 3,6 juta rekaman dan 25 sampai 80 fitur, mewakili lingkungan IoT, konvensional, dan campuran. Random Forest, XGBoost, Multilayer Perceptron, dan Transformer diimplementasikan melalui pipeline terpadu mencakup pra-pemrosesan, seleksi fitur, dan optimasi hyperparameter berbasis Bayesian Optimization. Seluruh model mencapai F1-score dan Cohen's Kappa di atas 96%, dengan XGBoost menunjukkan performa terbaik (97,80%, 97,26%), diikuti Random Forest (97,78%, 96,96%) dan Transformer (97,44%, 96,82%), sementara MLP mencatat skor terendah (96,74%, 96,00%), dengan selisih kurang dari satu poin persentase. Analisis confusion matrix mengungkap misklasifikasi yang konsisten pada kelas minoritas dan serangan dengan karakteristik serupa, yang menjadi dasar kerangka optimasi simulasi serangan siber adaptif yang diusulkan.
Kata kunci: serangan siber; optimasi; machine learning; variabilitas lingkungan
Abstract:Abstract: Asthma is a chronic respiratory disease that affects millions of people worldwide, making early detection crucial to prevent complications. This study aims to compare the performance of the Decision Tree and Random…
ndom Forest algorithms in classifying asthma based on clinical symptom data. The data were processed through feature selection and model training stages, then evaluated using accuracy, precision, recall, and F1-score.The experimental analysis revealed that the Random Forest algorithm surpassed the Decision Tree in all metrics, achieving 95.19% accuracy, 90.43% precision, 95.00% recall, and 93.00% F1-score. In contrast, the Decision Tree obtained 89.14% accuracy, 90.60% precision, 88.70% recall, and 89.70% F1-score. These results suggest that Random Forest is more robust and dependable, especially in managing complex and imbalanced medical datasets.
Keywords: asthma detection; decision tree; random forest; machine learning.
Abstrak: Asma merupakan penyakit pernapasan kronis yang memengaruhi jutaan orang di seluruh dunia sehingga deteksi dini sangat penting untuk mencegah komplikasi. Penelitian ini bertujuan membandingkan kinerja algoritma Decision Tree dan Random Forest dalam mengklasifikasikan asma berdasarkan data gejala klinis. Data diproses melalui tahapan seleksi fitur dan pelatihan model, kemudian dievaluasi menggunakan akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 90.43%, presisi 95.00%, recall 95.00%, dan F1-score 93.00%. Sebaliknya, Decision Tree memperoleh akurasi 89.14%, presisi 90.60%, recall 88.70%, dan F1-score 89.70%. Hasil ini menunjukkan bahwa Random Forest lebih kuat dan dapat diandalkan, terutama dalam mengelola kumpulan data medis yang kompleks dan tidak seimbang.
Kata kunci: deteksi asma; decision tree; random forest; pembelajaran mesin.
Abstract:Abstract: This study applies an integrated approach to optimize heart failure classification. The main objective is to address the challenge of class imbalance in medical datasets and to improve the accuracy, sensitivity,…
, and generalization of the classification model. The urgency of this issue is emphasized by statistics showing that cardiovascular diseases cause approximately 17.9 million deaths worldwide each year. Using a quantitative experimental approach, this study analyzes the "Heart Failure Prediction Dataset" from Kaggle, which consists of 918 records. The data were processed through normalization and encoding, followed by the application of SMOTE on the training set to balance class distribution. This step successfully increased model accuracy from 88.41% to 90.22% and minority class recall from 0.82 to 0.88. Furthermore, Bayesian Optimization was employed to refine the hyperparameters of SVM, resulting in a final model with an accuracy of 89.13% that demonstrated better generalization. This integrated approach significantly enhances the stability, sensitivity, and generalization of the model, making it a reliable tool for clinical decision support systems in predicting heart failure.
Keywords: bayesian optimization; heart failure; machine learning; SMOTE; SVM.
Abstrak: Penelitian ini menerapkan pendekatan terintegrasi untuk mengoptimalkan klasifikasi gagal jantung. Tujuan utama studi ini adalah untuk mengatasi tantangan ketidakseimbangan kelas dalam dataset medis dan meningkatkan akurasi, sensitivitas, serta generalisasi model klasifikasi. Urgensi ini ditegaskan oleh statistik yang menunjukkan bahwa penyakit kardiovaskular menyebabkan sekitar 17,9 juta kematian setiap tahun secara global. Menggunakan pendekatan eksperimental kuantitatif, penelitian ini menganalisis "Heart Failure Prediction Dataset" dari Kaggle, yang terdiri dari 918 catatan. Data diproses dengan normalisasi dan encoding, lalu SMOTE diterapkan pada data pelatihan untuk menyeimbangkan distribusi kelas. Langkah ini berhasil meningkatkan akurasi dari 88,41% menjadi 90,22% dan recall kelas minoritas dari 0,82 menjadi 0,88. Selanjutnya, Bayesian Optimization menyempurnakan hyperparameter SVM, menghasilkan model akhir dengan akurasi 89,13% yang menunjukkan generalisasi lebih baik. Pendekatan terintegrasi ini secara signifikan meningkatkan stabilitas, sensitivitas, dan generalisasi model. Hasil penelitian ini menjadikannya alat yang andal untuk sistem pendukung keputusan klinis dalam prediksi gagal jantung.
Kata kunci: bayesian optimization; gagal jantung; machine learning; SMOTE; SVM
Abstract:Abstract: The current development of technology has successfully met various societal needs, one of which is the buying and selling activities. This development has led people to engage in online transactions, where buyers…
rs do not necessarily have to meet sellers in person. Tokopedia is one of the most popular e-commerce platforms used in Indonesia. Security issues arose when in 2020 Tokopedia experienced a breach, with data from around 91 million accounts being compromised by hackers. Consequently, Tokopedia needed to establish a Data Protection and Privacy Office (DPPO) to protect and safeguard user data privacy.This research addresses how perceptions of security and privacy can influence users' trust in transacting on Tokopedia. Using multiple linear regression analysis, the study evaluates the relationship between perceptions of data security and privacy with trust in transacting on Tokopedia. Based on the calculations of the multiple linear regression model using previously collected respondent data, it was found that perceptions of data security do not directly affect trust in transactions. However, perceptions of privacy are considered to have a significant influence and can increase trust in transactions among students in Pekanbaru.
Keywords: data security; e-commerce; tokopedia; transaction trust; user perceptions
Abstrak: Perkembangan teknologi saat ini telah sukses mencapai berbagai kebutuhan masayarakat salah satunya kegiatan jual beli, perkembangan ini membawa manusia untuk dapat melakukan jual beli secara online dimana tidak mengharuskan pembeli bertemu penjual secara langsung. Tokopedia menjadi salah satu platform e-commerce yang sangat popular digunkanan diindonesia. Masalah keamaan terjadi dimana pada tahun 2020 tokopedia mengalami peretasan dengan sekitar 91 juta akun berhasil diperoleh datanya oleh peretas, sehingga Tokopedia perlu membentuk data protection and privacy office (DPPO) guna melindungi dan menjaga privasi data pengguna Tokopedia.terkait hal tersebut penelitian ini mengangkat bagaimana persepsi keamanan dan privasi dapat mempengaruhi kepercayaan pengguna dalam bertransaksi ditokopedia. Dengan menggunakan metode regresi linear berganda, evaluasi dilakukan untuk menjelaskan hubungan antara persepi keamanan data dan privasi terhadap kepercayaan bertransaksi ditokopedia. Berdasarkan perhitungan model regresi linear berganda menggunakan data responden yang telah dilakukan sebelumnya didapat persepsi keamanan data terhadap kepercayaan bertransaksi tidak berpengaruh secara langsung. Namun pada persepsi privasi terhadap kepercayaan bertransaksi dinilai sangat berpengaruh dan dapat meningkatkan kepercayaan bertransaksi di kalangan mahasiswa di pekanbaru.
Kata kunci: e-commerce; keamanan data; kepercayaan transaksi; persepsi pengguna; tokopedia
Abstract:Abstract: The growth of information technology continues to grow rapidly, especially in the business sector in Indonesia. Every year the growth of business shops increases to 3.98 million business units in 2022 from the…
real industry and trade sectors. So, this makes the Tanjung Shoe Store have serious challenges that affect sales levels which gives rise to problems of decreasing sales levels because there is no effective communication media, the shop is unable to analyze customer needs and market trends, customer disappointment often arises with the shop because it still applies conventional sales, and damage or loss of store operational data. To overcome this problem, a website-based system is needed by implementing a superior CRM (Customer Relationship Management) strategy in increasing customer retention with operational data management features, discounts, chat, online ordering, so that customers get updated information. The CRM concept used is operational, analytical, and collaborative. The application of CRM in this research aims to make it easier for users and improve customer service and optimize marketing at the Tanjung Shoe Store. So, this CRM strategy is an effective solution in facing modern business challenges in improving store performance and competitiveness.
Keywords: customer relationship management; customer service; optimize marketing
Abstrak: Pertumbuhan teknologi informasi terus berkembang pesat terutama pada bidang bisnis di Indonesia. Setiap tahunnya pertumbuhan toko usaha semakin meningkat hingga 3,98 juta unit usaha pada tahun 2022 dari sektor rill industri dan perdagangan. Sehingga hal ini membuat Toko Sepatu Tanjung memiliki tantangan serius yang mempengaruhi tingkat penjualan yang menimbulkan permasalahan penurunan tingkat penjualan karena tidak ada media komunikasi yang efektif, toko tidak mampu menganalisis kebutuhan pelanggan dan tren pasar, sering timbul kekecewaan pelanggan terhadap toko karena masih menerapkan penjualan konvensional, dan kerusakan atau kehilangan data operasional toko. Untuk mengatasi masalah ini diperlukan sistem berbasis website dengan menerapkan strategi CRM (Customer Relationship Management) yang unggul dalam meningkatkan retensi pelanggan dengan fitur pengelolaan data operasional, diskon, chatting, pemesanan online, sehingga pelanggan mendapatkan informasi secara update. Konsep CRM yang digunakan operasional, analitis, dan kolaboratif. Penerapan CRM pada penelitian ini bertujuan untuk memudahkan pengguna dan meningkatkan pelayanan pelanggan serta mengoptimalkan pemasaran pada Toko Sepatu Tanjung. Maka strategi CRM ini menjadi solusi yang efektif dalam menghadapi tantangan bisnis modern dalam meningkatkan kinerja dan daya saing toko.
Kata kunci: customer relationship management; optimalisasi pemasaran; pelayanan pelanggan
Abstract:Abstract: The JKN Mobile application is a mobile application created to facilitate healthcare administration in Indonesia since 2017. The application has been downloaded by over 10 million users and has received 484,000…
diverse reviews, including positive, negative, and neutral feedback. The average rating given by users is 4.5 out of 5 stars. This research aims to perform sentiment analysis on user reviews found in the Google Play Store review column. The methods used for sentiment analysis are Naive Bayes, K-Nearest Neighbor (K-NN), and Support Vector Machine (SVM). The test results show that with a 10% test data and 90% training data proportion, the SVM method achieves the highest accuracy of 95%. Naive Bayes follows with an accuracy of 87%, and K-NN with an accuracy of 75%.
Keywords: JKN mobile application, sentiment analysis, naive bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstrak: Aplikasi Mobile JKN adalah sebuah aplikasi yang dibuat untuk mempermudah administrasi kesehatan di Indonesia sejak tahun 2017. Aplikasi ini telah diunduh lebih dari 10 juta pengguna dengan 484 ribu ulasan beragam positif, negatif, dan netral. Rata-rata rating yang diberikan pengguna adalah 4,5 bintang dari 5 bintang. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna yang terdapat di kolom review Google Play Store. Metode yang digunakan untuk analisis sentimen adalah Naive Bayes, K-Nearest Neighbor (K-NN), dan Support Vector Machine (SVM). Hasil pengujian menunjukkan bahwa dengan menggunakan proporsi data uji sebesar 10% dan data training sebesar 90%, metode SVM mencapai akurasi tertinggi sebesar 95%. Diikuti oleh Naive Bayes dengan akurasi 87%, dan K-NN dengan akurasi 75%.
Kata kunci: JKN mobile, analisis sentimen, naïve bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstract:Abstract: The poor community is a condition in which the community does not have adequate facilities and infrastructure and an adequate environment, with the quality of housing and settlements far below the eligibility standard…
tandard and uncertain livelihoods covering all multidimensional dimensions. The Pasiran Village Office, Sei Dadap District, is one of the agencies located in the Pasiran area, Sei Kamah. Where the Pasiran Village Hall Office carries out activities to distribute assistance to village communities who are declared to be underprivileged or have low incomes below 3.5 million. With such a large number of village people, an in-depth analysis is needed to determine which poor people are entitled to receive Non-Cash Food Assistance from the government. The solution to this problem is to use data mining with the Naïve Bayes algorithm for data classification. Data mining is the science of extracting information by utilizing data sets to obtain valuable information with a large enough data size through the process of extracting data or filtering data. The classification application uses the naïve Bayes algorithm used at the Pasiran Village Office to produce a classification of beneficiaries, namely Worthy and Unworthy based on the attributes of Citizenship, Family Group, ASN Status, and Having a Healthy Family Card.
Keywords: data mining; naïve bayes; classification, beneficiary
Abstrak: Masyarakat miskin merupakan suatu kondisi dimana keadaan masyarakat yang tidak memiliki sarana dan prasarana serta lingkungan yang memadai, dengan kualitas perumahan dan pemukiman yang jauh dibawah standar kelayakan serta mata pencaharian yang tidak menentu yang mencakup seluruh multidimensi. Kantor Balai Desa Pasiran Kecamatan Sei Dadap merupakan salah satu instansi yang berada di daerah Pasiran, Sei Kamah. Dimana Kantor Balai Desa Pasiran melakukan kegiatan pembagian bantuan terhadap masyarakat desa yang dinyatakan kurang mampu atau memiliki penghasilan rendah dibawah 3,5 juta. Dengan jumlah masyarakat desa yang begitu banyak, diperlukan analisis yang mendalam untuk menentukan masyarakat tidak mampu yang berhak untuk mendapatkan Bantuan Pangan Non Tunai dari pemerintah. Solusi dari permasalahan tersebut adalah menggunakan data mining dengan algoritma naïve bayes untuk klasifikasi data. Data mining merupakan suatu ilmu untuk menggali informasi dengan memanfaatkan kumpulan data untuk mendapatkan berbagai informasi yang berharga dengan ukuran data yang cukup besar melalui proses penggalian data atau penyaringan data. Aplikasi klasifikasi menggunakan algoritma naïve bayes yang terapkan pada Kantor Balai Desa Pasiran menghasilkan klasifikasi warga penerima bantuan yaitu Layak dan Tidak Layak berdasarkan atribut Kewarganegaraan, Golongan Keluarga, Status ASN dan Memiliki Kartu Keluarga Sehat.
Kata kunci: data mining; naïve bayes; klasifikasi, penerima bantuan