Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Muhammad Azwar Al Ayyub
Universitas Asahan
Humanities Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Modernisasi Budidaya Tanaman melalui Teknologi Hidroponik Vertikal dan Mekanisasi Pemupukan Tanaman Cabai di Desa Bandar Pasir Mandoge: Pengabdian Bambang Irwansyah; Muhammad Azwar Al Ayyub; Zunaida Sitorus; Ali Hasimi Pane; Elfin Efendi; Emiel Salim Siregar; Riki Arfi Munte; Ismail; Dian Hasby Sanjaya
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6751

Abstract

Inovasi sederhana berupa alat pemupukan semi manual dan media tanam hidroponik berbahan dasar pipa paralon menjadi salah satu alternatif solusi yang dapat membantu petani dalam mengatasi kendala tersebut. Alat ini dirancang untuk menyalurkan pupuk langsung ke titik tanam tanpa harus membuat petani terusmenerus membungkuk, sehingga dapat mengurangi kelelahan dan mempercepat proses kerja. Kegiatan pengabdian masyarakat di Desa Bandar Pasir Mandoge dinyatakan sukses mencapai seluruh indikator keberhasilan, di mana peningkatan pengetahuan mitra melampaui target dengan capaian 85%, sistem hidroponik berjalan stabil secara optimal (100%), dan alat penabur pupuk berhasil bekerja dengan tingkat presisi 92%. Efisiensi kerja petani meningkat signifikan dengan penghematan waktu pemupukan mencapai 60% melampaui target awal sebesar 50% serta terbentuknya kemandirian penuh bagi mitra dalam mengoperasikan teknologi yang diberikan, sehingga secara keseluruhan program ini terbukti efektif dalam memodernisasi praktik budidaya tanaman cabai secara mandiri dan berkelanjutan.
KLASIFIKASI TIPE KACA MENGGUNAKAN METODE K-NEAREST NEIGHBOR Muhammad Azwar Al Ayyub; Weny Nur Afdilla Simangunsong; Dini Farhatun; Emi Dea; Selfina Agustin; Zulfa Ar Rahman; Muhammad Ridho
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5745

Abstract

Abstract: Glass is a material that is widely used in various fields, such as construction, the automotive industry, and household appliances. Each type of glass has different characteristics based on its chemical composition and production process. Problems arise when the process of identifying glass types is still done manually, which is time-consuming, costly, and prone to error. This study aims to apply the K-Nearest Neighbor (K-NN) method in classifying glass types based on their chemical content attributes. The data in this study was sourced from Kaggle, namely the Glass Identification Dataset. The data used consisted of several chemical features, such as Na, Mg, Al, Si, K, Ca, Ba, and Fe, with seven categories of glass classes. The results showed that the K-NN method was able to classify glass types well and could be an effective solution to assist in the automatic glass identification process. Keyword: Classification, K-Nearest Neighbor, Data Mining, Types of Glass. Abstrak: Kaca merupakan material yang banyak digunakan dalam berbagai bidang, seperti konstruksi, industri otomotif, dan peralatan rumah tangga. Setiap jenis kaca memiliki karakteristik yang berbeda berdasarkan komposisi kimia dan proses produksinya. Permasalahan muncul ketika proses identifikasi jenis kaca masih dilakukan secara manual, sehingga membutuhkan waktu, biaya, dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan untuk menerapkan metode K-Nearest Neighbor (K-NN) dalam mengklasifikasikan jenis kaca berdasarkan atribut kandungan kimianya. Data dalam penelitian ini bersumber dari Kaggle, yaitu Glass Identification Dataset. Data yang digunakan terdiri dari beberapa fitur kimia, seperti Na, Mg, Al, Si, K, Ca, Ba, dan Fe, dengan tujuh kategori kelas kaca. Hasil penelitian menunjukkan bahwa metode KNN mampu mengklasifikasikan jenis kaca dengan baik dan dapat menjadi solusi yang efektif untuk membantu proses identifikasi kaca secara otomatis. Kata kunci: Klasifikasi, K-Nearest Neighbor, Data Mining, Jenis Kaca.
Co-Authors ALI HASIMI PANE Dian Hasby Sanjaya Dini Farhatun Efendi, Elfin Emi Dea Emiel Salim Siregar Irwansyah, Bambang Ismail Muhammad Ridho Riki Arfi Munte Selfina Agustin Weny Nur Afdilla Simangunsong Zulfa Ar Rahman Zunaida Sitorus