Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal REKADATA (Rekayasa Data dan Kecerdasan Artifisial) Rekam Kegiatan Pengabdian Masyarakat (REKAGAMA)
Faisal Faisal
STIE YKPN Yogyakarta
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

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

Found 2 Documents
Search

 1 
Edukasi Pengelolaan Sampah Berbasis Bank Sampah untuk Mewujudkan Lingkungan Bersih dan Mandiri Faisal Faisal
REKAGAMA Vol. 1 No. 1 (2025): REKAGAMA (Rekam Kegiatan Pengabdian Masyarakat)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan sampah merupakan permasalahan yang masih sering dihadapi masyarakat, terutama akibat rendahnya pengetahuan dan kebiasaan dalam memilah sampah serta minimnya pemanfaatan sumber daya yang dapat didaur ulang. Kondisi ini menyebabkan meningkatnya volume sampah rumah tangga, pencemaran lingkungan, dan menurunnya kualitas kesehatan masyarakat. Salah satu solusi yang dapat diterapkan adalah pengembangan bank sampah, yaitu sistem pengelolaan sampah berbasis partisipasi masyarakat yang menekankan kegiatan pemilahan, pengumpulan, penimbangan, dan penukaran sampah menjadi nilai ekonomi. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pemahaman serta mendorong partisipasi masyarakat dalam pengelolaan sampah melalui edukasi dan praktik pengelolaan bank sampah. Metode pelaksanaan meliputi penyuluhan, demonstrasi pemilahan sampah organik dan anorganik, pelatihan pengolahan sampah sederhana, serta simulasi mekanisme operasional bank sampah. Pelatihan dilaksanakan dalam sesi interaktif yang melibatkan warga sebagai peserta aktif, sehingga mereka dapat memahami alur kerja bank sampah secara langsung. Hasil kegiatan menunjukkan adanya peningkatan pengetahuan peserta mengenai jenis sampah, teknik pemilahan, serta manfaat ekonomi dan lingkungan dari pengelolaan sampah berbasis bank sampah. Selain itu, peserta mulai menunjukkan perubahan sikap dan komitmen untuk menerapkan pengelolaan sampah berkelanjutan di lingkungan tempat tinggal. Dampak kegiatan terlihat dari terbentuknya kelompok pengelola bank sampah tingkat komunitas serta meningkatnya kesadaran masyarakat untuk menjaga kebersihan lingkungan. Luaran kegiatan meliputi modul edukasi pengelolaan sampah, panduan operasional bank sampah, dan prototipe sistem pencatatan tabungan sampah. Secara keseluruhan, kegiatan ini memberikan kontribusi dalam mewujudkan lingkungan yang lebih bersih, sehat, dan mandiri melalui edukasi dan pemberdayaan masyarakat.
APPLICATION OF DATA MINING FOR PREDICTING STUDENT ACADEMIC PERFORMANCE USING CLASSIFICATION ALGORITHMS Faisal Faisal
REKADATA Vol. 1 No. 1 (2025): Rekayasa Data dan Kecerdasan Artifisial (REKADATA)
Publisher : CV Mazaya Cahaya Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The ability to predict student academic performance has become increasingly important for higher education institutions in supporting academic success and reducing dropout rates. Academic performance is influenced by multiple factors such as attendance, previous grades, participation in coursework, and demographic information. However, these data are often underutilized in academic decision-making. Data mining techniques, particularly classification algorithms, provide an effective approach to analyzing historical student data and generating predictive models for future performance. This study applies classification-based data mining methods to predict student academic performance using a dataset containing course grades, attendance records, and cumulative GPA. Several algorithms were tested, including Decision Tree, Naïve Bayes, and k-Nearest Neighbors (k-NN). The methodology involved data preprocessing, feature selection, model training, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The results indicate that classification algorithms are effective in predicting student performance, with the Decision Tree model achieving the highest accuracy at 87%, followed by Naïve Bayes at 82% and k-NN at 80%. These findings demonstrate that data mining can support educational institutions in identifying at-risk students early, enabling timely academic interventions and personalized support. The novelty of this research lies in the comparative analysis of multiple classification algorithms applied to student academic data within the Indonesian higher education context. This study concludes that integrating data mining into academic information systems can significantly enhance decision-making processes and contribute to improved learning outcomes.
Co-Authors