Claim Missing Document
Check
Articles

SOSIALISASI PEMANFAATAN APLIKASI MICROSOFT OFFICE UNTUK MEMAKSIMALKAN AKTIFITAS TATA USAHA DI SMA PERTIWI 2 PADANG Susilo, Herman; Ihksan, Muhammad; Abdillah, Nurul
Jurnal Abdimas Saintika Vol 4, No 2 (2022): November Jurnal Abdimas Saintika
Publisher : Stikes Syedza Saintika Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30633/jas.v4i2.2006

Abstract

Pendidikan di era digital menuntut inovasi dan adaptasi terus-menerus dalam proses belajar-mengajar. Salah satu elemen kunci dalam manajemen sekolah adalah Tata Usaha (TU), yang berperan penting dalam mengkoordinasikan berbagai kegiatan administratif. SMA Pertiwi 2 Padang, sebagai lembaga pendidikan yang berkomitmen untuk memberikan layanan terbaik kepada siswa dan staf, menghadapi tantangan untuk meningkatkan efisiensi dan efektivitas dalam pengelolaan TU mereka. Kegiatan Pengabdian ini bertujuan untuk memberikan solusi dalam bentuk sosialisasi pemanfaatan aplikasi Office, salah satu alat digital yang memiliki potensi besar untuk meningkatkan produktivitas dan pengelolaan informasi. Melalui pendekatan partisipatif, staf TU, guru, dan siswa akan diberikan pelatihan intensif untuk memahami dan memanfaatkan aplikasi Office secara optimal. Hasil dari sosialisasi ini diharapkan dapat memberikan manfaat berlipat ganda. Pertama, penggunaan aplikasi Office akan meningkatkan efisiensi administratif, seperti pengelolaan data siswa, absensi, dan jadwal sekolah. Kedua, siswa akan diajak untuk menggunakan Office sebagai alat pembelajaran yang lebih interaktif, memungkinkan mereka untuk mengembangkan keterampilan digital yang relevan.Dengan implementasi yang tepat, pemanfaatan aplikasi Office di TU SMA Pertiwi 2 Padang akan menjadi landasan bagi perbaikan berkelanjutan dalam pengelolaan sekolah. Ini juga dapat menjadi contoh bagaimana sekolah-sekolah lain dapat memanfaatkan teknologi untuk meningkatkan kualitas pendidikan dan pelayanan kepada masyarakat.Kata kunci : Sosialisasi, Pemanfaatan, Aplikasi Office, Efisiensi, Tata Usaha (TU) 
SOSIALISASI REPLIKASI DATABASE DALAM PENGELOLAAN DATA REKAM MEDIS DI KLINIK SETIA Ihksan, Muhammad; Susilo, Herman; Abdillah, Nurul
Jurnal Abdimas Saintika Vol 4, No 2 (2022): November Jurnal Abdimas Saintika
Publisher : Stikes Syedza Saintika Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30633/jas.v4i2.2579

Abstract

Pengabdian Masyarakat (Pengabmas) pada tanggal 10 Oktober 2022 di Klinik Setia dengan tema sosialisasi mengenai replikasi database dalam pengelolaan data rekam medis di Klinik Setia bertujuan untuk meningkatkan layanan yang diberikan kepada pasien. Basis diidentifikasi sebagai tempat pengumpulan data, sedangkan data adalah representasi dari fakta dunia nyata. Replikasi database merupakan teknik dalam sistem database terdistribusi yang digunakan untuk menggandakan dan mendistribusikan data antar database serta menjaga konsistensi data melalui sinkronisasi. Hasil sosialisasi menunjukkan peningkatan pemahaman mengenai replikasi database pada data rekam medis pasien di Klinik Setia. Tingginya partisipasi peserta dalam sesi tanya jawab menjadi indikator positif keberhasilan sosialisasi mengenai replikasi database data rekam medis pasien.Kata Kunci: Sosialisasi, Database, Replikasi Database
Klasifikasi Risiko Gempa Bumi menggunakan metode Decision Tree Akbar, Niko; Alghifari, Hamzah; Abdillah, Nurul; Dahwanu, Oki
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 6, No 2: DESEMBER 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v6i2.7843

Abstract

Gempa bumi merupakan salah satu bencana alam yang sulit diprediksi namun memiliki dampak besar terhadap kehidupan manusia. Oleh karena itu, diperlukan suatu pendekatan analitis yang mampu mengidentifikasi pola dan hubungan antarparameter gempa untuk mendukung sistem peringatan dini. Penelitian ini bertujuan untuk melakukan Klasifikasi Dampak akan kejadian gempa bumi menggunakan metode Data Mining berbasis Decision Tree. Data yang digunakan berasal dari katalog gempa yang memuat atribut seperti Tanggal Kejadian (timestamp), magnitudo, kedalaman, serta koordinat lokasi (latitude dan longitude). Proses analisis meliputi tahap pembersihan data (data cleaning), transformasi, dan pembuatan model klasifikasi Decision Tree untuk menentukan tingkat potensi dan dampak gempa serta mengetahui keakuratan gempa bumi berdasarkan data dari tahun ketahun. Hasil penelitian menunjukkan bahwa atribut magnitudo memiliki pengaruh signifikan terhadap tingkat risiko gempa. Model Decision Tree yang dibangun mampu menghasilkan aturan klasifikasi seperti “Jika magnitudo <5 maka berpotensi Risiko gempa bumi rendah, sedangkan magnitudo antara 5-7 berisiko gempa bumi sedang, dan magnitudo ≥ 7 maka berpotensi Risiko Gempa Bumi Tinggi”, yang dapat digunakan untuk mendukung pengambilan keputusan dalam mitigasi bencana. Dengan demikian, metode Decision Tree terbukti efektif dalam mengungkap pola tersembunyi dari data gempa bumi dan dapat menjadi dasar bagi sistem prediksi serta peringatan dini gempa di masa mendatang. Disimpulkan bahwa akurasi masing – masing sebesar 100 %, sedangkan recall sebesar 100 % tapi hasil precision menunjukkan statistik yang berbeda yakni Prediksi Tidak Berpotensi Gempa Bumi  Besar sebesar 100%, sedangkan Prediksi Tidak berpotensi Gempa Bumi sedang sebesar 99,67%, dan terakhir prediksi Tidak berpotensi Gempa Bumi Kecil sebesar 96 %. Hasil pengujian ternyata menghasilkan magnitude rendah dengan ukuran >5,350 tergolong rendah, sedangkan magnitude rendah dengan ukuran <5,350 mempunyai frekuensi yang banyak. Dan Beberapa data berdasarkan statistik Magnitudo >5.350 ukuran sedang dari data sebanyak 16 data. Sedangkan magnitudo ≤ 5.350 Ukuran Rendah sebanyak 6716 Data yang ditemukan dan sudah dianalisis.
ANALISIS DAN PERANCANGAN SISTEM INFORMASI PEMASARAN PERUMAHAN BERBASIS WEB MENGGUNAKAN METODE PROTOTYPE PADA PT LESTARI INTI PROPERTI JAMBI: Marketing Information System, Web-Based Application, Prototype Method, Unified Modeling Language, Subsidized Housing Alghifari, Hamzah; Akbar, Niko; Abdillah, Nurul; Dahwanu, Oki
JURNAL AKADEMIKA Vol 18 No 1 (2025): Jurnal Akademika
Publisher : LP2M Universitas Nurdin Hamzah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53564/6psph742

Abstract

Due to its manual reliance on conventional promotional techniques such as distributing flyers and posters, PT Lestari Inti Properti faces challenges in selling subsidized housing products. In the digital era, this situation limits promotional reach and reduces marketing effectiveness. The goal of this project is to create a web-based marketing information system that can manage the company's sales and administration data in an integrated manner and function as a digital promotional tool. Using the Unified Modeling Language (UML) methodology, prototyping techniques are applied through the phases of rapid design, testing and feedback, prototyping, and requirements communication. The result of this study is the design of a prototype housing marketing information system that includes a login module, housing data management, ordering procedures, and transaction reports. Use case structures, activity diagrams, and class diagrams are used in the design of this system to fully explain how users interact with business operations. This system can increase marketing reach, speed up administrative procedures, and reduce data input errors, according to the design results. Therefore, PT Lestari Inti Properti can improve operational effectiveness and competitiveness in the digital market by using a web-based marketing information system.
Development of a Web-Based Application for Predicting Stroke Patient Emergency Levels Using the Naïve Bayes Algorithm Nurul Abdillah; Oki Dahwanu; Hamzah Alghifari; Niko Akbar
EDUTIC Vol 13, No 1: 2026
Publisher : Universitas Trunodjoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/edutic.v13i1.34303

Abstract

Stroke is a serious disease that requires prompt and appropriate treatment; therefore, determining the level of patient Emenrgency Levels is critically important. This study aims to develop a web-based application for predicting the Emenrgency Levels level of stroke patients using the Naïve Bayes algorithm as a classification method. The research data were obtained from the medical records of stroke patients at RSUP Dr. M. Djamil Padang during March and April 2025, with a total of 222 data samples. The attributes used in this study include age, gender, address, length of stay, ward class, BPJS insurance membership status, and comorbidities, with Emenrgency Levels status as the class attribute classified into Emenrgency and non-Emenrgency. The application was developed as a web-based system to facilitate easy access for medical personnel in utilizing the prediction system. The experimental results indicate that the Naïve Bayes algorithm achieved an accuracy of 77.48% with an error rate of 22.52%. The findings of this study are expected to assist medical personnel in supporting faster and more objective decision-making regarding the Emenrgency Levels level of stroke patients.
Comparison of Machine Learning Algorithms (SVM, Random Forest, and Naïve Bayes) for Predicting Rice Production Oki Dahwanu; Nurul Abdillah; Niko Akbar; Hamzah Alghifari
J-ENSITEC (Journal of Engineering and Sustainable Technology) Vol. 12 No. 02 (2026): June 2026
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/j-ensitec.v12i02.18386

Abstract

Global rice production faces mounting pressure from population growth and climate change, yet traditional statistical models fail to capture the complex nonlinear dynamics between environmental factors and crop yields. To address this gap, this study systematically compares the accuracy of three machine learning algorithms, Support Vector Machine (SVM), Random Forest (RF), and Naïve Bayes (NB) for predicting rice production fluctuations due to climate change using the latest local climate data from Indonesia. A dataset of 96 monthly observations (2018–2025) comprising climate features (temperature, humidity, wind speed, precipitation, cloud cover, sunshine duration) and rice production categories (Low, Medium, High) was analyzed. Algorithm performance was evaluated using accuracy, precision, recall, and F1-score. The results demonstrate that Random Forest significantly outperforms the other methods, achieving an accuracy of 95%, precision of 0.9571, recall of 0.95, and F1-score of 0.95, compared to SVM (75% accuracy) and Naïve Bayes (70% accuracy). This study provides the first head-to-head comparison of these three algorithms for rice yield prediction in Indonesia using current climate data. The key benefit over pre-existing approaches is the empirical confirmation that ensemble learning, particularly Random Forest, offers superior predictive reliability for crop yield forecasting under high feature complexity, thereby enabling more accurate, data-driven agricultural policy and food security planning.
KLASIFIKASI DAN PREDIKSI KELUARGA BERISIKO STUNTING DI PROVINSI JAMBI MENGGUNAKAN METODE KNN DAN NAIVE BAYES Niko Akbar; Hamzah Alghifari; Nurul Abdillah; Oki Dahwanu
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8522

Abstract

Di Indonesia Prevalensi stunting sebesar 37,2%, naik dari 35,6% pada tahun 2019 dan 36,8%, dengan mayoritas dipengaruhi oleh penduduk setempat. Kementerian Kesehatan Indonesia memperkirakan bahwa prevalensi stunting akan mencapai 38,9% pada tahun 2020. Permasalahannya Beberapa Data yang diambil dan dipakai berupa data sekunder yang di ada diwebsite opendata provinsi jambi yang berjudul Faktor Penapisan Keluarga Berisiko Stunting di Provinsi Jambi. Dengan menggunakan algoritma KNN dan Naïve Bayes, maka didapatkan hasilnya berupa kedua algoritma cocok untuk pengklasteran dan Scoring dari algoritma menunjukkan hasil yang berbeda. Karena keakurasiannya sesuai dengan perhitungan manual yang telah dijabarkan pada bagian pengolahan data. Beberapa hasil dari cross-validasi menyatakan bahwa nilai accuracy 85,29%, nilai precision berupa 83,33%, nilai recall 85,29%.
Komparasi Efektivitas Augmented Reality dan Virtual Reality sebagai Media Pembelajaran: Tinjauan Sistematis: Comparative Effectiveness of Augmented and Virtual Reality Learning: Systematic Review Hamzah Alghifari; Niko Akbar; Nurul Abdillah; Oki Dahwanu
SISFOTENIKA Vol. 16 No. 2 (2026): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/sisfotenika.v16i2.643

Abstract

Teknologi imersif seperti Augmented Reality (AR) dan Virtual Reality (VR) telah menciptakan peluang baru dalam bidang pendidikan. Namun, masih ada perdebatan tentang teknologi mana yang dapat meningkatkan hasil pembelajaran. Tujuan dari penelitian ini adalah untuk membandingkan efektivitas realitas maya (AR) dan realitas virtual (VR) sebagai media pembelajaran dengan menggunakan pendekatan Systematic Literature Review (SLR) yang didasarkan pada PRISMA 2020. Tiga basis data utama (Scopus, IEEE Xplore, dan ScienceDirect) digunakan untuk melakukan pencarian literatur dari tahun 2019 hingga tahun 2020. Dari 562 artikel yang ditemukan, 42 memenuhi persyaratan inklusi dan dianalisis secara naratif-komparatif. Hasil penelitian menunjukkan bahwa dibandingkan dengan metode konvensional, kedua teknologi meningkatkan motivasi, keterlibatan, dan hasil belajar. Sementara realitas virtual memiliki keunggulan dalam simulasi skenario berbahaya, retensi materi kompleks, dan imersi mendalam, AR unggul dalam aksesibilitas, kemudahan adopsi, dan integrasi konteks dunia nyata. Bahasa, STEM, dan kedokteran adalah bidang yang paling banyak memanfaatkan keduanya. Biaya perangkat, kesiapan guru, dan infrastruktur adalah masalah utama, terutama di negara berkembang. Studi ini membantu memilih teknologi berdasarkan tujuan pembelajaran dan konteks institusi. Kata kunci—Augmented reality, Virtual reality, Efektivitas Pembelajaran, Media Pembelajaran, Systematic Literature Review.
Pendekatan Machine Learning untuk Menganalisis Faktor-Faktor yang Berkontribusi Terhadap Kesalahan Pengkodean ICD-10 di Semen Padang Hospital Rury Moryanda; Nurul Abdillah; Denos Imam Fratama; Dicky Fatrias
J-REMI : Jurnal Rekam Medik dan Informasi Kesehatan Vol 7 No 3 (2026): June
Publisher : Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/j-remi.v7i3.6775

Abstract

ICD-10 coding errors remain a major challenge in healthcare facilities, affecting the validity of morbidity data, the accuracy of BPJS Kesehatan claims processing, and the quality of health information management. This study aimed to identify the main factors contributing to ICD-10 coding errors and evaluate the effectiveness of machine learning algorithms in detecting such errors. Electronic medical record data were analyzed through data cleaning, preprocessing, descriptive analysis, and machine learning modeling. Three algorithms were applied: Random Forest, Support Vector Machine (SVM), and Neural Network. Model performance was evaluated using accuracy, precision, and sensitivity metrics. The findings revealed an ICD-10 coding error rate of 33.8%, primarily caused by nonspecific diagnoses and insufficient clinical information. Among the tested models, the Neural Network achieved the highest accuracy (72%), followed by SVM (68%) and Random Forest (60%). These results suggest that machine learning techniques can effectively support the early detection of ICD-10 coding errors and enhance the quality of health data management. The adoption of machine learning–based predictive models may improve coding accuracy and facilitate evidence-based decision-making in health information management.
Perancangan Sistem Informasi Promosi dan Penjualan Berbasis Web Pada Unit Produksi SMKN 1 Ampek Angkek Menggunakan Framework CodeIgniter Nurul Abdillah; Oki Dahwanu; Hamzah Alghifari; Niko Akbar
Jurnal Informatika Vol 12, No 3 (2024): INFORMATIKA
Publisher : Fakultas Sains & Teknologi, Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/informatika.v12i3.8165

Abstract

The Production Unit (PU) plays an important role in fostering students’ entrepreneurial skills through the creation of economically valuable products and services. However, product promotion at the Production Unit of SMK N 1 Ampek Angkek has so far only been carried out through exhibitions held once every semester. The school’s less strategic location results in many products remaining unsold, and those stored for too long often become damaged. To address this issue, a web-based promotional and sales information system was designed using the CodeIgniter framework. The system was developed using UML (Unified Modeling Language) modeling with an object-oriented approach. The programming languages used were PHP with the CodeIgniter framework and JavaScript, while MySQL served as the database and Sublime Text 3 as the code editor. The result of this design is a web-based information system that can present craft product information more widely and efficiently. This system helps the Production Unit promote its products without time and location limitations and provides convenience for consumers to view and purchase products online.