Article Per Year (5 Year)
p-Index From 2020 - 2025
1.857
P-Index
This Author published in this journals
All Journal JMM (Jurnal Masyarakat Mandiri) SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Informatika Global Jurnal Abdimas Mandiri Malcom: Indonesian Journal of Machine Learning and Computer Science
Dona Marcelina
Fakultas Ilmu Komputer, Universitas Indo Global Mandiri Palembang
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering: Cluster Analysis of Small Medium Enterprise Performance with K-Means Clustering Algorithm Dona Marcelina; Annisa Kurnia; Terttiaavini Terttiaavini
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 2 (2023): MALCOM October 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i2.952

Abstract

Fokus penelitian ini adalah untuk menyelesaikan masalah yang dihadapi oleh dinas koperasi dan UKM Provinsi Sumatera Selatan, yaitu kesulitan dalam menerapkan program pengembangan usaha bagi UKM. Selama ini dinas koperasi dan UKM Provinsi Sumatera selatan telah melakukan berbagai kegiatan yang berhubungan dengan peningkatan kualitas pengelolaan UKM. Namun karena pendataan UKM kurang lengkap, maka sulit untuk menentukan program terbaik bagi UKM yang dapat mempercepat pengembangan usaha di UKM.  Tujuan dari penelitian ini adalah untuk melengkapi data UKM melalui penyebaran kuesioner dan melakukan mengelompokkan UKM berdasarkan kinerja UKM. Pengelompokan ini nantinya akan digunakan  untuk menyusun strategi pengembangan UKM yang sesuai dan tepat sasaran. Penelitian ini, menggunakan metode K-Means Clustering dengan indikator, yaitu kinerja keuangan, penjualan produk, dan strategi pemasaran sebagai dasar pengelompokkan. Aplikasi KNIME digunakan sebagai alat untuk analisis data, pemrosesan data, pemodelan data, dan visualisasi model yang mudah dan akurat. Hasil analisis data menunjukkan UMKM terbagi menjadi tiga kelompok atau klaster, yaitu UKM mandiri, UKM berkembang, dan UKM binaan. Hasil pengelompokkan ini diharapkan dapat memberikan masukkan yang berguna bagi Dinas Koperasi dan UKM untuk menerapkan program pengembangan strategi yang lebih spesifik yang sesuai dengan karakteristik dari masing-masing klaster.
Pelatihan pemanfaatan teknologi artificial intelligence bagi guru sekolah dasar Imelda Saluza; Evi Yulianti; Indah Pratiwi Putri; Dona Marcelina; Dewi Sartika
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 2 (2024): June
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i2.23838

Abstract

Abstrak Dalam melaksanakan proses pembelajaran, guru dituntut untuk dapat terus menerus melakukan pembelajaran yang adaptif dan up to date yang didukung teknologi canggih. Teknologi canggih yang sering digunakan adalah Artificial Intellegence. Berdasarkan hasil observasi dan diskusi tim pengabdian kepada masyarakat (PKM) dan kepala sekolah SD Negeri 13 Palembang belum pernah mendapatkan pengetahuan memanfaatkan AI untuk mendukung proses pembelajaran dalam hal pencarian materi dan bahan ajar, karenanya tim PKM dan mitra memutuskan untuk melakukan kegiatan pelatihan memanfaatkan AI dalam pembelajaran. Dalam pelaksanaannya dilakukan dengan menggunakan metode Participatory Action Research (PAR) dengan empat tahapan yaitu perencanaan, tindakan, evaluasi dan refleksi. Setelah kegiatan dilaksanakan dilakukan analisis dari proses evaluasi dan refleksi kegiatan. Hasil evaluasi menunjukkan rata-rata peserta pelatihan mengalami peningkatan pengetahuan dan keterampilan sebesar 68,9%. Sedangkan hasil refleksi menjelaskan faktor pendukung dan kendala pelaksanaan. Adapun faktor pendukung yaitu adanya antusias peserta, dukungan kepala sekolah dan layanan internet yang lancar. Sedangkan faktor kendala antara lain adalah terdapat guru yang tidak membawa laptop, ada guru yang hampir pensiun dan merasa kurang membutuhkan pelatihan serta guru yang lupa akun email. Kata kunci: pembelajaran; materi; bahan ajar; metode PAR. Abstract In carrying out the learning process, teachers are required to be able to continuously carry out adaptive and up-to-date learning supported by advanced technology. The advanced technology that is often used is Artificial Intelligence. The community service team (PKM) and the principal of SD Negeri 13 Palembang conducted observations and had discussions. Based on their findings, they decided to conduct training activities that use AI in learning because they had no prior experience using it to support the learning process in terms of finding resources and teaching materials. Planning, action, evaluation, and reflection are the four stages of the Participatory Action Research (PAR) methods that were used in its execution. Following the completion of the task, an analysis of the assessment procedure and a contemplation of the task are conducted. According to the evaluation data, the typical training participant saw a 68.9% improvement in knowledge and abilities. In the meantime, the reflection's findings clarify the implementation's enabling elements and challenges. Enthusiastic participation, the principal's encouragement, and reliable internet access are the supporting aspects. In the meanwhile, teachers who forget their email accounts, are nearing retirement and believe they don't need training, and don't bring laptops are all restrictive factors. Keywords: learning; materials; teaching materials; PAR methods.
Penerapan Metode Forecasting Dalam Menentukan Prediksi Jumlah Mahasiswa Baru Dengan Menggunakan Single Exponential Smoothing M.S Rama Samudra; Dona Marcelina; Terttiaavini; Evi Yulianti; John Roni Coyanda; Indah Pratiwi Putri
Jurnal Ilmiah Informatika Global Vol. 15 No. 2: Agustus 2024
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jiig.v15i2.3916

Abstract

Forecasting adalah suatu proses analisis untuk memprediksi nilai-nilai masa depan berdasarkan informasi data historis, atau tren yang telah ada. Forecasting melibatkan metode matematika, statistik, untuk menghasilkan perkiraan tentang apa yang mungkin terjadi di masa mendatang dengan mengumpulkan data historis jumlah mahasiswa baru yang mendaftar selama 11 tahun terakhir. Data harus mencakup periode waktu yang cukup lama untuk mengidentifikasi tren dan pola, kemudian analisis data historis untuk mengidentifikasi tren, musiman, atau fluktuasi lainnya. Analisis data dilakukan dengan menggunakan teknik analisis single exponential smooting akan memperhitungkan nilai alpha (konstanta smoothing) untuk menghasilkan perkiraan yang paling akurat. Analisis data menggunakan tiga nilai konstanta alpha 0.3, 0.6, 0.9 tersebut akan dipilih nilai alpha dengan nilai error terkecil, dan kemudian akan di aplikasikan pada sistem peramalan berbasis website. Melalui sistem berbasis website, informasi dapat dikelola secara efisien dan memungkinkan Universitas Indo Global Mandiri untuk mengoptimalkan proses penerimaan mahasiswa baru mereka. Dengan menerapkan metode peramalan ini dalam sistem berbasis website, Universitas Indo Global Mandiri dapat mengelola informasi secara efisien, yang pada gilirannya akan membantu mereka mengoptimalkan proses penerimaan mahasiswa baru. Analisis data dengan tingkat error terkecil, dapat diartikan bahwa metode peramalan tersebut telah memberikan hasil yang sangat mendekati dengan data aktual, sehingga dapat diandalkan untuk melakukan proyeksi ke depan.
Co-Authors Annisa Kurnia Dhamayanti Dhamayanti Endang Sri Lestari Evi Purnamasari Evi Yulianti Evi Yulianti Imelda Saluza, Imelda Indah Pratiwi Putri John Roni Coyanda M.S Rama Samudra Mariska Putri Pratiwi Muti’a Rahma Aulia Sartika, Dewi Suryati Suryati Suryati Suryati Suryati, Suryati Terttiaavini Terttiaavini, Terttiaavini Yulianti, Evi