Claim Missing Document
Check
Articles

Found 24 Documents
Search

Belajar Kemampuan Information Technology Motivasi untuk Meningkatkan Keterampilan di SMA Maflahul Ummah Istiqomah Rohmawati; Andi Romansyah; Angga Pramadjaya; Mugni; Halvino Panji Wicaksono; Gusmaniar Al Husaini Hadi; Mahfud Shidiq; Sherly Mentari
Jurnal Pengabdian Dharma Laksana Vol. 8 No. 1 (2025): JPDL (Jurnal Pengabdian Dharma Laksana)
Publisher : LPPM Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/j.pdl.v8i1.54225

Abstract

Perkembangan teknologi informasi yang semakin pesat menuntut generasi muda untuk memiliki kemampuan dan keterampilan yang relevan dengan kebutuhan era digital. Penelitian ini bertujuan untuk meningkatkan motivasi serta keterampilan siswa SMA Maflahul Ummah dalam bidang Teknologi Informasi (IT) melalui kegiatan pelatihan dan pembelajaran berbasis praktik. Metode yang digunakan adalah pendekatan deskriptif dengan pelaksanaan kegiatan berupa workshop, pelatihan dasar pemrograman, dan pengenalan aplikasi digital yang mendukung produktivitas. Data diperoleh melalui observasi, wawancara, dan kuesioner kepada peserta kegiatan. Hasil Kegiatan ini program pelatihan dan pendampingan yang diberikan memberikan dampak yang signifikan terhadap peningkatan kompetensi siswa. Hasil evaluasi melalui Pre-Test dan Post-Test menunjukkan adanya peningkatan rata-rata sebesar +29 poin atau sekitar 49,6% pada seluruh aspek penilaian. Peningkatan yang merata pada seluruh aspek tersebut menunjukkan bahwa kegiatan pelatihan tidak hanya memperkuat pengetahuan dan keterampilan teknis siswa, tetapi juga meningkatkan motivasi, kedisiplinan, serta kemampuan kolaboratif mereka dalam dunia IT
Strategi Branding Digital Dengan Pengelolaan Konten untuk Meningkatkan Penjualan Angga Pramadjaya; Adi Saefullah; Anjani Surya Ningrum; Febi Rohtafia; Sendi Dwi Putra; Siti Nurhalisa
Jurnal Pengabdian Dharma Laksana Vol. 8 No. 1 (2025): JPDL (Jurnal Pengabdian Dharma Laksana)
Publisher : LPPM Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/j.pdl.v8i1.54310

Abstract

Perkembangan teknologi digital telah mengubah paradigma pemasaran konvensional menjadi berbasis digital, di mana pengelolaan konten berperan penting dalam membangun citra merek (brand image) dan meningkatkan penjualan. Penelitian ini bertujuan untuk menganalisis penerapan strategi branding digital melalui pengelolaan konten yang efektif guna meningkatkan penjualan produk, khususnya pada pelaku usaha mikro, kecil, dan menengah (UMKM). Metode yang digunakan adalah pendekatan deskriptif dengan teknik pengumpulan data melalui observasi, wawancara, serta analisis media sosial yang digunakan oleh pelaku usaha. Hasil kegiatan ini menegaskan bahwa digital branding bukan hanya tentang promosi, tetapi juga tentang membangun identitas dan nilai merek yang kuat melalui komunikasi visual dan naratif yang konsisten. Tingkat pemahaman branding digital meningkat dari 40% menjadi 83%. Aktivitas digital peserta meningkat hingga 300% dalam jumlah posting dan interaksi. Omzet rata-rata meningkat sebesar 33% dalam satu bulan. 90% peserta menyatakan strategi branding digital membantu meningkatkan daya saing usaha mereka.
USING RANDOM FOREST TO PREDICT CATTLE WEIGHT Pramadjaya, Angga; Setiawan, Anjar
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6743

Abstract

The global cattle sector is essential for food provision, livelihood support, economic benefits, land restoration, and energy generation. Precise assessment of cow weight is crucial for farmers to track animal growth, while for traders, ascertaining the exact weight of cattle is imperative for establishing the price of the meat they acquire. This paper introduces an innovative method for predicting cattle weight via the random forest regression technique. This study employs a dataset consisting of thirteen variables: live weight, age, withers height, sacrum height, chest depth, chest width, clock width, hip joint width, slant body length, slant back length, chest circumference, metacarpal thickness, and half of the dorsal surface thickness. The findings indicate that the random forest regression technique produced the most precise predictions of cattle weight, with a mean absolute error (MAE) of 21.902 kg, a mean absolute percentage error (MAPE) of 4.201%, a root mean square error (RMSE) of 29.433 kg, and an R² value of 0.761. The findings underscore the model's efficacy in accurately predicting cattle weight, offering significant insights for agricultural management and commercial trading sectors.
Prediksi Tingkat Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree: Predicting Student Graduation Rates Using the Decision Tree Algorithm Septiani, Riska; Ningsih, Listina Nadhia; Pramadjaya, Angga
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2650

Abstract

Tingkat kelulusan mahasiswa merupakan salah satu indikator penting dalam menilai kualitas proses pendidikan di perguruan tinggi. Institusi pendidikan perlu melakukan analisis terhadap data akademik mahasiswa untuk memprediksi kemungkinan kelulusan sehingga dapat mengambil langkah strategis dalam meningkatkan keberhasilan studi mahasiswa. Penelitian ini bertujuan untuk melakukan prediksi tingkat kelulusan mahasiswa menggunakan metode Decision Tree. Metode ini dipilih karena mampu mengklasifikasikan data serta menghasilkan model yang mudah dipahami dalam bentuk aturan keputusan. Data yang digunakan dalam penelitian ini meliputi beberapa atribut akademik mahasiswa, seperti indeks prestasi, lama masa studi, jumlah SKS yang telah ditempuh, serta faktor pendukung lainnya yang berkaitan dengan proses akademik. Tahapan penelitian meliputi proses pengumpulan data, pra-pemrosesan data (data preprocessing), pembangunan model menggunakan algoritma Decision Tree, serta evaluasi terhadap hasil prediksi yang dihasilkan. Hasil analisis menunjukkan bahwa persentase mahasiswa yang memperoleh predikat “Dengan Pujian” pada tahun 2025 sebesar 6,01% dan meningkat menjadi 6,67% pada tahun 2026, dengan nilai rata-rata (mean) sebesar 6,34%. Namun demikian, berdasarkan hasil prediksi menggunakan metode Decision Tree, persentase mahasiswa yang diperkirakan memperoleh predikat Dengan Pujian menurun menjadi 3,00%, atau mengalami penurunan sekitar 3,34% dari rata-rata sebelumnya. Hal ini mengindikasikan bahwa dalam pola data yang dianalisis terdapat kecenderungan penurunan jumlah mahasiswa yang mampu mencapai prestasi akademik tertinggi.