Rayhan Rizal Mahendra
Unknown Affiliation

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

Found 2 Documents
Search

Edukasi Pencegahan Stunting Melalui Pendekatan Sosialisasi Dan Pembagian Pamflet Di Desa Pabean Kabupaten Probolinggo Taufikurrahman M.Pd; Rayhan Rizal Mahendra; Ananda Salsabila; Zafiratul 'Izzah; Khoriya Prananda Figa Ningrum; Zirli Afida Rossa
PRAXIS: Jurnal Pengabdian kepada Masyarakat Vol 1 No 3 (2023): PRAXIS
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47776/praxis.v1i3.653

Abstract

Stunting merupakan suatu permasalahan kegagalan pertumbuhan pada anak yang berstatus gizi kurang dan bersifat kronik dalam masa pertumbuhan dan perkembangan sejak awal kehidupan yakni mulai dari usia 0 sampai 1.000 HPK (Hari Pertama Kehidupan). Seperti halnya yang terjadi di Desa Pabean dimana menurut informasi yang kami dapatkan terkait dengan stunting yang ada di Desa Pabean diakibatkan oleh faktor masih kurangnya pengetahuan dan informasi mengenai pencegahan, ciri dan dampak stunting sehingga masih ditemukan kasus bayi dan balita gizi kurang atau gizi buruk. Penanganan stunting merupakan salah satu program prioritas nasional dengan target angka stunting 14% pada tahun 2024. Kegiatan Kuliah Kerja Nyata (KKN) UPN “Veteran” Jawa Timur sebagai wujud Tri Dharma perguruan tinggi yaitu pengabdian masyarakat dengan skema desa bebas stunting yang bertujuan untuk membantu menangani pencegahan stunting di Desa Pabean. Metode yang digunakan yaitu sosialisasi mengenai stunting dan pembagian pamflet. Target sasaran sosialisasi adalah ibu bayi, baduta dan balita hingga ibu hamil yang mengikuti kegiatan posyandu di Desa Pabean.
Implementasi Item-Based Collaborative Filtering Untuk Rekomendasi Film Rayhan Rizal Mahendra; Fetty Tri Anggraeny; Henni Endah Wahanani
Repeater : Publikasi Teknik Informatika dan Jaringan Vol. 2 No. 3 (2024): Juli : Repeater : Publikasi Teknik Informatika dan Jaringan
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/repeater.v2i3.140

Abstract

Item-based collaborative filtering is a popular technique in recommendation systems that aims to provide suggestions for films to watch or services to users based on similarities between items. In this approach, the similarity between items is calculated using metrics such as cosine similarity, allowing the prediction of user preferences for items that have never been rated. This research implements Item-based collaborative filtering using datasets from Kaggle. Experimental results show that the resulting model is able to provide recommendations with significant improvements in evaluation metrics such as Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) of 3.05 and 3.26. This shows that the smaller the value, the better.