Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Buguh: Jurnal Pengabdian Kepada Masyarakat Jurnal Mahasiswa Ilmu Komputer
Istiana Ruswita
Unknown Affiliation
Humanities Computer Science & IT Education Environmental Science Languange, Linguistic, Communication & Media Social Sciences

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

Found 2 Documents
Search

 1 
PELATIHAN APLIKASI CANVA SEBAGAI UPAYA PENINGKATAN PEMAHAMAN APARATUR KAMPUNG SUKAJADI TERHADAP MEDIA DIGITAL: PELATIHAN APLIKASI CANVA SEBAGAI UPAYA PENINGKATAN PEMAHAMAN APARATUR KAMPUNG SUKAJADI TERHADAP MEDIA DIGITAL Praptiwi, Riska Amalia; Muhammad Ikhsan; Sandi Badiwibowo Atim; Istiana Ruswita; Rifki Ramzan Adi Putra; Anisa Arum Sabrina
BUGUH: JURNAL PENGABDIAN KEPADA MASYARAKAT Vol. 5 No. 4 (2025): Desember 2025
Publisher : Badan Pelaksana Kuliah Kerja Nyata Universitas Lampung

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

Abstract

Canva adalah platform desain berbasis daring yang menyediakan beragam fitur untuk membuat presentasi, CV, poster, pamflet, brosur, materi promosi, infografis, spanduk, penanda buku, buletin, dan berbagai kebutuhan visual lainnya. Tulisan ini memaparkan pelaksanaan program pelatihan penggunaan Canva bagi aparat Kampung Sukajadi dengan pendekatan kualitatif melalui model deskriptif-eksplanatif. Kegiatan ini bertujuan meningkatkan pemahaman serta wawasan masyarakat dalam memanfaatkan media digital, sekaligus membantu proses pembuatan materi komunikasi kampung—seperti spanduk, poster, dan brosur—secara lebih cepat dan mandiri. Pembahasan difokuskan pada pelaksanaan pelatihan di Kampung Sukajadi, serta diharapkan dapat menjadi rujukan praktis dalam penguatan literasi Teknologi Informasi dan Komunikasi berbasis media digital di tingkat desa/kampung.
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENERIMA PROGRAM INDONESIA PINTAR (PIP) PADA SD NEGERI X Ibrahim, M. Yhogha Ismail Ibn; Istiana Ruswita
Jurnal Mahasiswa Ilmu Komputer Vol. 7 No. 1 (2026): Jurnal Mahasiswa Ilmu Komputer March 2026
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/ilmukomputer.v7i1.11457

Abstract

Abstrak : Efektivitas distribusi Program Indonesia Pintar (PIP) sangat bergantung pada akurasi proses seleksi di tingkat sekolah. Di SD Negeri X, mekanisme penentuan penerima bantuan masih menghadapi kendala akibat proses verifikasi manual yang cenderung subjektif dan tidak efisien. Penelitian ini mengeksplorasi penggunaan teknik data mining dengan algoritma Naïve Bayes untuk mengotomatisasi klasifikasi kelayakan siswa. Atribut yang diuji meliputi indikator ekonomi dan kondisi sosial keluarga siswa yang diolah menggunakan metode 10-Fold Cross Validation. Temuan penelitian menunjukkan bahwa model Naïve Bayes berhasil mencapai tingkat akurasi sebesar 78,20%. Walaupun nilai recall (52,68%) dan presisi (53,64%) dipengaruhi oleh karakteristik dataset yang ada, penggunaan algoritma ini memberikan landasan pengambilan keputusan yang lebih terukur dan transparan. Implementasi sistem ini diharapkan dapat meminimalisir kesalahan manusia dalam identifikasi penerima bantuan sehingga penyaluran PIP menjadi lebih tepat sasaran. Abstract: The effectiveness of the Indonesia Smart Program (PIP) distribution significantly depends on the accuracy of the selection process at the school level. At SD Negeri X, the mechanism for determining aid recipients still faces challenges due to manual verification processes that tend to be subjective and inefficient. This study explores the application of data mining techniques using the Naïve Bayes algorithm to automate student eligibility classification. The tested attributes include economic indicators and the social conditions of the students' families, which were processed using the 10-Fold Cross-Validation method. The research findings demonstrate that the Naïve Bayes model successfully achieved an accuracy rate of 78.20%. Although the recall (52.68%) and precision (53.64%) values were influenced by the characteristics of the existing dataset, the use of this algorithm provides a more measurable and transparent basis for decision-making. The implementation of this system is expected to minimize human error in identifying aid recipients, thereby ensuring that PIP distribution is more targeted.
Co-Authors Anisa Arum Sabrina Ibrahim, M. Yhogha Ismail Ibn Muhammad Ikhsan Praptiwi, Riska Amalia Rifki Ramzan Adi Putra Sandi Badiwibowo Atim