Claim Missing Document
Check
Articles

Found 18 Documents
Search

Pelatihan Desain Aplikasi Modern Untuk Pembelajaran Pembuatan Prototipe Interaktif Menggunakan Figma Di Pondok Pesantren Assaadah Jupron; Pambudi, Rilo; Haris Agam, Ibnu; Zunanda, Obit; Rizkyanto, Achmad; Jusub, Muhamad; Purna, Aditya; Adi Irawan, Satia; Imanuel, Kasna; Akbar, Nurul; Abdul; Harahap, Rahman
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 11 : Desember (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

The training on modern application design for learning the creation of interactive prototypes using Figma at Pondok Pesantren Assa'adah aims to provide knowledge and practical skills in designing and developing interactive digital applications. Figma, as a cloud-based design tool, allows participants to create prototypes that can be tested directly with users without the need for deep coding skills. In this training, participants will be introduced to the basic concepts of user interface (UI) and user experience (UX) design, as well as the process of creating prototypes that can be tested and refined. By integrating modern design technology, this training is expected to enhance the students' ability to innovate and create digital applications that can be used for various educational and social needs within the Pondok Pesantren environment. Through this training, participants will gain hands-on experience in utilizing Figma to produce effective, creative, and implementable interactive prototypes.
PENERAPAN METODE VIKOR PADA SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN SEPEDA MOTOR BEKAS TERBAIK (Studi Kasus: Jogya Motor) Dhela Widiastuti; Jupron
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 3 No 11 (2024): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

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

Abstract

VIKOR VIseKriterijumska Optimizacija I Kompromisno Resenje method, is an approach in decision support system that aims to determine the optimal solution among various alternatives. Specifically designed to handle the complexity and diversity of criteria in decision making, this method provides a compromise solution that assists decision makers in selecting the option that best suits their preferences and constraints. In the context of used motorcycle selection, this process involves evaluating various aspects such as engine condition, kilometers traveled, year of manufacture, brand and price. The VIKOR method is used to rank a number of used motorcycle alternatives based on these criteria, which are the main considerations for potential buyers. The use of a Decision Support System (DSS) is considered an effective solution to assist in determining the best used motorcycle choice.
Analysis of Heart Disease Using the Random Forest Method Jupron; Sutrisno
Jurnal Inotera Vol. 10 No. 1 (2025): January-June 2025
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31572/inotera.Vol10.Iss1.2025.ID452

Abstract

Since heart disease is one of the leading causes of death worldwide, lowering the death rate requires early detection and precise analysis. Machine learning (ML) is one method of analysis. This study uses the Random Forest process, which is applied through the Weka program, to analyze heart disease. An ensemble learning process called Random Forest can categorize data on datasets with a lot of variables with a high degree of accuracy. The heart disease dataset used in this study includes patient medical information, including age, gender, blood pressure, cholesterol, and the results of various tests. To determine the variables that significantly impact the risk of heart disease and to determine the degree of model accuracy in making predictions, the data was processed using Weka and tested using the Random Forest algorithm. The study's findings demonstrate that the Random Forest process performs well in assessing heart illness with a high degree of accuracy and can provide information about the variables that affect the evaluation of heart disease. As a result, this approach may be a useful one for assisting with early heart disease identification and treatment decisions.
Analisis Komparatif Penerapan K-Means Clustering pada Lima Dataset Nyata untuk Evaluasi Sosial Ekonomi dan Finansial Khudin, Fat; Saputra, Irfan Dias; Ilham, Muhammad; Fadilah, Muhamad Sahrul Hafidz; Rahmadan, Dika Surya; Jupron, Jupron
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1361

Abstract

Penerapan algoritma K-Means Clustering banyak digunakan dalam eksplorasi data multidomain, mulai dari sektor keuangan digital hingga indikator sosial ekonomi dan kesehatan. Penelitian ini membandingkan penggunaan algoritma K-Means pada lima jenis dataset nyata, yaitu distribusi suplai Bitcoin (2009–2024), harga saham Citigroup Inc. (2008–2024), kontribusi pajak daerah kota Banjarmasin (2007–2014), data kemiskinan Indonesia (1976–1993), dan prevalensi penyakit kronis pada lansia (2022). Seluruh data diproses melalui tahap normalisasi, dilanjutkan analisis klaster menggunakan algoritma K-Means dengan jumlah klaster optimal yang ditentukan melalui metode Elbow. Hasil penelitian menunjukkan bahwa semua domain memiliki pola klasterisasi yang bermakna: distribusi Bitcoin terbagi ke dalam tiga fase pertumbuhan, saham Citigroup memperlihatkan dua fase risiko, data kemiskinan dan pajak menunjukkan segmentasi tren historis, serta penyakit lansia mengarah pada kelompok risiko prevalensi. Evaluasi menggunakan Silhouette Score menunjukkan kualitas pemisahan klaster yang cukup baik (nilai antara 0,61 hingga 0,82). Pendekatan ini membuktikan bahwa K-Means dapat diandalkan untuk pengelompokan lintas domain dan dapat menjadi alat bantu dalam pengambilan keputusan berbasis data.
Pelatihan Microsoft Word bagi siswa-siswi PKL di YPAIS Foundation Jupron, Jupron; Permadi, Yuda; Sarman, Sarman; Sutrisno, Sutrisno
Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Vol. 5 No. 4 (2025): Juli 2025 - Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/1k2v6k04

Abstract

Keterampilan penggunaan perangkat lunak pengolah kata seperti Microsoft Word merupakan kebutuhan dasar yang sangat penting dalam dunia kerja modern. Namun, hasil survei awal terhadap 30 siswa peserta Praktik Kerja Lapangan (PKL) di YPAIS Foundation menunjukkan bahwa lebih dari 70% responden belum menguasai fungsi dasar aplikasi tersebut. Kondisi ini menjadi hambatan dalam penyusunan laporan PKL dan dokumen administratif lainnya. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan keterampilan digital dasar peserta melalui pelatihan Microsoft Word secara terstruktur, dimulai dari materi dasar hingga tingkat menengah, dengan pendekatan ceramah, demonstrasi, dan praktik langsung yang didampingi fasilitator. Evaluasi dilakukan menggunakan pre-test dan post-test, observasi praktik, serta angket dan wawancara. Hasil pelatihan menunjukkan peningkatan signifikan pada pemahaman peserta terhadap fitur-fitur penting Microsoft Word seperti pengaturan paragraf, pembuatan tabel, penomoran halaman, dan penyusunan dokumen resmi. Rata-rata peningkatan nilai post-test mencapai 40% dibandingkan pre-test. Selain peningkatan kognitif, peserta juga menunjukkan perubahan sikap positif, seperti meningkatnya kepercayaan diri dan kesadaran akan pentingnya literasi digital. Meskipun terdapat kendala seperti keterbatasan fasilitas dan variasi kemampuan awal peserta, pelatihan ini terbukti efektif dan relevan dengan kebutuhan mereka. Kegiatan ini berpotensi untuk dikembangkan lebih lanjut melalui pelatihan lanjutan dan pengembangan bahan ajar digital guna memperluas dampaknya dalam meningkatkan kesiapan siswa menghadapi dunia kerja berbasis teknologi.
Apriori Algorithm in Electrical Equipment Sales for Inventory Control Optimization Jupron; Okta Irawati; Muhammad Bahrein
Jurnal Inotera Vol. 10 No. 2 (2025): July - December 2025
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31572/inotera.Vol10.Iss2.2025.ID465

Abstract

XYZ Electrical Store is one of the small and medium enterprises that sells various types of electrical equipment for household needs. The management of sales data in the store is still done by recording sales transactions in a book, making the sales report generation process take a long time. With such a sales data management system, control and planning of stock items become less than optimal. Customers often find that the items they want to buy are out of stock. Moreover, the accumulation of less popular items also poses a challenge to the store's cash flow, resulting in subopti mal business processes. This research was conducted to address the issues of controlling and planning stock of goods using data mining techniques with the Apriori algorithm on sales transactions of electrical tools. Through a series of threshold tests, a minsup of 10% and minconf of 60% were obtained. This study results in information on the types of electrical tools that need to be monitored as they can lead to stock shortages when buyers need them, namely, the categories of LED lights, electrical cables, plugs, electrical insulation, and out bow. By knowing this information, it can provide solutions to Sinar Mulya Electric Store in stocking the most frequen tly sold items in the store.
Klasterisasi dan Analisis Tren Tenaga Kerja Berdasarkan Gender, Golongan, dan Sektor Usaha Menggunakan Metode K-Means Muhammad Deraya Kautsar; Muhammad Bimo Krisyono; Muhammad Hafidz Diaz Alghany; Rizky Wahyu Saputra; Zurnan Alfian; Jupron, Jupron
PESHUM : Jurnal Pendidikan, Sosial dan Humaniora Vol. 4 No. 6: Oktober 2025
Publisher : CV. Ulil Albab Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56799/peshum.v4i6.10439

Abstract

Studi ini membahas analisis dan pengelompokan data ketenagakerjaan di Indonesia berdasarkan gender, golongan karyawan, dan sektor usaha dengan menggunakan pendekatan data mining. Studi ini dilatarbelakangi oleh ketimpangan distribusi tenaga kerja serta perbedaan struktur dan pendapatan antarkelompok kerja. Tiga studi kasus dianalisis, yaitu: 1) distribusi karyawan berdasarkan golongan dan gender; 2) perbandingan pendapatan pria dan wanita menurut jenis pekerjaan; dan 3) tren pertumbuhan tenaga kerja pada sektor Usaha Mikro, Kecil, dan Menengah (UMKM) dan usaha besar. Metode pengelompokan K-Means digunakan untuk melakukan segmentasi data, sedangkan analisis deskriptif digunakan untuk mengevaluasi pertumbuhan angkatan kerja. Data diperoleh dari buku referensi dan dikonversi ke format digital untuk keperluan analisis. Evaluasi hasil pengelompokan menggunakan Indeks Davies-Bouldin menunjukkan bahwa kualitas klaster bervariasi. Hasil studi mengungkap ketimpangan distribusi tenaga kerja berbasis gender dan menegaskan peran sektor UMKM yang dominan dan stabil dalam penyerapan tenaga kerja. Temuan ini diharapkan dapat mendukung kebijakan pengelolaan sumber daya manusia dan strategi pengembangan ketenagakerjaan di Indonesia.
Penerapan Metode Algoritma C.48 untuk Klasisifikasi Penyakit Diabetes Wanto, Donna Oktar Endras; Harmon, Cendra; Jupron , Jupron
Jurnal Janitra Informatika dan Sistem Informasi Vol. 5 No. 2 (2025): Oktober - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/qyzpt451

Abstract

Penyakit diabetes merupakan salah satu gangguan metabolik kronis yang terus meningkat prevalensinya di berbagai negara, termasuk Indonesia. Deteksi dini diabetes sangat penting untuk mencegah komplikasi jangka panjang, dan salah satu pendekatan yang efektif adalah dengan memanfaatkan algoritma klasifikasi berbasis machine learning. Penelitian ini bertujuan untuk menerapkan algoritma C4.8 dalam mengklasifikasikan penyakit diabetes menggunakan aplikasi WEKA, serta mengevaluasi kinerjanya berdasarkan data medis yang tersedia. Dataset yang digunakan terdiri dari 768 instance dan 9 atribut, termasuk Glukosa, BMI, dan Usia. Hasil pelatihan model menunjukkan tingkat akurasi sebesar 84,11%, sementara pada pengujian menggunakan metode 10-fold cross-validation, akurasi menurun menjadi 73,70%, dengan nilai Kappa sebesar 0,414. Hasil visualisasi data mendukung temuan bahwa atribut Glukosa merupakan variabel paling dominan dalam membedakan kelas, diikuti oleh BMI dan Usia, sedangkan atribut seperti Tekanan Darah dan Ketebalan Kulit kurang memberikan kontribusi signifikan secara individual. Temuan ini menunjukkan bahwa algoritma C4.8 mampu digunakan sebagai dasar dalam sistem pendukung keputusan untuk diagnosis awal diabetes, meskipun masih terdapat ruang untuk peningkatan performa model melalui teknik lanjutan.