Claim Missing Document
Check
Articles

Found 2 Documents
Search

Peningkatan Layanan Pelanggan dan Citra Profesional Karyawan melalui Kecerdasan Emosional pada Sektor Pariwisata Nazmah; M.safii; Robbi Rahim
Bersama : Jurnal Pengabdian Masyarakat Vol. 3 No. 2 (2025): Bersama : Jurnal Pengabdian Masyarakat
Publisher : CV. Doki Course and Training

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61994/bersama.v3i2.1144

Abstract

Industri pariwisata merupakan sektor jasa yang sangat bergantung pada kualitas layanan antarindividu. Salah satu tantangan utama yang dihadapi pelaku usaha pariwisata di Medan adalah rendahnya kecerdasan emosional karyawan, yang berdampak pada kualitas layanan dan citra profesional usaha. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan kompetensi kecerdasan emosional karyawan sektor pariwisata melalui program pelatihan berbasis kebutuhan lokal. Metode yang digunakan meliputi asesmen kebutuhan, penyusunan modul pelatihan, pelaksanaan pelatihan intensif, simulasi layanan, monitoring, dan evaluasi dampak. Sebanyak 20 orang karyawan dari berbagai unit layanan pariwisata di Medan mengikuti pelatihan ini. Hasil pengukuran menunjukkan adanya peningkatan rerata skor kecerdasan emosional peserta dari 69,5 sebelum pelatihan menjadi 74,3 setelah pelatihan. Peningkatan terbesar terjadi pada aspek pengendalian emosi dan empati. Selain itu, program ini berdampak positif terhadap kepercayaan diri peserta, kualitas layanan pelanggan, dan persepsi profesionalisme usaha mitra. Kegiatan ini membuktikan bahwa pelatihan kecerdasan emosional berbasis lokal efektif diterapkan di sektor pariwisata UMKM dan direkomendasikan untuk direplikasi di daerah wisata lain.
PENGGUNAAN ALGORITMA MACHING LEARNING UNTUK PREDIKSI STOK PADA USAHA WARKOP MIE ACEH REZEKI BERSAMA Anju Marsada Riahta Saragih; Robbi Rahim
Pendas : Jurnal Ilmiah Pendidikan Dasar Vol. 11 No. 03 (2026): Volume 11 Nomor 03, September 2026 Completed
Publisher : Program Studi Pendidikan Guru Sekolah Dasar FKIP Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/jp.v11i03.64792

Abstract

This study designs a stock demand prediction system based on Machine Learning using the n8n automation platform. Sales data for 14 days were collected from Google Sheets, preprocessed, and then used to generate predictions with SARIMA and Random Forest algorithms. The results of both models were compared using MAPE. The system also provides average calculations based on day, weather, and events, and automatically sends stock recommendations via WhatsApp along with graphs generated by hcti.io. The research method employed is Research and Development with the Waterfall model. Black box testing was conducted across 6 scenarios, and all features were found to function validly. The results indicate that SARIMA is more accurate with a MAPE of 38.55%, categorized as fair, compared to Random Forest with a MAPE of 50.25%, categorized as poor. SARIMA was therefore selected as the main model for 7-day ahead forecasting and provides recommendations to increase stock by 30%-40% on peak days. Conclusion: The stock prediction system based on n8n and SARIMA is feasible for supporting inventory decision-making at Warkop Mie Aceh Rezeki Bersama.