Claim Missing Document
Check
Articles

Found 22 Documents
Search

PELATIHAN DAN PENDAMPINGAN PEMASARAN DIGITAL MELALUI E-COMMERCE UNTUK MENINGKATKAN JANGKAUAN PASAR PRODUK KULINER Burham Isnanto; Amri Amri; Erwin Erwin; R Ferry Bakti Atmaja
Jurnal Pengabdian Masyarakat: Pemberdayaan, Inovasi dan Perubahan Vol 6, No 4 (2026): JPM: Pemberdayaan, Inovasi dan Perubahan
Publisher : Penerbit Widina, Widina Media Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59818/jpm.v6i4.2952

Abstract

Low marketplace adoption among MSMEs remains a major obstacle to expanding market reach, particularly for culinary businesses in Pangkalpinang. This community service program aimed to improve the digital marketing capacity of culinary MSMEs through e-commerce training and mentoring. The program employed a needs assessment, training sessions, hands-on practice, and mentoring conducted over five sessions within four days involving 15 purposively selected participants. Program effectiveness was evaluated using pre- and post-tests, a Likert-scale satisfaction questionnaire, and successful marketplace account creation. The results indicated that the average knowledge score increased from 46.67 to 77.33 (N-Gain 59.0%; Wilcoxon test p = 0.001), the average satisfaction score reached 4.37 out of 5.00, and 86.7% of participants successfully created an active marketplace store account. The program proved effective in improving MSMEs' digital marketing competencies and offers a replicable model for sustainable mentoring to expand the market reach of culinary products.  ABSTRAKRendahnya adopsi marketplace oleh UMKM masih menjadi kendala dalam memperluas jangkauan pemasaran, khususnya bagi pelaku usaha kuliner di Pangkalpinang. Kegiatan pengabdian kepada masyarakat ini bertujuan meningkatkan kapasitas pemasaran digital pelaku UMKM kuliner melalui pelatihan dan pendampingan penggunaan e-commerce. Metode yang digunakan meliputi observasi kebutuhan, pelatihan, praktik langsung, dan pendampingan selama lima sesi dalam empat hari dengan peserta sebanyak 15 pelaku UMKM yang dipilih secara purposive. Evaluasi dilakukan menggunakan pre-post test, kuesioner kepuasan skala Likert, serta pengukuran keberhasilan pembuatan akun marketplace. Hasil menunjukkan rata-rata skor pengetahuan meningkat dari 46,67 menjadi 77,33 (N-Gain 59,0%; uji Wilcoxon p=0,001), tingkat kepuasan peserta mencapai 4,37 dari 5,00, dan 86,7% peserta berhasil membuat akun toko aktif pada marketplace. Program ini terbukti efektif meningkatkan kompetensi pemasaran digital UMKM dan dapat menjadi model pendampingan berkelanjutan untuk memperluas akses pasar produk kuliner.
KLASIFIKASI MORTALITAS PENYAKIT JANTUNG ATEROSKLEROSIS MENGGUNAKAN ALGORITMA NAIVE BAYES, ADABOOST, DAN XGBOOST Burham Isnanto; Rahmat Sulaiman
Technologia : Jurnal Ilmiah Vol 17 No 3 (2026): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jit.v17i3.24059

Abstract

Penyakit kardiovaskular, khususnya aterosklerosis, merupakan penyebab utama kematian global dengan menyumbang sekitar 32% dari seluruh kematian di dunia. Penelitian ini mengimplementasikan tiga algoritma machine learning—Naive Bayes Gaussian, AdaBoost, dan XGBoost—untuk memprediksi mortalitas pasien penyakit jantung aterosklerosis (ICD I25.1) menggunakan data rekam medis elektronik dari Pusat Jantung Nasional Harapan Kita periode 2016–2021 yang terdiri dari 4.691 rekaman pasien. Proses pengolahan data mengikuti kerangka Knowledge Discovery in Databases (KDD) yang meliputi seleksi, preprocessing, transformasi, dan klasifikasi data. Dataset memiliki ketidakseimbangan kelas yang signifikan dengan 4.478 data mortalitas rendah dan 213 data mortalitas tinggi, sehingga ROC AUC dipilih sebagai metrik evaluasi utama. Hasil penelitian menunjukkan XGBoost memiliki nilai ROC AUC tertinggi sebesar 0,74, diikuti AdaBoost sebesar 0,68, dan Naive Bayes sebesar 0,64. Analisis SHAP mengungkap bahwa konsentrasi hemoglobin (khermchc), hemoglobin rata-rata per sel (hermch), trombosit, dan leukosit adalah fitur yang paling berpengaruh terhadap prediksi mortalitas. Model terbaik diimplementasikan dalam aplikasi berbasis web menggunakan Flask dan Python, memungkinkan masyarakat melakukan deteksi dini risiko mortalitas penyakit jantung aterosklerosis secara mandiri.