Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pemberdayaan Wirausaha Muda Melalui Pelatihan Business Model Canvas pada Karang Taruna Nawasena Handayani, Rizky; Ariyanto, Catur; Cahyo, D. Diffran Nur
Lentera Pengabdian Vol. 3 No. 03 (2025): Juli 2025
Publisher : Lentera Ilmu Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59422/lp.v3i03.965

Abstract

Rendahnya literasi kewirausahaan dan minimnya keterampilan perencanaan bisnis menjadi kendala umum yang dihadapi wirausaha muda di tingkat komunitas, termasuk anggota Karang Taruna. Salah satu strategi yang dapat digunakan untuk meningkatkan kapasitas mereka adalah melalui pelatihan perencanaan bisnis menggunakan Business Model Canvas (BMC). Kegiatan pengabdian ini bertujuan untuk memberikan pemahaman dan keterampilan praktis dalam menyusun rencana bisnis berbasis BMC kepada anggota Karang Taruna Nawasena. Metode pelaksanaan meliputi observasi kebutuhan, pelatihan tatap muka dengan pendekatan diskusi dan praktik langsung, serta evaluasi melalui kuesioner. Hasil evaluasi menunjukkan bahwa 66,7% peserta belum pernah mengikuti pelatihan bisnis sebelumnya, dan 60% belum mengenal BMC. Setelah pelatihan, sebanyak 86,7% peserta menyatakan memahami cara menyusun rencana bisnis menggunakan BMC, dan 100% peserta merasa pelatihan ini membuka wawasan mereka tentang dunia bisnis. Temuan ini menunjukkan adanya peningkatan signifikan dalam pemahaman dan motivasi peserta terhadap kewirausahaan. Luaran kegiatan ini berupa rencana bisnis awal berbasis BMC yang disusun oleh masing-masing peserta, serta panduan pelatihan BMC sebagai bahan pembelajaran lanjutan di tingkat komunitas. Pelatihan ini efektif dalam membekali remaja Karang Taruna dengan keterampilan dasar perencanaan bisnis yang aplikatif, serta menjadi langkah awal dalam pemberdayaan wirausaha muda di tingkat desa.
Analisis Perbandingan Klasifikasi dalam Data Mining pada Prediksi Hujan dengan menggunakan Algoritma LSTM dan GRU Cahyo, D. Diffran Nur; Sunyoto, Andi
Jurnal Sains dan Informatika Vol. 11 No. 1 (2025): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v11i1.1212

Abstract

Hujan memiliki dampak signifikan terhadap berbagai sektor, seperti pertanian, transportasi, dan manajemen sumber daya. Oleh karena itu, akurasi prediksi hujan sangat penting untuk mendukung perencanaan dan pengambilan keputusan yang efektif. Seiring kemajuan teknologi, pemanfaatan metode deep learning seperti Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) semakin berkembang dalam bidang prediksi cuaca. Penelitian ini bertujuan untuk membandingkan performa kedua algoritma tersebut dalam mengklasifikasikan data meteorologi untuk prediksi hujan. Dataset yang digunakan berasal dari Australian Bureau of Meteorology melalui Kaggle, terdiri dari 145.460 data dengan 23 atribut. Setelah melalui tahapan pra-pemrosesan dan resampling menggunakan metode SMOTE, kedua model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model LSTM memperoleh akurasi sebesar 81,46%, sedangkan GRU sebesar 81,39%. Nilai F1-score GRU lebih tinggi dibandingkan LSTM, masing-masing sebesar 60,96% dan 58,95%. Hasil ini mengindikasikan bahwa kedua model memiliki performa yang kompetitif dan efektif untuk diterapkan dalam sistem prediksi hujan berbasis deep learning.