Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal MATHunesa: Jurnal Ilmiah Matematika Jurnal Abdimas Ilmiah Citra Bakti
Br Rambe, Imelda Wardani
Unknown Affiliation
Arts Humanities Computer Science & IT Education Environmental Science Mathematics

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

Found 2 Documents
Search

 1 
DESAIN KEMASAN CASSAVA CHIPS SEBAGAI UPAYA PENINGKATAN INCOME DI KELURAHAN DENDANG KABUPATEN LANGKAT Sari, Dwy Puspita; Nst, Mutiara Agustina; Haniyyah, Ummu; Br Rambe, Imelda Wardani; Sanimah
Jurnal Abdimas Ilmiah Citra Bakti Vol. 6 No. 4 (2025)
Publisher : STKIP Citra Bakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38048/jailcb.v6i4.5967

Abstract

Kegiatan pengabdian masyarakat ini dilaksanakan untuk menjawab permasalahan utama mitra, yaitu Warung Keripik Aisrah di Kelurahan Dendang yang masih menghadapi kendala dalam pengelolaan usaha, khususnya pada aspek manajemen produksi, desain kemasan, identitas usaha, serta pemasaran digital dan non-digital. Tujuan kegiatan ini adalah untuk meningkatkan kapasitas mitra dalam mengelola bisnis secara lebih profesional melalui pengembangan produk kreatif, pembuatan desain dan kemasan keripik yang lebih menarik, serta pelatihan manajemen usaha berbasis kearifan lokal. Metode yang digunakan mencakup pelatihan, pendampingan langsung, praktik pembuatan desain kemasan, simulasi pemasaran, serta implementasi media promosi seperti spanduk usaha untuk memperkuat identitas produk. Hasil kegiatan menunjukkan peningkatan pengetahuan peserta tentang prinsip dasar manajemen usaha, branding, dan pemasaran. Mitra mampu memproduksi desain kemasan baru yang lebih kompetitif dan mudah dikenali oleh konsumen, serta memahami strategi pemasaran digital yang lebih efektif. Selain itu, kegiatan ini juga mendorong diversifikasi produk lokal dan inovasi nilai tambah, sehingga meningkatkan daya saing keripik singkong pada pasar yang lebih luas. Secara keseluruhan, program pengabdian ini berkontribusi pada peningkatan peluang pendapatan mitra dan memperkuat potensi ekonomi kreatif masyarakat setempat. Kegiatan ini diharapkan dapat menjadi model pemberdayaan UMKM berbasis potensi lokal yang dapat direplikasi di wilayah lain secara mandiri dan berkelanjutan.
PEMODELAN DAN PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK PREDIKSI BANJIR: STUDI KASUS KOTA MEDAN Putri Maulidina Fadilah; Putri Harliana; Br Rambe, Imelda Wardani; Nasution, Alvi Sahrin
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p235 - 242

Abstract

Banjir merupakan salah satu bencana hidrometeorologis yang sering terjadi di Indonesia, termasuk di Kota Medan, dan menimbulkan kerugian sosial ekonomi yang signifikan. Penelitian ini bertujuan untuk mengembangkan dan membandingkan model prediksi kejadian banjir menggunakan tiga algoritma machine learning, yaitu Random Forest (RF), Support Vector Machine (SVM), dan Decision Tree (CART). Data yang digunakan merupakan data hidrometeorologis Kota Medan periode 2021–2024 yang diperoleh dari BMKG dan Geoportal BNPB, meliputi variabel curah hujan (RR), suhu (TN, TX, TAVG), kelembapan (RH_AVG), kecepatan angin (FF_X), arah angin (DDD_X), serta jumlah kecamatan dan rumah terdampak. Tahapan penelitian meliputi pra-pemrosesan data, pemodelan, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa Random Forest memiliki kinerja terbaik dengan akurasi sebesar 86,24% dan AUC sebesar 0,851, yang menunjukkan kemampuan prediksi yang sangat baik. Analisis feature importance menunjukkan bahwa curah hujan (RR) merupakan faktor paling berpengaruh terhadap kejadian banjir, diikuti oleh temperatur minimum (TN) dan temperatur rata-rata (TAVG). Metode ROSE terbukti efektif dalam mengatasi ketidakseimbangan kelas dengan meningkatkan recall tanpa mengorbankan akurasi. Secara keseluruhan, hasil penelitian ini menunjukkan bahwa algoritma Random Forest lebih andal dan stabil dibandingkan SVM dan Decision Tree dalam konteks analisis data hidrometeorologis, serta berpotensi menjadi dasar pengembangan sistem peringatan dini banjir berbasis kecerdasan buatan di masa depan. Kata Kunci: Prediksi Banjir, Random Forest, Support Vector Machine, Decision Tree, ROSE.
Co-Authors Haniyyah, Ummu Mutiara Agustina Nst Nasution, Alvi Sahrin Putri Maulidina Fadilah Sanimah Sari, Dwy Puspita