Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Indonesian Journal of Community Empowerment and Service Journal of Data Science Methods and Applications
Septa, Oon
Unknown Affiliation
Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Education Engineering Library & Information Science Social Sciences Other

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

Found 2 Documents
Search

 1 
Pengenalan Microsoft Excel untuk Meningkatkan Pemahaman Dasar pengolahan dan Analisis Data di SMK Negeri 4 Kota Bengkulu Widayati, Ratna; Rizal, Jose; Rachmawati, Ramya; Faisal, Fahri; Rafflesia, Ulfa; Dwi Kumala, Siska; Septa, Oon; Nooravieta Setiawan, Aisyah
Indonesian Journal of Community Empowerment and Service (ICOMES) Vol. 5 No. 2 (2025): December 2025
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/icomes.v5i2.45338

Abstract

Pengabdian kepada masyarakat merupakan salah satu pilar tridharma perguruan tinggi yang mengimplementasikan ilmu pengetahuan dan teknologi secara langsung untuk memberikan manfaat kepada masyarakat. Hal tersebut merupakan motivasi dilaksanakannya kegiatan pengabdian kepada masyarakat berupa pelatihan penggunaan Microsoft Excel bagi siswa SMK Negeri 4 Kota Bengkulu.  SMK Negeri 4 Kota Bengkulu dipilih sebagai lokasi kegiatan karena kebutuhan peningkatan literasi digital, khususnya dalam pemanfaatan Microsoft Excel untuk mendukung efektivitas pengolahan data dan administrasi sekolahPelatihan ini bertujuan untuk meningkatkan keterampilan pengolahan data siswa, tidak hanya difokuskan pada pemahaman perhitungan dasar, tetapi juga pengenalan antarmuka, penggunaan rumus dan fungsi dasar (SUM, AVERAGE, IF, dll.), pembuatan tabel dan grafik, serta teknik pengolahan data sederhana. Kegiatan dilaksanakan di laboratorium komputer sekolah dengan melibatkan siswa dan guru pendamping sebagai peserta aktif. Melalui tahapan persiapan yang matang, pelaksanaan yang interaktif, serta evaluasi berbasis pre-test dan post-test, pelatihan ini terbukti memberikan dampak positif terhadap kemampuan siswa. Hasil uji Wilcoxon Signed-Rank menunjukkan peningkatan signifikan dalam pemahaman dan keterampilan peserta setelah mengikuti pelatihan. Selain itu, keterlibatan mahasiswa sebagai fasilitator turut membantu dalam proses pembelajaran yang lebih efektif.
Analisis Klasifikasi Multikelas Obesitas Menggunakan Algoritma Decision Tree Classifier, Random Forest Classifier, dan Support Vector Classifier (SVC) Septa, Oon; Triyasri, Novita; Permata, Maharani Aulia; Salsabila, Aghitsna; Firdani, Fahri
Journal of Data Science Methods and Applications Vol. 2 No. 1 (2026)
Publisher : Program Studi Sains Data - Institut Informatika dan Bisnis Darmajaya

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

Abstract

Obesity remains a significant global health challenge, making early classification and detection essential to minimize the risk of more serious degenerative diseases. This study compares three machine learning algorithms—Random Forest, Decision Tree, and Support Vector Classifier (SVC) to determine which model is most effective in predicting weight status categories and obesity risks. The dataset used includes physical features such as age, height, weight, and Body Mass Index (BMI). The research process encompasses data preprocessing stages, feature correlation analysis, data splitting, model training, and evaluation using various performance metrics.The research results indicate that Random Forest demonstrates the highest discriminative ability with an AUC of 0.99, showing perfect accuracy in distinguishing between obesity categories. Decision Tree provides identical results in terms of accuracy at 95.45%, but with a slightly lower AUC value of 0.96. Meanwhile, SVC yields competitive results with an accuracy of 81.82%, although its performance remains below the two tree-based models. Overall, this study demonstrates that ensemble methods such as Random Forest hold great potential for use as decision support systems in detecting and classifying obesity status more accurately and reliably.
Co-Authors Dwi Kumala, Siska Faisal, Fahri Firdani, Fahri Jose Rizal Permata, Maharani Aulia Rafflesia, Ulfa Ramya Rachmawati Ratna Widayati Salsabila, Aghitsna Setiawan, Aisyah Nooravieta Triyasri, Novita