Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Computer Science (CO-SCIENCE) Jurnal Pengabdian Kepada Masyarakat Indonesia
Eko Setia Budi
Universitas Bina Sarana Informatika
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Education Engineering Public Health Social Sciences

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

Found 2 Documents
Search

 1 
Optimalisasi Affiliate Marketing Sebagai Alternatif Pemasaran Digital Bagi UMKM Di Era 4.0 Untuk Meningkatkan Daya Saing Dan Penjualan Pada Umkm Kedung Waringin Eko Setia Budi; Ade Priyatna; Eva Zuraidah; Nur Muthitussolehah; Dandy Huffaz Ichlamsyah; Maya Habsyi
Jurnal Pengabdian kepada Masyarakat Indonesia (JPKMI) Vol. 5 No. 2 (2025): Agustus: Jurnal Pengabdian Kepada Masyarakat Indonesia (JPKMI)
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jpkmi.v5i2.8175

Abstract

Pengabdian Masyarakat merupakan kegiatan rutin yang dijalankan oleh dosen Perguruan Tinggi dalam rangka menjalankan kewajiban Tridharma Perguruan Tinggi. Dosen memiliki kewajiban dalam melaksanakan kewajiban untuk berbagi ilmu pengetahuan serta keterampilan yang dimiliki kepada masyarakat luas yang memerlukan bantuan. Salah satu mitra yang membutuhkan dukungan yaitu UMKM Kedung Waringin yang berada di Kecamatan Bojonggede desa kedung waringin. Awalnya hanya beranggotakan beberapa orang pelaku UMKM, alhamdulillah saat ini sudah terdata kurang lebih 160 pelaku UMKM yang menjadi anggota forum. Sebagian besar penduduk bermata pencaharian sebagai pedagang kecil dan pekerja pabrik. Terdapat beberapa warga yang memiliki keterampilan dalam bidang kuliner, kerajinan tangan, elektronik, dan perbengkelan. Potensi Ekonomi yang saat ini sedang berkembang yaitu terdapat beberapa UMKM yang bergerak di bidang kuliner yang turut membantu perekonomian keluarga. Namun masih ada banyak kendala yang dihadapi mitra terutama dalam hal personil branding, pemasaran dan penyajian iklan menggunakan media elektornik. Oleh karena itu pengabdian masyarakat ini bertujuan untuk membantu mitra UMKM Kedung Waringin dengan cara memberikan pelatihan Optimalisasi affiliate marketing sebagai alternatif pemasaran digital bagi umkm di era 4.0 untuk meningkatkan daya saing dan penjualan. Kegiatan dilaksanakan secara tatap muka di Aula Serbaguna RW 016, Kecamatan Bojonggede, Kabupaten Bogor. Target luaran yang ingin dicapai pada kegiatan ini adalah publikasi kegiatan pelatihan ini pada media elektronik atau cetak berskala nasional.
Analysis of Student Academic Performance Using Random Forest and Support Vector Machines Galih Mifta Agung; Robi Aziz Zuama; Eko Setia Budi
Computer Science (CO-SCIENCE) Vol. 6 No. 1 (2026): January 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/co-science.v6i1.10123

Abstract

Assessing student academic performance objectively remains a challenge at SMP Negeri 16 Bogor due to diverse internal and external factors in student records. This study aims to compare the classification performance of the Random Forest and Support Vector Machine (SVM) algorithms using a dataset of 403 students containing demographic, socioeconomic, and school-related attributes. Although the attributes are not traditional academic indicators (e.g., assignment or exam scores), they are used to explore whether non-academic features can contribute to predictive models. Following data preprocessing—handling missing values, encoding categorical variables, and managing class imbalance—both algorithms were evaluated using accuracy, precision, recall, and confusion matrix analysis. Results show that SVM outperforms Random Forest with 78.00% accuracy, 89.98% precision, and 70.24% recall. These findings indicate that SVM is more robust for imbalanced classification tasks and can provide useful insights even when academic-performance labels are predicted from non-academic attributes.
Co-Authors Ade Priyatna Dandy Huffaz Ichlamsyah Eva Zuraidah Galih Mifta Agung Maya Habsyi Nur Muthitussolehah Robi Aziz Zuama