Kegiatan penerimaan mahasiswa sudah menjadi kebiasaan tahunan bagi perguruan tinggi seperti Universitas Buana Perjuangan yang diadakan setiap tahun ajaran baru. Banyaknya data yang dihasilkan melalui proses ini dapat menjadi sumber informasi baru bagi perguruan tinggi yang dapat dimanfaatkan untuk menentukan strategi promosi yang efisien dan spesifik. Pada penelitian ini, teknik Clustering dan algoritma K-Means digunakan dalam proses Data Mining. Data dalam penelitian ini menggunakan data penerimaan mahasiswa baru tahun ajaran 2020/2021 yang berjumlah 2479 pendaftar dengan atribut seperti jenis kelamin, asal sekolah, asal jurusan, dan program studi yang dipilih. Penelitian ini menggunakan perangkat lunak RapidMiner untuk implementasi. Davies Bouldin Index digunakan untuk mencari jumlah Cluster yang optimal kemudian menghasilkan 2 Cluster. Cluster 1 sebagai cluster minat tinggi berjumlah 1945 data dengan persentase sebesar 78,82%. karakteristik cluster 1 didominasi oleh mahasiswa yang berasal dari SMA Negeri 52% dan SMK Swasta 21% Prodi yang paling banyak dipilih yaitu Manajemen sebanyak 22%. Cluster 2 sebagai cluster minat rendah berjumlah 525 data dengan persentase sebesar 21,18% mempunyai karakteristik yang didominasi oleh mahasiswa berasal dari SMK Negeri 48% dan SMK Swasta 45% program studi yang paling mendominasi pada cluster yaitu Prodi Manajemen 25% dan Teknik Industri 24%. Penelitian ini menghasilkan pola yang menarik sebagai sumber informasi baru untuk menentukan strategi promosi yang lebih efektif dan tepat sasaran dalam mempromosikan setiap program studi sehingga dapat meningkatkan jumlah calon pendaftar mahasiswa baru di tahun berikutnya.
Traveloka dan Tiket.com merupakan aplikasi Online Travel Agent (OTA) yang menyediakan layanan akomodasi dan tiket secara daring. Keduanya memiliki kesamaan yaitu dari banyaknya fitur dan jasa agent yang disediakan dalam aplikasi keduanya. Namun di sisi lain kepuasan pada user experience (UX) tidak dapat di ukur dari banyaknya fitur dan jasa agent yang tersedia pada aplikasi tersebut. Untuk itu tujuan penelitian ini ialah agar mendapatkan tolok ukur dari segi kebergunaan pada kedua aplikasi OTA tersebut dan untuk mengukur dan menilai kepuasan pengguna berdasarkan enam aspek UEQ saat menggunakan aplikasi Traveloka dan Tiket.com. Pengumpulan data dilakukan sebagaimana dibuat dalam google formulir yang dibagikan kepada responden yang menggunakan aplikasi Traveloka dan Tiket.com,rentan usia 17 sampai dengan 30 tahun dan di dapat 180 responden. Hasil dari kuesioner UEQ menunjukan bahwa responden merasa cukup puas dengan kedua aplikasi tersebut, karena hasil rata-rata nilai yang diperoleh dari enam aspek UEQ berada dalam kategori normal yaitu pada aplikasi Traveloka mendapatkan nilai daya tarik 1.52, kejelasan 1.52, efisiensi 1.58, ketepatan 1.28, stimulasi 1.48, dan kebaruan 1.13. Sedangkan nilai rata-rata yang di dapat aplikasi Tiket.com yaitu daya tarik 1.42, kejelasan 1.38, efisiensi 1.45, ketepatan 1.24, stimulasi 1.26, dan kebaruan 0,95. Dari hasil nilai tersebut aplikasi Traveloka lebih unggul dengan terdapat satu skala yang meperoleh kategori Good dengan nilai 1.58 yaitu pada skala efisiensi.
Dompet digital atau yang sering disebut dengan e-wallet dalam kurun waktu belakangan ini semakin meningkat dalam penggunaannya. Hasil survei Jakpat, dalam melakukan pembayaran digital sebanyak 94% responden menggunakan dompet digital (e-wallet). Banyak sekali masyarakat yang mulai merasakan manfaat dari e-wallet sendiri. Didalamnya, e-wallet menawarkan berbagai fitur yang salah satunya kepraktisan dan efisiensi dalam bertransaksi dan keamanan dalam transaksi. Tujuan dari penelitian ini untuk mencari algoritma terbaik dalam menentukan klasifikasi sentimen analisis penggunaan e-wallet dengan membandingkan dua algoritma yaitu Naïve Bayes (NB) dan K-Nearest Neighbor (k-NN). Sebanyak 1292 data menggunakan kata kunci yang sesuai dengan e-wallet yang akan digunakan, diambil pada tanggal 17 Oktober – 11 November 2022 melalui proses crawling data twitter. Proses tersebut dimulai pada tahap pengumpulan dataset twitter, pelabelan data, Text Processing, Cross Validation model klasifikasi, evaluasi accuracy hingga didapatkan hasil akhir yaitu dibandingkan dengan model klasifikasi Naïve Bayes, hasil akurasi algoritma k-NN lebih tinggi. Hasil accuracy dari masing-masing model klasifikasi yaitu NB sebesar 73.03% dan k-NN sebesar 89.44%, precision NB sebesar 21.40% dan k-NN sebesar 65.45%, dan recall NB sebesar 48.32% dan k-NN sebesar 22.25%. Dari hasil perbandingan metode membuktikan bahwa algoritma k-NN dengan accuracy terbaik yaitu sebesar 89.44%.
Pengabdian kepada Masyarakat dilakukan di Desa Sukasari bertujuan untuk meningkatkan keterampilan Guru dan Siswa dalam menggunakan aplikasi SMART School yang dilakukan pada tanggal 7 & 8 Juli 2022 dengan jumlah peserta sebanyak 23 Orang. Kegiatan Pengabdian dibagi menjadi dua tahap yaitu : Seminar dan Workshop dilakukan selama dua hari dan Pendampingan dilakukan selama empat hari untuk mendampingi guru dalam menyiapkan materi ajar, Latihan Soal, Penggunaan Google Classroom dan membuat Video pembelajaran sedangkan pendampingan terhadap Siswa untuk mengarahkan siswa dalam mencari materi ajar dan cara menyelesaikan tugas mandiri dalam bentuk Video youtube atau media lainnya yang disesuaikan dengan gaya belajar siswa. Setelah kegiatan pendampingan, hasil karya Guru dan Siswa dalam bentuk PPT (17 buah) dan Video youtube pembelajaran (21 buah). Hasil survei menunjukkan capaian keterampilan dalam membuat bahan presentasi menggunakan powerpoint (PPT), Membuat Video Youtube Pembelajaran dan Cara menggunakan fasilitas aplikasi Google Classroom setiap peserta mempunyai keterampilan yang berbeda-beda ( Sangat Kurang Terampil 7%, Kurang Terampil 17%, Terampil 46% dan Sangat Terampil 30%). Pencapaian Keterampilan guru dan siswa 76% dalam menggunakan powerpoint, membuat video youtube, dan menggunakan Google Classroom menunjukkan relevansi topik pengabdian dengan kebutuhan guru dan siswa dalam melaksanakan pembelajaran online. Kedepannya dapat diadakan seminar dan workshop dengan memilih metode pembelajaran yang disesuaikan dengan kondisi peserta.
Quality in communication is very important in activities in this modern era. It is expected that the expected network quality against network quality is actually not expected. Measurement of network performance is important to refer for users to choose the right operator for service providers to improve the quality of their service Drive Test Method is a method used to measure cellular network performance. The purpose of this study is to study the results of research between service providers. The parameters used in this analysis are Receive Signal Code Power (RSCP), Cell ID, Signal Noise Ratio (SNR), Upload Rate, and Download Rate. This parameter is used for the measurement process of the Drive Test method. While the tool used to collect the value of each Drive Test parameter by using an Android-based application, GNet Track Pro. The measurement results with GNet Track Pro are then processed with the Google Earth application as a measurement area. Research data collected in this analysis were 60 cases, with each village 20 data collected to continue processing with the Drive Test method. In this study, Telkomsel chose to excel in voice services with 150 successful numbers of 150 attempted calls. While Indosat excels in providing data access services and special signals in the village of Tanjungbungin.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.