<p class="06ContentAbstract"><span lang="EN-GB">Hepatitis is an inflammatory disease of the liver. The virus often causes hepatitis and it becomes the number one world health problem. From 2019 to 2020, there were 1.5 million new cases of hepatitis B and C infection per year. WHO (World Health Organization) aims to eliminate hepatitis by 2030. Based on this problem, it is necessary to classify which health indicators may be vulnerable to the survival of hepatitis patients. This research aims to obtain the best method for classifying hepatitis patients by comparing the logistic regression method and SVM (Support Vector Machines). The classification using logistic regression and SVM is the suitable alternative for this case because the response category is binary data. This research is quantitative research and the researcher uses the hepatitis data set obtained from the UCI repository learning machine. The hepatitis data set contains 19 predictive variables (6 continuous and 13 discrete variables). The patients are divided into two groups, living, and dead patients’ groups. The results show that the best accuracy value produced by using the logistic regression method is 79.3%, and by using the SVM method is 81.94%. Thus, the best classification result for the hepatitis data set is the holdout stratified SVM method using Kernel radians with an accuracy value of 81.94%. This result indicates that the holdout stratified SVM method using Kernel radians can classify hepatitis patients’ data.</span></p><p class="06ContentAbstract"> </p><p class="06ContentAbstract"><span lang="EN-GB">Hepatitis adalah penyakit peradangan pada hati. Hepatitis sering disebabkan oleh virus. Hepatitis termasuk masalah kesehatan dunia. Tahun 2019 sampai dengan 2020, terdapat 1,5 juta kasus baru infeksi hepatitis B dan C per tahun. WHO (World Health Organization) bertujuan untuk menghilangkan penyakit hepatitis pada tahun 2030. Berpondasikan masalah tersebut, perlu adanya pengklasifikasian untuk mengetahui indikator kesehatan mana yang mungkin rentan terhadap kelangsungan hidup pasien hepatitis. Tujuan penelitian ini untuk mendapatkan metode terbaik dalam mengklasifikasikan pasien hepatitis dengan cara membandingkan metode regresi logistik dan SVM (Support Vector Machines). Klasifikasi menggunakan regresi logistik dan SVM merupakan alternatif yang tepat untuk kasus ini, karena kategori respon adalah data biner. Penelitian ini merupakan penelitian kuantitatif. Penelitian ini menggunakan dataset hepatitis yang diperoleh dari UCI machine learning repository. Kumpulan data hepatitis berisi 19 variabel prediksi (6 variabel kontinu dan 13 variabel diskrit). Pasien dibagi menjadi dua kelas yaitu hidup dan mati. Hasil penelitian menunjukkan bahwa nilai akurasi terbaik yang dihasilkan metode regresi logistik adalah 79.3% sementara menggunakan metode SVM adalah 81.94%. Jadi hasil klasifikasi terbaik untuk dataset hepatitis adalah metode SVM holdout stratified menggunakan kernel radian dengan akurasi sebesar 81,94%. Hasil ini mengindikasikan bahwa metode SVM holdout stratified menggunakan kernel radian dapat digunakan untuk mengklasifikasikan data pasien hepatitis.</span></p>

Pandemi covid-19 yang mulai memasuki Indonesia bulan Maret 2020 memberikan dampak pada berbagai sektor di Indonesia, salah satunya adalah ekonomi. Pandemi ini tidak hanya memberikan dampak di kota-kota besar namun sudah menyeluruh sampai kecamatan maupun desa. Misalnya adalah pandemi covid-19 berpengaruh terhadap transaksi jual beli di pasar tradisonal. Penelitian ini bertujuan untuk mengetahui dampak Covid-19 terhadap pendapatan pedagang di Pasar Induk, Sangata Utara. Pada penelitian ini menggunakan data primer, dimana pada penelitian ini pedagang dikategorikan menjadi empat kategori yaitu pedagang pakaian, pedagang ikan/daging, pedagang sayur dan buah dan pedagang sembako. berdasarkan data yang diperoleh didapatkan informasi bahwa kategori yang mengalami penurunan pendapatan paling besar adalah pedagang pakaian (61%) dan kategori pedagang yang mengalami penurunan pendapatan paling kecil adalah pedagang ikan/daging (31,25%). Menggunakan uji t didapatkan informasi bahwa untuk semua kategori pedagang mengalami perbedaaan pendapatan yang signifikan antara sebelum pandemi dan selama pandemi covid-19.

Ekspor merupakan salah satu variabel yang sangat penting untuk menentukan jenis perekonomian suatu negara bisa dikatakan perekonomian terbuka atau perekonomian tertutup. Mengingat peranan ekspor sangat penting dalam pertumbuhan ekonomi suatu negara maupun daerah, maka diperlukan kebijaksanaan dalam meningkatkan ekspor barang khususnya komoditi non migas. Komoditi non migas dipilih pada penelitian ini karena adanya kemerosotan harga minyak bumi di pasaran dunia. Sehingga untuk mengatasi ketergantungan penerimaan negara yang berasal dari minyak dan gas bumi maka pemerintah berusaha meningkatkan ekspor komoditi dan jasa-jasa non migas. Kondisi ekspor luar negeri Kalimantan Timur didominasi oleh ekspor non migas. Oleh karena itu, prediksi atau peramalan nilai dari komoditas ekspor non migas di Kalimantan Timur dapat digunakan untuk mengetahui devisa yang akan diperoleh, agar dapat digunakan sebagai bahan pertimbangan oleh pemerintah untuk menentukan kebijakan. Hasil penelitian peramalan data ekspor menggunakan ARIMA menunjukkan bahwa model ARIMA yang paling baik untuk meramalkan data Ekspor non migas di Kalimantan Timur berdasarkan nilai RMSE, dan sMAPE adalah ARIMA (0,1,[1,12]).  Kata kunci : Ekspor, Ekspor non migas, ARIMA, RMSE, sMAPE

Salah satu alat yang dapat digunakan untuk membuat visualisasi data adalah Google Data Studio. Google Data Studio merupakan layanan yang diciptakan Google untuk mengelola data. Rapor merupakan kumpulan data nilai siswa dari evaluasi proses belajar yang dilakukan selama satu semester. Guru yang menjabat wali kelas akan mengisi nilai para siswa yang dihimpun dari guru mata pelajaran ke dalam rapor. Selain untuk bahan evaluasi per semester, rapor juga membantu siswa untuk mengikuti SNMPTN (Seleksi Nasional Masuk Perguruan Tinggi Negeri). Mekanisme untuk menentukan peserta SNMPTN di SMA/SMK sederajat biasanya diputuskan oleh pihak sekolah. Pihak sekolah, dalam hal ini guru BK, menentukan siswa yang memiliki peluang tinggi untuk lolos SNMPTN berdasarkan nilai rapor. Hal ini tidak mudah mengingat banyaknya siswa yang ingin masuk PTN melalui jalur SNMPTN. Oleh karena itu diperlukan summary yang dibuat untuk menampilkan kesimpulan dengan cepat dari data nilai siswa. Kegiatan pengabdian kepada masyarakat ini bertujuan membuat sistem visualisasi data yang digunakan untuk memberikan gambaran/karakteristik dari data nilai siswa. Sistem visualisasi data tersebut menggunakan salah satu alat yaitu Google Data Studio dan Google Sheet untuk membuat dashboard. Sistem visualisasi data tersebut diperkenalkan dan diserahkan kepada SMAN 2 Balikpapan untuk membantu guru SMA mendapatkan kesimpulan dari data nilai siswa dengan cepat.

No abstract