Abstrack -The Covid-19 pandemic that has hit the world has changed the pattern of human life, including in the process of teaching and learning activities in universities. One of the universities affected by this pandemic is Pasir Pengaraian University. Lectures carried out by Pasir Pengaraian University during the Covid-19 pandemic consist of at least three forms, namely offline, online and blended learning. Efforts to assess which learning method is the most effective become important to measure the level of success of the teaching and learning process, so this study aims to determine the lecture strategy at Pasir Pengaraian University using the K-Means Clustering method. K-Means Clustering algorithm is a method in data mining that can be used for data grouping. CRISP-DM is a data mining methodology used in this study. The research dataset was obtained from the Even semester 2020 lecturer learning reports. RapidMiner was used as a tool to process the data. Clusters were formed as many as 3 (three) with the results of Cluster 1 (49 lecturers), Cluster 2 (17 lecturers), and Cluster 3 (54 lecturers). Based on these results, the lecture strategy with the Blended Learning type of learning is the most appropriate choice to be used at Pasir Pengaraian University, because apart from this Cluster having the highest number of memberships, in this Cluster the highest percentage of places to study are Classrooms/Labors and Meeting Applications, namely blend of offline and online lectures. The blended learning strategy has proven to be representative for use during the pandemic. Evaluation using DBI or Davies-Bouldin Index. The DBI value obtained is -1.163. Cluster evaluation is not good when viewed at this value, because it is negative and not close to zero.

Dalam upaya meningkatkan Usaha Kecil dan Menengah (UKM) di Kabupaten Rokan Hulu yang menjadi industri kreatif dan inovatif tentunya pendataan pesebaran UKM harus up to date dan valid sehingga pemerintah dapat memberikan kebijakan ataupun bantuan kepelaku usaha untuk mengembangkan usahanya apalagi dalam situasi pandemic ini. Penelitian ini bertujuan untuk mengelompokkan jenis UKM yang ada di Rokan Hulu menggunakan metode Fuzzy C-Means Clustering  dan membuat aplikasi baru berbasis Web untuk mendata persebaran UKM yang dilengkapi dengan peta pesebaran UKM . Fuzzy C-Mean Clustering (FCM) adalah suatu teknik pengclusteran data yang mana keberadaan tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaannya. Variabel yang digunakan berdasarkan omset, asset dan jumlah tenaga kerja. Sedangkan untuk pengelompokan jenis UKM dicluster menjadi 3 jenis, yaitu usaha menengah, usaha kecil dan usaha mikro. Berdasarkan hasil pengujian metode Fuzzy C-Mean Clustering dapat mengelompokkan jenis Usaha Kecil Menengah berdasarkan 3 cluster yaitu usaha menengah, usaha kecil dan usaha mikro, serta nilai validasinya rata-rata hampir mendekati angka 1, hal tersebut menunjukkan bahwa Fuzzy C-Means Clustering memiliki tingkat akurasi yang tinggi sebesar 80-90 %.

Universitas Pasir Pengaraian (UPP) adalah salah satu kampus yang terletak di kabupaten Rokan Hulu Provinsi Riau, sebagai instansi yang bergerak dibidang pendidikan, tentunya UPP membutuhkan suatu model baru untuk penilaian kinerja karyawan dalam mengevalusi dan mengukur kinerja karyawan sehingga harapan dari yayasan dapat tercapai dengan baik. Saat ini proses penilaian dan pengukuran kinerja karyawan masih menggunakan sistem yang manual, belum adanya teknologi IT ataupun sistem informasi sebagai alat bantu yang digunakan untuk proses pengarsipan, pencarian data dan mempercepat proses pelaporan penilaian kinerja karyawan baik itu perbulan, pertiga bulan, bahkan pertahun. Selain itu penyebab lainnya adalah belum ada pengarsipan pelanggaran yang telah dilakukan oleh pegawai, sehingga pimpinan baik itu di Prodi, Dekan dan lembaga yang ada di Universitas Pasir Pengaraian tidak mempunyai data yang jelas untuk penegasan punishment pelanggar pegawai tersebut. Maka dari itu, tujuan penelitian ini sendiri yaitu menganalisa, merancang, dan membangun suatu sistem informasi baru untuk penilaian kinerja karyawan menggunakan teknik penilaian BARS ( Behaviorally Anchor Rating Scale) berbasis web. Hasil penelitian berupa suatu sistem informasi yang dinamakan SIPENTAJA, yang menggunakan metode penilaian Behaviorally Anchor Rating Scale (BARS). Dengan sistem informasi penilaian kinerja karyawan (SIPENTAJA) ini dapat mempermudah para pimpinan dalam menilai dan melaporkan kinerja pegawai dengan cepat dan tepat

Abstrak-Pada saat ini, Jaringan Syaraf Tiruan (JST) telah banyak menjadi objek penelitian yang menarik, karena penerapannya sangat potensial dalam berbagai bidang sains, salah satu penerapannya didalam memprediksi penyakit. Penelitian ini bertujuan untuk mencoba menerapkan metode Learning vector Quantization (LVQ) dalam memprediksi jenis cacing Nematoda usus yang menginfeksi siswa dari nilai akurasi yang dihasilkan, karena beberapa penelitian menunjukkan bahwa anak usia sekolah dasar merupakan golongan yang sering terkena infeksi cacing usus. Dari hasil pelatihan dan pengujian menggunakan metode Learning Vector Quantization (LVQ) diketahui bahwa tingkat akurasi sesuai dengan hasil sebenarnya dan nilainya konstan, proses cepat hanya membutuhkan waktu paling lama 3 menit dan memberikan hasil yang optimal yaitu tingkat akurasi data latih sebesar 78,6885%, serta 80% untuk data uji. Hal ini menunjukkan bahwa jaringan yang terbentuk sudah cukup baik, akurat dan cepat dalam melakukan pembelajaran terhadap data input yang diberikan dalam memprediksi jenis cacing Nematoda Usus yang menginfeksi siswa. Kata kunci : Cacing Nematoda Usus, Jaringan Syaraf Tiruan, Learning Vector Quantization Abstract- At this time, an Artificial Neural Network (ANN) has been an interesting objects of research, because of application has potential in various fields of science, one application was used to predict diseases. This study aims to try to implement methods Learning vector quantization (LVQ) in predicting the type of Nematode worms that infect the intestines of students from the resulting accuracy value, because some studies show that children of primary school age are often exposed to a class of intestinal worm infections. From the results of the training and testing using methods Learning Vector Quantization (LVQ) note that the level of accuracy in accordance with the actual results and the value of the constant, quick process only takes a maximum of 3 minutes and provide optimal results is the level of training data accuracy of 78.6885%, and 80% for the test data. This indicates that the network is formed is quite good, accurate and fast in doing the learning on the input data given in predicting Intestinal Nematode worm species that infect students. Keywords: Intestinal Netamoda Worms, Artificial Neural Network, Learning Vector Quantization

The Stimulus Community Partnership Program ( PKMS ) was implemented at the UMKM Marning Mbok Jas. In this stimulant community partnership program there are three efforts to solve the problems faced by partners, namely the first increase in the ability of science and technology in the production system, this effort is made to increase production productivity, optimize production and improve hygienic marning quality. The second effort is to increase the variant of the production of processed corn and corn marning; it aims to increase the variant of corn marning products, namely to increase the variant of corn marning flavor. By creating a third effort which is to change the marketing strategy by creating a taste that consumers like and a consistent taste, making brochures, and labeling it to look attractive and other marketing activities and marketing in the marketplace.