Kualitas mahasiswa merupakan bagian penting dalam institusi pendidikan. Universitas perlu melakukan evaluasi performa mahasiswa untuk menjaga kualitas mahasiswa. Salah satu variabel indikator performa mahasiswa adalah informasi tentang lama masa studi mahasiswa. Prediksi lama masa studi dibutuhkan pihak manajemen Universitas dalam menentukan kebijakan preventif terkait pencegahan dini kasus Drop Out (DO). Artificial Neural Network (ANN) adalah suatu metode yang meniru jaringan syaraf biologis untuk mempelajari sesuatu. Salah satu implementasi ANN yang banyak digunakan adalah untuk memprediksi. Penelitian ini melakukan prediksi masa studi mahasiswa dengan menggunakan ANN dengan metode pembelajaran backpropagation. Variabel yang digunakan adalah nilai Indeks Prestasi Semester (IPS) 4 semester awal mahasiswa. Data dibagi menjadi data latih dan data uji. Dari hasil pelatihan dan pengujian didapatkan nilai Mean Square Error (MSE) dan Koefisien Relasi (R). MSE digunakan untuk melihat kesalahan rata-rata antara output jaringan dengan target. Nilai R digunakan untuk melihat kuat atau tidaknya hubungan linier antara 2 variabel. Nilai MSE dan koefisien relasi pelatihan adalah 0,016175 dan 0,94353 sedangkan nilai MSE dan koefisien relasi pengujian adalah 0,12188 dan 0,56071. Dari hasil penelitian dapat disimpulkan bahwa ANN dapat digunakan untuk memprediksi masa studi mahasiswa.

Kebutuhan energi di Indonesia terus mengalami peningkatan setiap tahun. Kebutuhan energi tersebut dipenuhi dari energi primer yang berasal dari batu bara, min-yak bumi, gas bumi, serta energi baru terbarukan (EBT) misalnya energi panas bumi, an-gin, panel surya dan sebagainya. Dari empat energi primer tersebut, gas bumi merupakan energi fosil yang ditingkat-kan bauran energinya sampai tahun 2050. Hal ini dikarenakan cadangan gas bumi yang cukup besar, ramah lingkungan dan relatif murah daripada minyak bumi, serta gas bumi untuk pembangkit listrik dan bahan baku industri. Konsumsi gas bumi di Indonesia terus meningkat, sedangkan besar cadangan gas bumi Indonesia semakin berkurang dan masih adanya komitmen ekspor gas bumi selama puluhan tahun ke depan. Mulai tahun 2012, prosentase pemanfaatan gas bumi Indonesia untuk konsumsi domestik mulai lebih besar daripada untuk ekspor. Seiring dengan terus meningkatnya konsumsi domestik tersebut dapat mengakibatkan Indonesia akan menjadi negara net im-porter gas bumi di kemudian hari. Untuk itu, diperlukan upaya prediksi kebutuhan konsumsi gas bumi di masa depan yang akurat sehingga pemerintah dapat mengupayakan pemenuhan pasokan gas bumi tersebut baik dari kegiatan eksplorasi dan eksploitasi dalam negeri maupun membuka opsi impor. Maka proyeksi tersebut dapat dibantu menggunakan Artificial Intelligence dengan memasukan beberapa parameter yang mempengaruhi konsumsi. Adaptive Neuro Fuzzy Inference System (ANFIS) merupakan suatu sistem yang meng-gabungkan kemampuan jaringan syaraf tiruan dan logika fuzzy. Untuk itu, pada penelitian ini dilakukan prediksi kebutuhan gas bumi menggunakan ANFIS dengan tiga parameter inputan yang dipakai adalah pertumbuhan ekonomi, jumlah penduduk, dan harga gas, sementara output yang dicari adalah kon-sumsi gas bumi. Dari hasil prediksi didapatkan tingkat akurasi 99.203% dan MAPE sebesar 1.2855 %. Sehingga dapat disimpulkan bahwa ANFIS dapat digunakan sebagai metode proyeksi kebutuhan konsumsi gas bumi Indonesia.

Investing in stocks is a popular type of investment today. During the current COVID-19 pandemic, the shares of companies in the pharmaceutical sub-sector are becoming more attractive. Stock price movements determine whether investors will increase their investment in a company or withdraw their money. To minimize the risk of investor loss, forecasting is carried out on the daily closing of stock prices. Forecasting is the best method to predict future stock prices Geometric Brownian motion is a method used to predict time series data, where random variables follow Brownian motion. In this study, simulation and analysis of stock returns and fluctuations (volatility) of 5 companies from the basic industry and chemical sector (Basic Industry & Chemicals), pharmaceutical sub-sector on the IDX will be carried out. The five companies are PT Darya-Varia Laboratoria Tbk (DVLA), PT Indofarma (Persero) Tbk (INAF), PT Kimia Farma (Persero) Tbk (KAEF), PT Kalbe Farma Tbk (KLBF), and PT Industri Jamu and Pharmaceutical Sido. Muncul Tbk (SIDO). After the Kolmogorov-Smirnov normalization test, the stocks that meet the normal distribution are KLBF and SIDO. Then the predicted MAPE value of the two stocks is calculated. The MAPE values for KLBF at 100 iterations, 1000 iterations and 10000 iterations were 2.1073%, 1.4382% and 1.2847%.. MAPE values for SIDO at 100 iterations, 1000 iterations and 10000 iterations are 2.0136%, 2.2568%, and 2.0677%.

Tim pengabdian Program Studi Teknik Informatika telah melakukan pengabdian kepada masyarakat di UMKM yang bergerak di bidang budidaya dan olahan jamur tiram yaitu UD. Asafa yang berlokasi di dusun Katerban, Desa Pulorejo, Kecamatan Ngoro, Kabupaten Jombang dengan tema sosialisasi Website Online Shop Dan Media Sosial Instagram. Sosialisasi dilakukan dengan metode ceramah dan dsikusi. Untuk membantu pemahaman pemilik usaha dan pegawai dalam hal ini admin, pembahasan dilakukan dengan cara mendemonstrasikan implementasi website untuk mendukung usaha sehingga meskipun pada masa pandemi Covid-19 tetap beroperasi. Dari hasil sosialisasi didapatkan bahwa pemilik usaha memahami dengan baik langkah-langkah operasional penggunaan website dan media sosial instagram.