Tipe exponential smoothing yang dikaji pada penelitian ini adalah simple exponential smoothing, double exponential smoothing, double exponential smoothing dengan damped trend dan triple exponential smoothing. Tujuan dari penelitian ini adalah ingin mengetahui kinerja tipe exponential smoothing yang paling baik dalam meramalkan nilai tengah tukar harian rupiah terhadap USD. Kinerja metode peramalan tipe exponential smoothing sangat bergantung pada pemilihan nilai parameter pemulusan yang terkandung pada persamaan matematikanya. Oleh karena itu, nilai parameter terbaik untuk setiap tipe exponential smoothing akan dicari menggunakan program solver. Mendapatkan nilai parameter terbaik merupakan permasalahan optimasi. Pada penelitian ini, masalah optimasi nilai parameter ini adalah meminimalkan kesalahan peramalan berdasarkan MAPE dengan fungsi kendalanya adalah persamaan peramalan untuk setiap tipe exponential smoothing. Tahapan penelitian dibagi menjadi 2 segmen yaitu tahap pelatihan dan tahap pengujian. Tahap pelatihan menghasilkan nilai parameter pemulusan terbaik. Nilai parameter terbaik kemudian dijadikan sebagai input untuk tahap pengujian. Tahap pengujian ini untuk mengetahui kinerja masing-masing tipe exponential smoothing. Kinerja tipe exponential smoothing diukur berdasarkan besarnya kesalahan peramalan menggunakan MAPE, MAD dan RMSE. Hasil pengujian menunjukkan bahwa kinerja metode double exponential smoothing dengan damped trend paling baik dibandingkan tipe exponential yang lain dengan MAPE = 0.840, MAD = 117.28 dan RMSE = 186.07.

Perkembangan teknologi informasi saat ini memberikan kemudahan akses disegala bidang sekalipun pendidikan non formal seperti TPQ. Cara belajar yang menyenangkan menjadi tuntutan bagi para guru TPQ termasuk di TPQ Al-Fadlol agar para santri bisa memahami materi agama sehingga bisa diterapkan dalam rutinitas keseharian. Materi ibadah sehari-hari yang diajarkan di TPQ Al-Fadlol ini adalah doa sehari-hari, tuntunan shalat dan cerita islami. Kegiatan Pengabdian Kepada Masyarakat yang dilakukan ini adalah menyajikan materi utama di TPQ Al-Fadlol dalam sebuah aplikasi yang diberi nama Muslim Daily Prayer sebagai media pembelajaran. Dengan aplikasi ini, para santri dan para guru bisa menciptakan suasana belajar yang tidak membosankan sehingga para santri lebih bersemangat belajar agama. Selain itu, sosialisasi terhadap pengaruh positif dan negatif dari adanya teknologi informasi ini diberikan untuk membekali para santri dan para guru agar lebih bijak dalam menggunakannya.

<p align="justify"><em>Kamera Webcam yang terdapat komputer memiliki </em><em>desain yang sangat simple menggunakan lensa standar. Penggunaan kamera Webcam untuk pengambilan citra yang akan di zoom akan menghasilkan efek aliasing atau efek blur. Untuk memperbaiki kualitas citra (Image Enhancement) menggunakan metode Bilinera Interpolation yang diakibatkan efek zoom pada citra, pada penelitian ini menggunakan beberapa tahapan yaitu: cropping, metode Bilinear Interpolation, dan output hasil</em><em>.</em><em> Untuk mengetahui hasil output Image Enhancement, maka dilakukan evaluasi yang menggunakan metode ekstraksi tekstur dengan menggunakan fitur Entropi untuk mengetahui tingkat sebaran piksel setelah di zoom atau sebelum di zoom. Hasil yang didapat untuk tahapan evaluasi pada Image Enhancement memiliki nilai yang sama, menunjukkan hasil citra yang di zoom dan sebelum di zoom memiliki kualitas sama atau tidak ada perubahan.</em></p><p align="justify"><em> </em></p><p><strong><em>Kata kunci:</em></strong><strong><em> Image Enhancement, Biliner Interpolation, Zoom, Ekstrasi Tekstur Fitur Entropi.</em></strong></p>

Bayesian Network merupakan model yang termasuk dalam klasifikasi bayes, dimana metode ini mengasumsikan bahwa nilai variabel independen memiliki ketergantungan dengan nilai variabel lain. Bayesian Network memiliki keunggulan yaitu dapat memodelkan hubungan antar variabel dengan menggunakan graf atau semacam penggambaran alur hubungan antar variabel. Terdapat beberapa metode yang digunakan untuk menentukan struktur bayesian network. Metode pembentukan struktur jaringan Bayesian network pada penelitian ini adalah metode naïve bayes dan equivalence classes. Kedua metode pembentukan struktur ini diterapkan untuk klasifikasi kelayakan peminjaman dana Usaha Kecil Mikro Menengah (UMKM). Pada struktur metode naïve bayes variabel dependen menjadi pusat dari variabel independen sedangkan pada struktur metode equivalence classes setiap variabel memiliki hubungan antar variabel lain. Hasil pengujian dari metode naïve bayes dan equivalence classes dalam pembentukan struktur Bayesian network secara rata-rata adalah metode equivalence classes 79,53% dan naïve bayes 80,93%.