Setiap saat daya listrik yang digunakan tidak sama disebabkan penggunaan energi yang dipakai setiap konsumen berbeda. Terjadinya fluktuasi penggunaan energi listrik berdampak pada pembayaran tagihan listrik setiap bulannya. Hal ini terjadi pada pembayaran biaya tagihan listrik di Pesantren Sukorejo Jawa Timur. Biaya pembayaran yang dilakukan setiap bulan tidak menentu tergantung pemakaian dan juga terdapat kekeliruan dalam mengestimasi anggaran. Disebabkan, dalam melakukan prediksi masih belum ditemukan metode yang tepat. Sehingga, dari data yang ada ini penting untuk dilakukan analisis prediksi. Prediksi biaya tagihan listrik bertujuan untuk menghasilkan prediksi yang lebih akurat yang selanjutnya digunakan sebagai pedoman untuk mengetahui dan merencanakan biaya listrik kedepannya, guna meminimalisir kekeliruan dalam merencanakan anggaran. Dataset yang digunakan adalah dataset primer time series mulai Bulan Januari 2011 sampai Bulan Desember 2015. Metode yang digunakan pada penelitian ini adalah model Artificial Neural Network (ANN). Setelah beberapa kali dilakukan pengujian menghasilkan performance RMSE 0.090 dengan waktu eksekusi 1 detik. Hasil ini membuktikan bahwa metode dengan model ANN dapat digunakan sebagai metode untuk melakukan prediksi terhadap pembayaran tagihan listrik secara lebih akurat.

Kondisi pandemi memaksa kita untuk mengurangi interaksi dengan orang lain, internet berubah menjadi salah satu kebutuhan pokok, agar dapat melakukan hampir semua kegiatan tanpa harus keluar rumah, mulai dari bekerja, belajar, berbelanja hingga mengatur rapat dan banyak lagi. Namun, warga di Desa Kasiyan Timur Kec. Puger Kab. Jember masih kesulitan untuk mendapatkan internet murah dengan kecepatan yang baik. Sehingga tim pelaksana pengabdian berinisiatif mengadakan internet service provider (ISP), kemudian memberikan pelatihan internet sehat dan menyerahkan pengelolaan ISP pada BUMDes Usaha Mandiri Desa Kasiyan Timur. Secara keseluruhan kegiatan berlangsung selama kurang lebih 3 bulan dimulai dari sosialisasi program, perancangan arsitektur ISP, mencari dan menghubungi penyedia internet baru kemudian pelatihan internet sehat, sosialisasi model bisnis dan serah terima ISP. Di akhir masa kegiatan pelaksanaan pengabdian, ISP RT RW Net ini masih belum begitu dikenal oleh warga sehingga belum banyak pelanggan penggunanya. Hal ini menjadi tugas rumah untuk program pengabdian kepada masyarakat selanjutnya, yaitu meningkatkan literasi digital warga dan melakukan pemasaran yang lebaih baik lagi. Namun, secara keseluruhan ISP RT RW Net ini bisa menjadi alternatif internet murah bagi warga Kasiyan Timur.

Stiffness is the main parameter of the beam’s resistance to deformation. Based on advanced research, the stiffness of bamboo-reinforced concrete beams (BRC) tends to be lower than the stiffness of steel-reinforced concrete beams (SRC). However, the advantage of bamboo-reinforced concrete beams has enough good ductility according to the fundamental properties of bamboo, which have high tensile strength and high elastic properties. This study aims to predict and validate the stiffness of bamboo-reinforced concrete beams from the experimental results data using artificial neural networks (ANNs). The number of beam test specimens were 25 pieces with a size of 75 mm × 150 mm × 1100 mm. The testing method uses the four-point method with simple support. The results of the analysis showed the similarity between the stiffness of the beam’s experimental results with the artificial neural network (ANN) analysis results. The similarity rate of the two analyses is around 99% and the percentage of errors is not more than 1%, both for bamboo-reinforced concrete beams (BRC) and steel-reinforced concrete beams (SRC).

Wifi merupakan koneksi internet yang paling digemari oleh masyarakat karena dapat digunakan untuk mengakses internet secara wireless. Namun, terdapat suatu masalah yang disebabkan oleh jangkauan sinyal wifi. Permasalahan tersebut juga terjadi di Desa Kemiri yang memiliki jaringan internet dengan bandwidth 50 mbps. Sedangkan di sekitar area taman tidak terjangkau oleh sinyal wifi, sehingga ketika berada di area tersebut sinyal akan terputus. Untuk mengatasi masalah tersebut peneliti menambahkan perangkat penguat sinyal yaitu Mi Wi-Fi Range Extender Pro yang berguna untuk meningkatkan jangkauan sinyal wifi. Metode yang digunakan pada penelitian ini dimulai dengan tahapan analisis, desain, implementasi, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa optimalisasi jangkauan sinyal di Desa Kemiri menggunakan Mi Wifi Range Extender Pro berhasil dilakukan, terbukti sebelumnya bahwa area yang tidak terjangkau oleh sinyal wifi utama, dengan pemasangan perangkat wifi extender saat ini sudah terjangkau dan bisa mengakses jaringan internet. Namun, saat pengujian dengan menggunakan speed test, bandwidth yang diterima tidak sama, di area wifi utama menerima bandwidth untuk download 28 mbps dan uploud 6.6 mbps, sedangkan di area taman menerima bandwidth untuk download 6.8 mbps dan uploud 4.0 mbps. Hal ini disebabkan terjadi perebutan bandwidth. Oleh karena itu, rencana kedepan perlu dilakukan manajemen bandwidth.

Kemajuan dunia pariwisata dalam kehidupan zaman sekarang sudah sangat lazim ditemui di setiap negara di dunia. Meningkatkan kualitas pariwisata merupakan hal yang sangat penting bagi setiap negara, mengingat pariwisata merupakan salah satu sumber pemasukan negara. Oleh karena itu, salah satu parameter yang sangat penting akan hal ini adalah mengetahui jumlah pengunjung atau wisatawan setiap waktu, serta dapat memanfaatkan data historis yang ada untuk memprediksi jumlah wisatawan di waktu yang akan datang. Pada penelitian ini akan dilakukan prediksi/forecasting jumlah wisatawan dan penumpang di airport menggunakan metode Seasonal Auto Regressive Integrated Moving Average (SARIMA), Long-short Term Memory (LSTM), dan Prophet pada dua dataset time series dengan frekuensi bulanan. Dari tiga model forecasting tersebut, diperoleh hasil masing-masing lalu dikomparasi, model SARIMA merupakan model yang paling baik performanya dengan nilai RMSE dan MSE yang paling kecil.