Many factors affect the low coffee production, including the lack of knowledge and education of farmers about weed control and proper maintenance of coffee plants. Herbicide reductant is a product made from organic as an herbicide-reducing agent so that it can reduce herbicide residue in agricultural areas while being more economical. The community service program aims to socialize and provide knowledge to coffee farmers about the importance of environmentally friendly coffee plantation land cultivation, especially in reducing the dose of herbicides used in weed control. The implementation of the activity was carried out through field studies by filling out questionnaires and interviews in Rimba Candi Village, Dempo Tengah District, Pagar Alam City. Field studies are also a means of socializing environmentally friendly agricultural land processing methods. Coffee farmers have realized the importance of using reducing herbicides for weed control and can apply herbicides properly, at the right dose, at the right target, in the right way, and at the right time. The majority of farmers are better educated than the use of reducing agents can overcome weed control problems more efficiently and effectively, so as to minimize the negative impact of coffee cultivation.

The existence of weeds in coffee fields will become competitors for coffee plants, so that they can be economically and ecologically detrimental. Inappropriate use of chemical herbicides can have a negative impact. Herbicide reductants made from organic are used in weed control. This study aims to analyze the variables that affect the net income of Pagaralam coffee farmers using multiple linear regression analysis. One of these variables is a qualitative variable in the form of categories of respondents based on the use of herbicide reductants. The data used was obtained from  the results of questionnaires on 56 respondents who are users and 80 respondents who are not users of herbicide reductants. The results of the hypothesis test of mean difference found that the net income of the two respondent categories is not different. The regression analysis also resulted that there was no significant difference in net income between the two respondent categories. Variables that had a significant effect on net income included gross income, farming maintenance costs, estimated yields, and tree age. Several models also contain variables of land area, length of time in coffee farming, number of trees, and frequency of organic fertilizers used. Old coffee trees should be treated better with the use of organic fertilizers and also wise weed control techniques.

Pada masa pandemi, pembelajaran secara daring sering menemui banyak kendala baik bagi siswa maupun guru, diantaranya berupa ketiadaan atau tidak memadainya fasilitas gawai, rendahnya pemahaman tentang media digital (Teknologi Informasi dan Komunikasi), dan keterbatasan sinyal. Mayoritas guru mengalami kesulitan untuk mengajar secara daring, karena belum mengerti metode pengajaran yang tepat dan efisien secara online. Mitra pada kegiatan PPM ini adalah guru-guru di SDN 9 Tanjung Batu di Desa Limbang Jaya I. Tujuan kegiatan PPM ini adalah untuk mendampingi dan mengembangkan kompetensi mitra untuk dapat memanfaatkan gawai secara optimal sebagai media pembelajaran, sehingga proses belajar mengajar dapat lebih efektif dan efisien. Metode berupa pelatihan dengan tahapan kegiatan meliputi identifikasi kebutuhan, perancangan dan penyusunan materi pelatihan, transfer materi melalui presentasi dan peragaan (praktek), dan pendampingan implementasi. Pelaksanaan kegiatan dilakukan dengan tatap muka dan juga secara daring, sehingga pelaksanaannya dimulai dari 27 September 2021 sampai 25 Oktober 2021. Program kegiatan dilaksanakan dalam 4 kali kunjungan, dengan pelatihan meliputi: pengenalan gawai sebagai pendukung proses pembelajaran, penggunaan WhatsApp, google form, pembuatan folder dan direktori, penggunaan zoom, Microsoft Excel, dan pembuatan slide power point untuk presentasi. Antusias dan motivasi guru sangat tinggi untuk meningkatkan kemampuan mereka terhadap pemanfaatan gawai dalam proses pembelajaran. Setelah pelatihan ini, diharapkan guru-guru dapat menerapkannya dalam sistem di sekolah baik dalam hal administrasi, pembelajaran serta pengolahan nilai siswa.

<p><span>Abstrak </span></p><p><span>Data mining adalah proses melatih komputer untuk mengenali suatu pola menggunakan teknik statistika mapun matematika. Salah satu teknik data mining yang sering digunakan adalah klasifikasi, yakni mengelompokkan data ke dalam suatu label menggunakan atribut. Pada klasifikasi, Support Vector Machine (SVM) merupakan salah satu metode yang paling banyak digunakan. Penelitian ini akan memanfaatkan metode SVM dalam melakukan klasifikasi bunga Iris. Data yang diteliti menggunakan sebanyak 150 data dengan menggunakan dua metode data latih, yakni percentage split dan k-fold cross validation. Data diolah melalui tahap <em>pre-processing</em>, lalu diklasifikasi menggunakan metode SVM melalui 2 metode data latih, percentage split sebesar 80% dan k-fold corss validation dengan k=10, perhitungan hasil prediksi menggunakan <em>confusion matrix</em>. Pada metode <em>percentage split</em> diperoleh nilai akurasi sebesar 96,7%, presisi 97,6%, <em>recall</em> sebesar 95,3%, dan F1-score sebesar 96,3%. Pada metode k-fold cross validation diperoleh nilai akurasi sebesar 92,6%, presisi 92,6%, <em>recall</em> sebesar 92,6%, dan F1-score sebesar 92,3%. Dengan demikian metode SVM menggunakan kernel polynomial dengan metode data latih percentage split dapat diimplementasikan ke dalam sistem klasifikasi bunga Iris.</span></p><p><span>Abstract</span></p><p><span><em>Data mining is the process of training a computer to recognize a pattern using statistical and mathematical techniques. One of the data mining techniques that are often used is classification, which is to group data into the label using attributes. In classification, the Support Vector Machine (SVM) is one of the most widely used methods. This research will utilize the SVM method in classifying Iris flowers. The data studied used 150 data using two training data methods, percentage split and k-fold cross validation. The data is processed through the pre-processing stage, then classified using the SVM method through 2 training data methods, percentage split of 80% and k-fold cross validation with k = 10, and calculation of prediction results using a confusion matrix. In the percentage split method, the accuracy is 96.7%, precision is 97.6%, recall is 95.3%, and F1-score is 96.3%. In the k-fold cross validation method, the accuracy is 92.6%, precision is 92.6%, recall is 92.6%, and F1-score is 92.3%. So that the SVM method using a polynomial kernel with the percentage split training data method can be implemented into the iris classification system.</em></span></p>

Salah satu kesuksesan alumni dapat dilihat dari income yang yang berhubungan dengan posisi pada pekerjaan maupun bidang pekerjaan. Salah satu manfaat adanya tracer study adalah diperolehnya informasi mengenai keberhasilan profesionalisme yang menyangkut karir, status, dan income, serta ruang lingkup pekerjaan dari alumni. Tujuan penelitian ini adalah untuk menguji perbedaan rata-rata dan keragaman total income lulusan 10 fakultas di Unsri, serta menganalisis hubungan antara total income dengan gender dan bidang pekerjaan alumni. Data yang digunakan adalah hasil tracer study tahun 2020 pada lulusan Unsri tahun 2018. Rata-rata total income responden laki-laki lebih tinggi dari responden perempuan pada setiap fakultas. Tetapi perbedaan tersebut tidak signifikan pada 4 fakultas. Pada perbandingan total income antara 2 fakultas, responden FT mempunyai rata-rata total income yang berbeda nyata lebih besar dari responden 7 fakultas lainnya. Sebaliknya, responden FKIP mempunyai rata-rata total income yang berbeda nyata lebih kecil dari responden semua fakultas. Berdasarkan uji kebebasan pada setiap fakultas, ada hubungan antara gender dengan total income, kecuali pada responden 4 fakultas. Pada gabungan semua fakultas, ada hubungan antara total income dengan gender dan juga bidang pekerjaan. Kata kunci: Bidang pekerjaan, total income, uji beda rata-rata, uji kebebasan