AbstrakUsaha pengentasan kemiskinan terus dilakukan di Kabupaten Tanah Laut.

Currently, the business competition in the culinary field is very tight. Second Home is a culinary business that sells various coffee products that are in demand by the public. The large number of various coffee products causes a lot of sales transaction data to be generated by Second Home. The sales data is not managed properly, causing accumulation and useless data. The level of useless data can be minimized by using a data mining approach. The Data Mining approach aims to provide new information from coffee product sales data. Apriori algorithm is one of the algorithms of data mining that is able to find out association rules based on consumer buying patterns. Based on consumer purchasing patterns for coffee products, the owner of Second Home can provide recommendations or promotions for certain products. The dataset used in this study is 566 sales transaction data from March to May 2021. The application of data mining to sales data with the Apriori Algorithm produces 2 (two) association rules with a support value of 10% and confidence 60%. The results showed that the products purchased simultaneously were Banana fields and Es Kopi Lava Yo Lah with a confidence value of 69.43%.

<p>Kecelakaan lalu lintas di jalan raya masih menjadi penyumbang tingginya angka kematian di Indonesia, sehingga menjadi perhatian khusus bagi kepolisian di negara ini. Termasuk Kepolisian Resor (Polres) Tanah Laut, yang telah membuktikan perhatian tersebut dengan membentuk komunitas korban kecelakaan lalu lintas dan Pelatihan Pertolongan Pertama Gawat Darurat (PPGD). Tahapan awal pencegahan kecelakaan lalu lintas adalah dengan mengetahui faktor-faktor penyebab kecelakaan lalu lintas yang diperoleh melalui analisa data kecelakaan. Analisa tersebut dapat dilakukan dengan data mining, yaitu <em>K-Means Clustering.</em> <em>K-Means Clustering</em> mengelompokkan data menjadi beberapa <em>cluster</em> sesuai karakteristik data tersebut. Data kecelakaan lalu lintas dibagi menjadi 2 dataset, yakni dataset 1 dan dataset 2. Hasil <em>cluster </em>penerapan <em>K-means clustering </em>terhadap dataset 1 dan dataset 2 kemudian dilakukan pengujian <em>silhoutte coefficient </em>untuk mencari hasil <em>cluster </em>dengan kualitas terbaik<em>. </em>Pengujian <em>silhoutte coefficient</em> secara berurutan menghasilkan <em>distance measure </em>paling optimal yakni <em>clustering </em>dengan 4 <em>cluster</em> untuk dataset 1 dan <em>clustering </em>dengan 2 <em>cluster</em> untuk dataset 2. Selain memperoleh <em>cluster </em>dengan kualitas terbaik, penganalisaan data juga menghasilkan beberapa informasi kecelakaan lalu lintas yang sering terjadi, yakni faktor penyebab dan korban kecelakaan adalah pengemudi, umur korban adalah 9 sampai 28 tahun, dan keadaan korban kecelakaan adalah luka ringan.</p><p> </p><p class="Judul2"><strong><em>Abstract</em></strong></p><p><em>Traffic accidents on the highway are still contribute to the high mortality rate in Indonesia, which are becoming a special concern for the police. Including the Police of Tanah Laut Resort where prove themselves by established The Community of Traffic Accident Victims and Emergency First Aid Training. The first prevention of traffic accidents is knowing the factors causing traffic accidents which is obtained through the analysis of traffic accident’s data. It can be done through data mining, i.e. K-Means Clustering, which is clustering data into clusters according to characteristics of the data. Traffic accident data is divided into two datasets, namely dataset 1 and dataset 2. After obtaining the cluster results, the next step is to calculate silhoutte coefficient which is used to find the best quality cluster result. The result of testing silhoutte coefficient are clustering with 4 clusters for dataset 1 and clustering with 2 clusters for dataset 2. Analyzing data in this research also produces some information on traffic accidents that often occur, namely the causes and victims of accidents are drivers, the age of the victims is between 9 and 28 years old, and the circumstance of the accidents victims are minor injuries.</em></p>

Staf atau tenaga kependidikan merupakan bagian penting dalam mendukung suatu proses jalannya pendidikan. Oleh karena itu perlunya sikap prfesionalisme yang harus dimiliki agar di peroleh suatu hasil yang maksimal dalam proses pelayanan. Penghargaan terhadap kinerja yang mereka lakukan biasanya diberikan setiap tahuan dalam mengapresiasi yang telah dilakukan. Di Politeknik Negeri Tanah Laut penghargaan diberikan satiap tahun sekali dengan mempertimbangkan beberapa kriteria misalnya inisiatif pekerjaan, produktifitas pekerjaan, komunikasi, kerjasama tim, tanggung jawab, kedisiplinan, integritas, pelayanan. Pada tulisan ini akan menerapkan metode Simple Additive Weighting (SAW) dalam membantu menentukan staf terbaik dengan berbasis aplikasi. Aplikasi yang dibangun berbasis web mobile dan telah berhasil diimplementasiakan. Keywords: kuesioner, staf terbaik, SAW, Pengambilan Keputusan

SDS Waladun Sholeh merupakan salah satu sekolah swasta di Kabupaten Tanah Laut yang terdampak virus Covid-19, sehingga kegiatan belajar mengajar harus dilakukan secara online atau daring (dalam jaringan) dengan memanfaatkan teknologi komputer yang dilengkapi jaringan internet. Hal tersebut bertujuan agar materi pembelajaran tersampaikan dengan baik kepada peserta didik. Metode pelaksanaan pengabdian terdiri dari 3 (tiga) tahapan yaitu tahapan persiapan berupa koordinasi dengan panitia SDS, tahapan pelaksanaan berupa pelatihan penggunaan 2 (dua) aplikasi pembelajaran besutan google yaitu google meet dan google classroom dan yang terakhir tahapan evaluasi. Pada tahapan evaluasi peserta diminta untuk mengisi kuisioner sebelum dan sesudah pelatihan, hal ini dilakukan agar panitia pengabdian dapat mengetahui tingkat pemahaman dan keterampilan peserta dalam menggunakan google meet dan google classroom. Berdasarkan hasil evaluasi tersebut terlihat peningkatan pemahaman dan keterampilan peserta dimana rata-rata nilai peserta sebelum pelatihan adalah 59.8 sedangkan setelah pelatihan dilakukan rata-rata nilai peserta meningat menjadi 91.42.