Determining the status of poor families as recipients of assistance is very important so that poverty reduction assistance from the government can be channeled on target. Data mining utilizes experience or even mistakes in the past to improve the quality of the model and the results of its analysis, one of which is the ability possessed by data mining techniques, namely classification. The purpose of this study was to test K-Fold Cross Validation in the K-Nearst Neighbors algorithm in predicting receipt of village aid funds. In the beneficiary dataset used in this study, there were 159 records or tuples with four attributes (house condition, income, employment and number of dependents). The new data category prediction is done by using the Euclidean Distance manual calculation stage of five different K values. While using the Rapidminer application aims to test the accuracy of the dataset in five different K values. The results show that with K=15 and K=30 the new data (D160) has a "Not Eligible" category with an accuracy of 100%. Then with K=45, K=60 and K=75, the new data (D160) has the category "Eligible" with an accuracy rate of 81.25%.

Teknologi pengolahan citra saat ini telah banyak berkembang, salah satunya teknologi kompresi. Kompresi citra digital merupakan suatu upaya untuk melakukan tranformasi terhadap data atau simbol, tanpa menimbulkan perubahan yang signifikan atas citra digital bagi mata manusia yang mengamatinya. Citra merupakan istilah lain untuk gambar sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Dalam penelitian ini penulis menggunakan metode Lossy compression dan Lossless compression dimana metode Lossy compression yaitu suatu metode kompresi data yang menghilangkan sebagian informasi sedangkan metode Lossless compression yaitu suatu metode kompresi data dengan tidak ada informasi data yang hilang atau berkurang jumlahnya selama proses kompresi. Sehingga setelah proses dekompresi jumlah bit (byte) data atau informasi dalam keseluruhan data hasil sama persis dengan data aslinya (Saragih and Harahap 2019). Dari penelitian sebelumnya yaitu Implementasi Kompresi Citra Digital Dengan Mengatur Kualitas Citra Digital (Raharja and Harsadi 2018) penulis melanjutkan dengan melalukan perbandingan dengan menggunakan 20 citra berbeda lalu di kompres dengan metode lossless compression, diketahui rata-rata setelah kompres adalah empat puluh sembilan persen. Paper penelitian sebelumnya  yang menggunakan metode lossy menghasilkan rata-rata kompres enam puluh persen dan  paper penelitian yang penulis lakukan dengan metode lossless yang menghasilkan rata-rata kompresi empat puluh sembilan persen, maka dapat di simpulkan bahwa metode lossy lebih baik dibandingkan dengan metode lossless dalam mengkompresi citra

Beasiswa PPA merupakan sebuah program beasiswa yang diberikan kepada mahasiswa aktif. Dalam melakukan seleksi penerima beasiswa PPA, akan ada tahapan-tahapan yang harus diproses untuk mendapatkan mahasiswa yang menerima beasiswa sesuai harapan. Data pendaftar beasiswa PPA dari tahun sebelumnya menjadi penunjang untuk keakuratan pengambilan keputusan dalam seleksi penerima beasiswa agar sesuai dengan kriteria yang telah ditetapkan. Untuk mendapatkan keakuratan pengambilan keputusan maka dibutuhkan data mining sebagai penunjang dalam pengambilan keputusan. Pada penelitian ini, penulis melakukan perbandingan 2 algoritma untuk mengetahui algoritma mana yang mempunyai keakuratan lebih tinggi dalam pengambilan keputusan penerima beasiswa PPA. Algoritma yang digunakan adalah algoritma klasifikasi Naïve Bayes dan Support Vector Machine (SVM). Berdasarkan hasil komparasi antara algoritma Naive Bayes dan SVM (Support Vector Machine) yang dilakukan untuk mengklasifikasikan nilai akurasi tertinggi dengan 5 variabel dan jumlah data sebesar 122 dapat disimpulkan bahwa algoritma Naive Bayes memiliki tingkat akurasi lebih tinggi yaitu 90.90% dibandingkan dengan metode SVM yaitu 89.25%.

Perkembangan Teknologi Informasi saat ini berkembang sangat pesat dalam arti perkembangan perangkat keras dan perangkat lunak. Perkembangan perangkat keras sangat terasa berupa kecanggihan akses dan perkembangan perangkat lunak mengalami perkembangan dan sangat membantu serta berpengaruh dalam meningkatkan kreatifitas. Bermula dari pemuda pemudi Islam berkumpul, tidak hanya dalam kepentingan spiritual namun juga menjadi tempat untuk bertukar pikiran untuk menghadapi masalah yang sedang dihadapi bersama sehingga terbentuklah Organisasi Remaja Masjid Baitul Halim (RBH). Dengan terbentuknya organisasi tersebut sehingga memberikan wadah terhadap remaja untuk berkreatifitas dalam bentuk berbagai kegiatan. Salah satu aplikasi yang bisa dimanfaatkan sebagai media visualisasi dalam kreatifitas adalah aplikasi desain photoshop. Sehingga poster kegiatan yang akan berlangsung terlihat menarik dan diminati. Target luaran dalam program pengabdian masyarakat ini bagi pelaksana adalah press release di media massa cetak atau elektronik dan publikasi di jurnal pengabdian masyarakat. Sedangkan untuk peserta, meningkatnya pengetahuan dan keterampilan RBH menggunakan aplikasi desain photoshop. Metode pelaksanaan pada kegiatan ini terdiri dari tahap persiapan yaitu survei lokasi kegiatan untuk menggali permaslahan yang dihadapi, tahap pelaksanaan yaitu pelatihan aplikasi desain photoshop secara hybrid dan tahap monitoring dan evaluasi untuk mengetahui seberapa besar peningkatan pengetahuan dan kemampuan remaja masjid baitul halim.