Peran sekolah sangat penting dalam menghasilkan sumber daya manusia (SDM) yang berkualitas dan unggul bagi kemajuan suatu Negara. Semakin baik kualitas penyelenggaraan pendidikan semakin baik pula SDM suatu bangsa. sekolah diharapkan dapat mengikuti perkembangan media pembelajaran dalam beberapa tahun terakhir ini agar peningkatan mutu pendidikan dapat berjalan beriringan dengan perkembangan. Madrasah Aliyah (MA) adalah salah satu satuan pendidikan dengan jenjang menengah atas. Dalam pelaksanaan kegiatan belajar mengajar, Madrasah Aliyah Al Asror berupaya membuat sebuah media pembelajaran yang menarik dengan menampilkan beberapa visual yang dinamis agar para peserta didik lebih tertarik dan dapat memberikan motivasi agar siswa dapat melakukan belajar secara mandiri. Namun dalam membuat media pembelajaran yang menarik masih dirasakan sulit oleh para guru karena kekurangan pengetahuan dan kemampuan desain dari para guru tersebut. Saat ini para guru hanya mencoba membuat media yang dinamis hanya dengan memanfaatkan fitur-fitur yang ada di Microsoft Power Point saja. Padahal saat ini banyak sekali platform yang menawarkan video dan animasi yang menarik untuk pembuatan materi ajar secara dinamis baik offline maupun online. Maka perlu dilakukan kegiatan pelatihan pembuatan media pembelajaran berbasis video dan animasi sebagai media alat bantu pembelajaran pada Madrasah Aliyah Al Asror. Target luaran kegiatan ini adalah meningkatnya pemahaman peserta tentang dasar desain grafis untuk pembuatan untuk membuat media pembelajaran, meningkatnya keterampilan tentang pembuatan animasi  yang bagus dan menarik melalui pelatihan pembuatan video dan animasi pembelajaran melalui tool video online, dan terciptanya media pembelajaran untuk materi pembelajaran dengan animasi yang menarik, mudah dan efektif dapat meningkatkan minat belajar siswa secara mandiri. Untuk luaran kegiatan pengabdian kepada masyarakat ini, juga akan dipublikasikan pada jurnal nasional pengabdian masyarakat ABDIMASKU, hasil dokumentasi pelaksanaan diupload pada youtube, dan HKI. Kegiatan PKM ini laksanakan oleh dosen dan mahasiswa dari program studi Desain Komunikasi Visual dan Teknik Informatika yang terakreditasi unggul sehingga kompeten dibidangnya masing-masing.

Biji kopi dengan medium roast memiliki ciri warna coklat muda kehitaman, permukaan sedikit berminyak, dan retakan biji yang tidak terlalu lebar. Karena kopi merupakan hasil bumi yang banyak dikonsumsi dengan tingkat kematangan medium, diperlukan quality control yang efektif untuk memastikan biji kopi layak konsumsi. Penelitian ini mengambil sampel dari perusahaan terkait dan menggunakan metode GLCM untuk ekstraksi fitur numerik dari biji kopi, serta SVM dengan kernel RBF untuk klasifikasi, mengingat pentingnya pemilihan kernel dan parameter dalam menentukan akurasi. Untuk meningkatkan akurasi, diterapkan optimasi menggunakan PSO. Hasil klasifikasi menggunakan SVM saja mencapai akurasi 85,37%, sedangkan dengan optimasi PSO, akurasi meningkat menjadi 93,57%, menunjukkan bahwa penerapan PSO pada algoritma SVM mampu meningkatkan performa klasifikasi biji kopi medium roast secara signifikan.
Kata kunci: SVM, PSO, Biji Kopi Medium Roast

Abstract – Person re-identification is a mechanized procedure of video investigation which has been widely studied in contemporary years. Research problems that are often raised in the field of a person's re-identification research are characteristic representations that are easily affected by closure (abhorrent to other objects). Furthermore, after extracting local features by means of a boundary box, the background image still contains and does not focus on the human body parts. This study comes up with a method combination of CNN, SVM classification, and semantic segmentation. CMC (Cumulative Matching Characteristics) and mAP (mean Average Precision) are measurements of assessment that will be utilized to measure the operation of re-identification. The ResNet + SVM + SSP-ReID technique performed best in the Market dataset, with a CMC increase of 3-10% (rank-1 through rank-20). The Market and CUHK03 (D) datasets both showed improvements of 1-4.1% in mAP.  Keywords Person re-identification; Feature extraction; CNN; SVM; Semantic segmentation;

Purpose: This research aims to improve the accuracy of sentiment analysis on PLN Mobile app reviews by overcoming the challenge of data imbalance. This goal is important to provide a better understanding of user opinions and support PT PLN (Persero) in improving mobile application services.
Methods: This research uses the Random Forest algorithm combined with Synthetic Minority Over-sampling Technique (SMOTE) to handle imbalanced data. Data is collected through web scraping reviews from the Google Play Store, followed by preprocessing processes such as data cleaning, stopword removal, tokenization, and stemming. Feature extraction is performed using the Bag of Words (BoW) method, and the data is tested with four sharing schemes.
Result: The results showed that the 90%-10% sharing scheme gave the best performance with an accuracy of 81% and an average precision and recall of 0.79. This finding confirms that the larger the proportion of training data, the better the model performs sentiment classification.
Novelty: This research's novelty lies in combining SMOTE with BoW and Random Forest to overcome data imbalance. This approach is a significant reference for future sentiment analysis research. It provides practical insights that PT PLN (Persero) can use to improve the quality of its application services.

Kerang Batik (Paphia undulata) memiliki pola cangkang yang mirip batik, dengan warna dasar cangkang yang bervariasi dari kuning cerah hingga gelap. Sebagai komoditas ekspor Indonesia yang permintaannya terus meningkat, penting untuk menjaga standar kualitas tinggi agar kerang siap ekspor. Penelitian ini menyelidiki metode kontrol kualitas yang efektif untuk kerang batik yang layak ekspor dengan mengambil sampel dari perusahaan terkait. Setelah proses pra-pemrosesan citra, dilakukan ekstraksi fitur, termasuk fitur bentuk (eccentricity, metric) dan fitur tekstur (GLCM). Fitur-fitur ini digunakan dalam algoritma SVM (Support Vector Machine) dengan kernel RBF, yang dipilih karena kemampuannya menangani data non-linear, untuk mencapai akurasi optimal. Metode optimasi PSO (Particle Swarm Optimization) juga diterapkan untuk meningkatkan akurasi lebih lanjut. Penelitian menunjukkan bahwa SVM dengan kernel RBF mencapai akurasi tertinggi sebesar 96,43% pada sudut 45° dan 90°. Setelah dioptimalkan dengan PSO, akurasi meningkat menjadi 97,86% pada sudut 90°. Dengan demikian, penerapan PSO pada algoritma SVM secara signifikan meningkatkan akurasi klasifikasi.
 
Kata kunci: SVM, PSO, Kerang Batik, Kernel RBF, GLCM

Sekolah merupakan sebuah institusi yang bertanggungjawab untuk menyelenggarakan pendidikan dan salah satu hal yang menunjang dalam menyelenggarakan pendidikan adalah adanya media pembelajaran yang baik dan bervariatif. Salah satu sekolah yang ada di kabupaten Temanggung yaitu SMPN 2 Kledung. SMPN 2 Kledung menjadi salah satu lembaga pendidikan yang mengalami cukup kesulitan dalam mengembangkan media pembelajaran yang berkualitas khususnya video pembelajaran. Kegiatan pembelajaran SMPN 2 Kledung masih dilaksanakan secara konvensional. Kendala ketersediaan peralatan dan media pembelajaran yang berbasis TIK menjadi tantangan utama. Video pembelajaran yang digunakan di SMPN 2 Kledung didapatkan para guru dari youtube dan media sosial. Kendala yang dihadapi oleh para guru adalah karena video yang diambil dan bukan membuat sendiri, maka materi yang diberikan tidak semuanya sesuai dengan yang diinginkan oleh pengajar. Selain itu, kebanyakan materi tersedia dalam bahasa inggris yang akan sulit dipahami oleh peserta didik. Padahal video pembelajaran yang ada sangat menarik karena mengabungkan antara tampilan pembicara dan juga materi yang disampaikan. Target luaran kegiatan ini adalah Meningkatnya pemahaman peserta tentang membuat konsep video pembelajaran yang diterapkan dalam pembuatan naskah. Meningkatnya ketrampilan peserta tentang cara mengambil video pembelajaran yang baik dan menarik. Meningkatnya ketrampilan peserta tentang editing video, serta distribusi video yang sesuai untuk peserta didik. Rencana kegiatan yang akan dilakukan dengan cara memberikan materi dan praktik tentang membuat konsep video dan pembuatan naskah, memberikan materi dan praktik tentang teknik mengambil video, dan memberikan materi dan praktik tentang editing video dan menyiapkan video yang siap didistribusikan.

Lembaga kesehatan yang dapat diakses untuk memperoleh pelayanan kesehatan dasar untuk bayi dan balita adalah posyandu. Salah satu posyandu yang ada di Kota Semarang adalah Posyandu Bougenville Kelurahan Patemon. Posyandu Bougenville melayani penimbangan balita dan imunisasi, Tenaga sukarelawan kesehatan yang telah mendapatkan pelatihan, serta memberikan panduan kesehatan bagi ibu hamil dan ibu menyusui. Kader dan peserta Posyandu sering mengalami kesulitan dalam proses pencarian data. Hal ini disebabkan karena selama ini pencatatan data ditulis secara manual menggunakan tangan. Peserta juga jarang mendapatkan beberapa informasi tentang hasil pencatatan di posyandu. Kendala lain yang dihadapi oleh Posyandu Bougenville adalah ketika jumlah peserta yang banyak ketika ada sebuah event tertentu. Kader posyandu mengalami kesulitan dalam melakukan proses pengolahan data karena banyak data yang sama dicatatkan berulang-ulang sehingga mengakibatkan redudansi data. Hal ini menyebabkan kader Posyandu terkadang melakukan kesalahan dalam penghitungan data saat pembuatan laporan kegiatan Posyandu di tingkat Kelurahan.

Segment Anything Model (SAM) is a model capable of performing object segmentation in images without requiring any additional training. Although the segmentation produced by SAM lacks high precision, this model holds interesting potential for more accurate segmentation tasks. In this study, we propose a Post-Processing method called Conditional Matting 4 (CM4) to enhance high-precision object segmentation, including prominent, occluded, and complex boundary objects in the segmentation results from SAM. The proposed CM4 Post-Processing method incorporates the use of morphological operations, DistilBERT, InSPyReNet, Grounding DINO, and ViTMatte. We combine these methods to improve the object segmentation produced by SAM. Evaluation is conducted using metrics such as IoU, SAD, MAD, Grad, and Conn. The results of this study show that the proposed CM4 Post-Processing method successfully improves object segmentation with a SAD evaluation score of 20.42 (a 27% improvement from the previous study) and an MSE evaluation score of 21.64 (a 45% improvement from the previous study) compared to the previous research on the AIM-500 dataset. The significant improvement in evaluation scores demonstrates the enhanced capability of CM4 in achieving high precision and overcoming the limitations of the initial segmentation produced by SAM. The contribution of this research lies in the development of an effective CM4 Post-Processing method for enhancing object segmentation in images with high precision. This method holds potential for various computer vision applications that require accurate and detailed object segmentation.

This research focuses on car classification and the use of the ResNet-50 neural network architecture to improve the accuracy and reliability of car detection systems. Indonesia, as one of the countries with high daily mobility, has a majority of the population using cars as the main mode of transportation. Along with the increasing use of cars in Indonesia, many automotive industries have built factories in this country, so the cars used are either local or imported. The importance of car classification in traffic management is a major concern, and vehicle make and model recognition plays an important role in traffic monitoring. This study uses the Vehicle images dataset which contains high-resolution images of cars taken from the highway with varying viewing angles and frame rates. This data is used to analyze the best- selling car brands and build car classifications based on output or categories that consumers are interested in. Digital image processing methods, machine learning, and artificial neural networks are used in the development of automatic and real-time car detection systems.The ResNet-50 architecture was chosen because of its ability to overcome performance degradation problems and study complex and abstract features from car images. Residual blocks in the ResNet architecture allow a direct flow of information from the input layer to the output layer, overcoming the performance degradation problem common in neural networks. In this paper, we explain the basic concepts of ResNet-50 in car detection and popular techniques such as optimization, augmentation, and learning rate to improve performance and accuracy. in this study, it is proved that ResNet has a fairly high accuracy of 95%, 92% precision, 93% recall, and 92% F1-Score.