Klaim Artikel Anda
Verifikasi kepemilikan artikel akademik
Apakah artikel-artikel ini milik Anda?
Daftarkan diri Anda sebagai author untuk mengklaim artikel dan dapatkan profil akademik terverifikasi dengan fitur lengkap.
Badge Verifikasi
Profil terverifikasi resmi
Statistik Lengkap
H-index, sitasi, dan metrik
Visibilitas Tinggi
Tampil di direktori author
Kelola Publikasi
Dashboard artikel terpadu
Langkah-langkah Klaim Artikel:
- 1. Daftar akun author dengan email akademik Anda
- 2. Verifikasi email dan lengkapi profil
- 3. Login dan buka menu "Klaim Artikel"
- 4. Cari dan klaim artikel Anda
- 5. Tunggu verifikasi dari admin (1-3 hari kerja)
Menampilkan 1–2 dari 2 artikel
Pendampingan Kewirausahaan bagi Siswa SMP Muhammadiyah 7 Colomadu (MUTU)
Setyowati, Eni
; Rafiq Azam Al Afif, Didit Purnomo, Ali Zaenal Abidin, Trian Gigih Kuncoro, Inez Angela Eva Maharani, Cindy Putri Sukmawati, Putri Ayu, Rachma Fadia Andriyani, Rosa Ambar Sari, Firliana Rizki Ramadhina.
Abdi Psikonomi
(2024)
Pengabdian ini dilakukan di SMP Muhammadiyah 7 Colomadu Karanganyar. Permasalahan yang dihadapi oleh SMP Mutu tersebut adalah ekstra kurikuler bagi siswa-siswa belum dilakukan dengan praktek langsung, maka pengabdian ini sangat diharapkan oleh mitra. Khalayak sasaran membutuhkan dukungan dari sisi sarana prasarana maupun sumber daya manusia dalam mewujudkan kegiatan ekstra kurikuler yang bermanfaat dan bisa memberi contoh bagi sekolah-sekolah yang lain. Tujuan dari kegiatan pengabdian ini adalah...
Google Scholar
DOI
The Implementation of a Logistic Regression Algorithm and Gradient Boosting Classifier for Predicting Telco Customer Churn
Angga Adiansya
; Zaenal Abidin
JURNAL ILMIAH KOMPUTER GRAFIS
Vol 17
, No 1
(2024)
This research aims to predict customer churn in a telecommunications company using Logistic Regression (LR) and Gradient Boosting Classifier (GBC) algorithms. Customer churn poses a significant challenge as acquiring new customers is costlier than retaining existing ones. The dataset from Kaggle comprises 7043 records and 21 attributes. The process includes data pre-processing, cleaning, transformation, and normalization using a Min-Max Scaler. The data is split into features (X) and target (y),...
Google Scholar
DOI
1 Sitasi