Search

Pasca Pandemi Covid-19 mendorong sektor industri yang salah satunya adalah sektor UMKM, untuk kembali bangkit dan pulih. Oleh karena itu perkembangan transformasi digital saat ini diharapkan dapat membantu memulihkan kondisi UMKM yang berada disektar. Berbagai macam media dan aplikasi digital banyak bermunculan dalam segala bidang keilmuan, dan dapat dimanfaatkan dalam rangka meningkatkan keterampilan para pelaku UMKM. Melalui pelaksanaan kegiatan pengabdian masyarakat, UMKM didampingi dan dibimbing untuk dapat memahami dan mengaplikasikan keterampilan digital pada keseharian mereka, guna memulihkan dan meningkatkan kembali usaha mereka. Empat UMKM dibidang kuliner terpilih untuk diberikan bimbingan serta pendampingan selama lima bulan, dengan fokus penerapan aplikasi dan media digital dalam upaya pemulihan dan pengembangan usaha. Penerimaan dari UMKM binaan sangat baik dan antusias, sedikit banyak hasil dari pemdampingan dirasakan hingga beberapa diantaranya mengalami kenaikan omzet penjualan. Sehingga dapat dinyatakan, bahwa kegiatan pendampingan dengan penerapan media digital dirasakan cukup efektif dalam membantu memulihkan kondisi UMKM pasca pandemic Covid-19.

Digitalisasi pemasaran merupakan salah satu alternatif solusi dalam membantu memulihkan keterpurukan pelaku Usaha Mikro Kecil dan Menengah (UMKM) di masa pandemi Covid-19. Keterbatasan kompetensi dan jumlah Sumber Daya Manusia (SDM) pada UMKM sendiri merupakan tantangan yang cukup besar dalam penerapannya. Sehingga, kegiatan pengabdian ini difokuskan untuk memberikan pemahaman, keterampilan dan pendampingan terkait kompetensi pemasaran digital kepada UMKM dalam upaya meningkatkan penjualan dan brand awareness. Kegiatan dilaksanakan selama lima bulan dan terlaksana dengan baik, dimana dihasilkan minimal 3 platform media pemasaran digital untuk setiap UMKM, yaitu google bisnisku, instagram bisnis, dan whatsapp bisnis. Manfaat dari kegiatan ini dapat dirasakan oleh UMKM sehingga dapat mengembalikan siklus penjualan mereka menjadi lebih baik dan juga meningkatkan brand awareness masyarakat terkait produk mereka karena akan menjadi lebih mudah untuk di akses.

This study aims to compare several methods to get the best methods on forecasting the volume of Indonesian palm oil exports. In addition, this study also aims to estimate the volume of Indonesian palm oil exports for the next five years. Some of the forecasting methods used in this study are linear regression, exponential smoothing, and ARIMA. The data used is historical data on the volume of palm oil exports from 1981 to 2020. The results of calculations and analysis show that the exponential smoothing model of the damped trend method produces the smallest error value compared to other methods, the MAD value is 860,353, the MSE value is 1,707,738,707,222, the RSME value is 1,306,805, and the MAPE value is 20.6%. This method has chosen to be the best forecasting method for the next five years. The forecast results obtained that the volume of Indonesian palm oil exports for the next five years are28.864.223,31 tons, 28.967.062,92 tons, 29.064.976,80 tons, 29.158.200,89 tons, and 29.246.959,81 tons.

The problem with telecommunications companies today is that transactional data is more extensive than existing source tables. This makes business reporting less efficient and overwhelms query processing results in data warehouses so that they do not meet business requirements. The fast and complex evolution of the digital world must be scalable to the data warehouse process, so that the authors implement it in the data warehouse using massive parallel processing (MPP) with the Greenplum database, so that business users can get reports faster and more optimally. This case study explains how the MPP system implements and measures the performance of the Greenplum database by performing complex queries in the data warehouse with parallel processing. Therefore, this case study analyzes whether the use of MPP systems can measure the scalability of throughput and the response time in the data warehouse so that system performance in the Greenplum database remains stable for daily, weekly, and monthly operations.