Article Per Year (5 Year)
p-Index From 2021 - 2026
2.745
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Intelek Dan Cendikiawan Nusantara Jurnal Intelek Insan Cendikia
Bambang Irwansyah
Universitas Asahan
Religion Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Clustering Kinerja Admin Media Sosial Facebook pada Instansi Pemerintah di Kabupaten Asahan Menggunakan Algoritma K-Means: Penelitian Dea Tiara; Bambang Irwansyah
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6260

Abstract

Penelitian ini bertujuan untuk mengelompokkan kinerja admin media sosial facebook pada instansi pemerintah di Kabupaten Asahan yang masih menunjukkan perbedaan signifikan dalam aktivitas dan interaksi, seperti jumlah postingan, like, dan komentar. Perbedaan tersebut terjadi karena belum adanya sistem evaluasi yang terstruktur dan berbasis data. Metode yang digunakan dalam penelitian ini adalah data mining dengan algoritma K-Means, yang mampu mengelompokkan data berdasarkan tingkat kemiripan karakteristik. Data penelitian diperoleh dari aktivitas media sosial facebook instansi pemerintah di Kabupaten Asahan pada tahun 2025, dengan tiga variabel utama, yaitu jumlah postingan, jumlah like, dan jumlah komentar. Proses analisis dilakukan dengan menentukan jumlah cluster sebanyak tiga kategori, yaitu rendah, sedang, dan tinggi, kemudian dilanjutkan dengan perhitungan jarak antar data terhadap centroid untuk menghasilkan pengelompokan yang optimal. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan kinerja admin secara efektif ke dalam tiga cluster, yaitu sebesar 80,95% termasuk dalam kategori rendah, 14,29% kategori sedang, dan 4,76% kategori tinggi. Hasil tersebut menunjukkan bahwa sebagian besar instansi berada pada kategori rendah, sehingga mencerminkan bahwa tingkat aktivitas dan interaksi media sosial masih belum optimal dan perlu ditingkatkan. Pengelompokan ini memberikan gambaran yang lebih objektif mengenai tingkat kinerja admin media sosial pada masing-masing instansi, sehingga dapat digunakan sebagai dasar evaluasi dan pengambilan keputusan oleh pemerintah daerah.Selain itu, penelitian ini juga menghasilkan sebuah aplikasi berbasis web yang dirancang menggunakan PHP dan MySQL untuk mempermudah proses pengolahan data dan visualisasi hasil clustering. Dengan adanya sistem ini, diharapkan pengelolaan media sosial pemerintah dapat menjadi lebih terukur, transparan, dan optimal sebagai sarana komunikasi publik.
Clustering Tingkat Risiko Obesitas Menggunakan Algoritma K-Means dengan Optimasi Metode Elbow: Penelitian Ahmad Dani; Muhammad Khairul Fahri; Harry Dwiki Pramadan; Fadli Anwar Sinaga; Aji Febrian Sani; Muhammad Fauzan; Bambang Irwansyah
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 5 No. 1 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 5 Nomor 1 (Juli 2026 -
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v5i1.7189

Abstract

Obesitas merupakan salah satu permasalahan kesehatan yang terus meningkat dan berpotensi menyebabkan berbagai penyakit kronis. Pengelompokan tingkat risiko obesitas diperlukan untuk membantu mengidentifikasi karakteristik individu berdasarkan kondisi kesehatan dan gaya hidup. Penelitian ini bertujuan menerapkan algoritma K-Means dengan optimasi metode Elbow untuk mengelompokkan data obesitas. Metode Elbow digunakan untuk menentukan jumlah cluster yang optimal sebelum proses clustering dilakukan menggunakan algoritma K-Means. Dataset yang digunakan terdiri dari 200 data dengan atribut tinggi badan, berat badan, indeks massa tubuh (IMT), usia, dan jumlah konsumsi makanan utama per hari (NCP). Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster. Proses clustering menggunakan algoritma K-Means menghasilkan tiga kelompok data, yaitu Cluster 1 sebanyak 137 data (68,50%), Cluster 2 sebanyak 45 data (22,50%), dan Cluster 3 sebanyak 18 data (9,00%). Hasil pengelompokan menunjukkan bahwa algoritma K-Means dengan optimasi metode Elbow mampu mengelompokkan data berdasarkan kemiripan karakteristik sehingga dapat dimanfaatkan sebagai informasi pendukung dalam identifikasi tingkat risiko obesitas dan pengambilan keputusan di bidang kesehatan.
SOSIALISASI PENGURUSAN SERTIFIKAT HALAL PRODUK UMKM DESA BANDAR PASIR MANDOGE Bambang Irwansyah; Dicky Apdillah; Harmayani Harmayani; Emi Dea; Dea Tiara Azhari; Utami Wardah Hafiz; Nabila Nabila
Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Vol. 5 No. 2 (2025): Desember 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jpstm.v5i2.5443

Abstract

Abstract: Micro, Small, and Medium Enterprises (MSMEs) play an important role in improving the rural economy, including in Bandar Pasir Mandoge Village. Most MSMEs in this village are engaged in the food and beverage processing sector; however, many of them do not yet possess halal certification. The low level of halal certification ownership is caused by limited understanding of MSME actors regarding the importance of halal certification, the application procedures, and the benefits obtained after certification. This socialization activity on halal certification aims to increase the knowledge and awareness of MSME actors regarding the importance of halal product assurance, the certification process, and its impact on consumer trust and product competitiveness. The methods used in this activity include material presentation, discussions, and direct question-and-answer sessions with MSME actors. The results indicate an improvement in participants’ understanding of halal certification and an increased motivation to apply for halal certification for their products. This activity is expected to encourage sustainable development of MSMEs in Bandar Pasir Mandoge Village and enhance their competitiveness in broader markets. Keywords: MSMEs, Halal Certification, Socialization, Bandar Pasir Mandoge Village. Abstrak: Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam meningkatkan perekonomian masyarakat desa, termasuk di Desa Bandar Pasir Mandoge. Sebagian besar UMKM di desa ini bergerak di bidang makanan dan minuman olahan, namun masih banyak yang belum memiliki sertifikat halal. Rendahnya kepemilikan sertifikat halal disebabkan oleh kurangnya pemahaman pelaku UMKM mengenai pentingnya sertifikasi halal, prosedur pengurusan, serta manfaat yang diperoleh setelah sertifikat halal dimiliki. Kegiatan sosialisasi pengurusan sertifikat halal ini bertujuan untuk meningkatkan pengetahuan dan kesadaran pelaku UMKM mengenai pentingnya jaminan halal produk, alur pendaftaran sertifikasi halal, serta dampaknya terhadap peningkatan kepercayaan konsumen dan daya saing produk. Metode pelaksanaan kegiatan meliputi penyampaian materi, diskusi, dan tanya jawab secara langsung dengan pelaku UMKM. Hasil dari kegiatan ini menunjukkan adanya peningkatan pemahaman pelaku UMKM terkait sertifikasi halal serta munculnya motivasi untuk mengurus sertifikat halal bagi produk yang dihasilkan. Kegiatan sosialisasi ini diharapkan dapat mendorong UMKM di Desa Bandar Pasir Mandoge untuk berkembang secara berkelanjutan dan mampu bersaing di pasar yang lebih luas.. Kata kunci: UMKM, Sertifikat Halal, Sosialisasi, Desa Bandar Pasir Mandoge. 
Pengelompokkan Nilai Siswa di Sekolah MIN 3 Kabupaten Asahan Tahun 2025 Menggunakan Data Mining Metode K-Means: Penelitian Siti Ramadani; Bambang Irwansyah; Dea Tiara Azhari; Devi Puspita Sari; Dilla Atika Sury; Nabila; Nurdiani; Arinda Faradillah Marpaung
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 2 (2025): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 2 (October 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i2.3545

Abstract

Penelitian ini bertujuan untuk mengelompokkan nilai siswa mata pelajaran Sejarah Kebudayaan Islam (SKI) di MIN 3 Kabupaten Asahan menggunakan metode data mining K-Means Clustering. Permasalahan utama yang dihadapi sekolah adalah proses analisis nilai yang masih dilakukan secara manual sehingga sulit mengetahui pola capaian belajar siswa secara menyeluruh. Dengan menerapkan metode K-Means, data nilai siswa dapat dikelompokkan ke dalam tiga kategori, yaitu di atas Kriteria Ketuntasan Minimal (KKM), sesuai KKM, dan di bawah KKM. Proses penelitian dilakukan melalui beberapa tahapan, mulai dari pengumpulan dan normalisasi data nilai SKI hingga perhitungan centroid dan iterasi menggunakan Euclidean Distance. Hasil penelitian menunjukkan bahwa sebagian besar siswa berada pada kategori sesuai KKM, sementara sebagian lainnya termasuk di atas dan di bawah KKM. Hasil pengelompokan ini membantu guru dalam melakukan evaluasi pembelajaran, memberikan program remedial, serta menyusun strategi pengajaran yang lebih tepat sasaran. Penerapan metode K-Means terbukti efektif dan efisien dalam mengolah data akademik serta mendukung penerapan pembelajaran berbasis data di lingkungan madrasah.
PENERAPAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) DALAM MENGANALISA NILAI PENYUSUTAN INVENTORI ASET PADA KANTOR BALAI DESA SIDOMULYO Bambang Irwansyah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4235

Abstract

Abstract: Sidomulyo Village Hall Office, currently the agency has several assets including 1 computer unit, 4 air conditioners, 2 printers, and 1 television. And the second interview with noni as the Head of Finance (Village Treasurer) she stated that when calculating the depreciation of the residual value of assets in the Village Agency it is not optimal because it is still done conventionally such as manually calculated using a calculator in a book and has not been computerized. Produce an asset inventory application to make it easier to calculate the depreciation value of goods in the government agency Sidomulyo Village Hall Office. The purpose of this study is to change the manual calculation system into a computerized calculation system. The data used is asset data owned by the Sidomulyo Village Hall Office. The results of the AHP calculation test show that the depreciation of assets for Laptops, Printers, Photocopy Machines, AC, Digital, Wall Clocks, Fans, Refrigerators and Sound Systems is 30% and 32-inch TV Assets is 20%. Keywords: Inventory Application, AHP Method, Sidomulyo Village Hall Office, Web. Abstrak: Kantor Balai Desa Sidomulyo, saat ini instansi tersebut memiliki beberapa aset diantaranya komputer 1 unit, air conditioner 4 unit, mesin cetak (printer) 2 unit, dan televisi 1 unit. Dan wawancara kedua dengan noni sebagai Kaur Keuangan (Bendahara Desa) beliau menyatakan bahwa saat didalam perhitungan penyusutan nilai residu pada aktiva/aset di Instansi Desa tersebut belum maksimal karena masih dilakukan secara konvensional seperti dihitung manual menggunakan kalkulator dibuku dan belum terkomputerisasi. Menghasilkan aplikasi inventori aset agar lebih mudah dalam menghitung nilai penyusutan barang pada instansi pemerintahan Kantor Balai Desa Sidomulyo. Tujuan penelitian ini ialah mengubah sistem perhitungan manual menjadi sebuah sistem perhitungan yang sudah terkomputerisasi. Data yang digunakan berupah data aset yang dimiliki oleh Kantor Balai Desa sidomulyo. Hasil pengujian perhitungan AHP terlihat penyusutan aset Laptop, Printer, Mesin Foto Copy, AC, Digital, Jam Dinding, Kipas Angin, Kulkas dam sound System sebesar 30% dan Aset TV 32 Inci Sebesar 20%. Kata kunci: Aplikasi Inventori, Metode AHP, Kantor Balai Desa Sidomulyo, Web.
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN SISWA BERDASARKAN NILAI UTS, UAS, DAN TUGAS Bambang Irwansyah; Daniswara Daniswara; Triana Puspa Handayani; Nurul Natasya; Abdul Aziz Ardana; Muhammad Fakhri Fauzar; Fajar Hardiansyah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5758

Abstract

Abstract : This study aims to apply the K-Means Clustering method to analyze and classify students’ academic performance based on Midterm Exam (UTS), Assignments, and Final Exam (UAS) scores at SMK Swasta Kualuh. The main problem faced by the school is the difficulty of analyzing students’ score data manually as the volume of data increases, which requires a more objective and structured approach. This research uses a quantitative approach with data mining techniques through the K-Means algorithm. The data were obtained from students’ academic scores and processed through data cleaning, determination of the number of clusters, distance calculation using Euclidean Distance, and iterative clustering until stable results were achieved. The results show that students were successfully grouped into three clusters: high-performing, average-performing, and low-performing students. The application of the K-Means method provides systematic insights into students’ academic performance and can support schools in making better decisions to improve learning quality. Keywords: K-Means Clustering, Data Mining, Student Performance, Academic Scores, Web. Abstrak : Penelitian ini bertujuan untuk menerapkan metode K-Means Clustering dalam menganalisis dan mengelompokkan prestasi akademik siswa berdasarkan nilai Ujian Tengah Semester (UTS), Tugas, dan Ujian Akhir Semester (UAS) di SMK Swasta Kualuh. Permasalahan yang dihadapi sekolah adalah sulitnya melakukan analisis data nilai siswa secara manual seiring dengan meningkatnya jumlah data, sehingga diperlukan metode yang lebih objektif dan terstruktur. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining menggunakan algoritma K-Means. Data yang digunakan berasal dari nilai akademik siswa yang kemudian diproses melalui tahap pembersihan data, penentuan jumlah klaster, perhitungan jarak menggunakan Euclidean Distance, serta iterasi hingga klaster stabil. Hasil penelitian menunjukkan bahwa data siswa berhasil dikelompokkan ke dalam tiga klaster, yaitu siswa berprestasi tinggi, sedang, dan rendah. Penerapan metode K-Means ini mampu membantu pihak sekolah dalam mengidentifikasi tingkat prestasi siswa secara lebih sistematis dan dapat dijadikan dasar dalam pengambilan keputusan untuk peningkatan kualitas pembelajaran. Kata kunci: K-Means Clustering, Data Mining, Prestasi Siswa, Nilai Akademik, Web.
ANALISIS TINGKAT KEPARAHAN COVID-19 DI SUATU NEGARA MENGGUNAKAN METODE K-MEDOID CLUSTERING Syahputri Amelia; Eldo Yusri; Bambang Irwansyah; Ayu Andira; Muhammad Sukri; Muhammad Fauzan Yafi; Muhammad Affandi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5787

Abstract

Abstract: This study aims to classify the severity of COVID-19 cases based on patient and region data using the K-Medoid Clustering method. COVID-19 has varying degrees of symptom severity, requiring cluster analysis to identify severity patterns to support decision-making in healthcare resource allocation and policy formulation. The data used included the number of positive cases, recovered cases, deaths, the average age of patients, and comorbidity levels. The results showed that the K-Medoid method was able to effectively cluster the data. In the raw dataset, the percentage of patients not infected with COVID-19 was 62.62%, while the percentage of infected patients was 37.38%. Based on sample characteristics, non-obese patients accounted for 74.54%, obese patients 25.46%, and patients with a combination of obesity and cardiovascular disease 0.57%. Keywords: Covid-19, Severity, K-Medoid Clustering, Data Mining Abstrak: Penelitian ini bertujuan untuk mengelompokkan tingkat keparahan kasus COVID-19 berdasarkan data pasien dan wilayah menggunakan metode K-Medoid Clustering. COVID-19 memiliki variasi tingkat keparahan gejala, sehingga diperlukan analisis klaster untuk mengidentifikasi pola keparahan yang mendukung pengambilan keputusan dalam alokasi sumber daya kesehatan dan perumusan kebijakan. Data yang digunakan meliputi jumlah kasus positif, kasus sembuh, kasus meninggal, usia rata-rata pasien, serta tingkat komorbiditas. Hasil penelitian menunjukkan bahwa metode K-Medoid mampu melakukan pengelompokan data secara efektif. Pada dataset mentah, persentase pasien tidak terjangkit COVID-19 sebesar 62,62%, sedangkan pasien terjangkit sebesar 37,38%. Berdasarkan karakteristik sampel, pasien non-obesitas memiliki persentase 74,54%, pasien obesitas 25,46%, dan pasien dengan kombinasi obesitas serta penyakit kardiovaskular sebesar 0,57%. Kata Kunci : Covid-19, Tingkat Keparahan, K-Medoid Clustering, Data Mining
PENERAPAN METODE K-MEDOIDS UNTUK PENGELOMPOKAN PRODUKSI KELAPA SAWIT DI KABUPATEN ASAHAN Bambang Irwansyah; Junita Sastri; Annisa Fitriani; Nurul Fadillah; Reno Rahmadiansyah; Apri Afandi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.5909

Abstract

Abstract: The oil palm plantation sector is a key pillar of the Asahan Regency economy. However, differences in regional characteristics lead to variations in land area, production, and productivity between sub-districts. This study aims to cluster sub-districts in Asahan Regency based on oil palm production characteristics using the K-Medoids method. Data used comes from the Asahan Regency Agriculture Office, which covers 25 sub-districts with three main variables: mature area (ha), oil palm production (tons), and productivity (tons/ha/year). The clustering process was performed manually using Euclidean distance calculations, with the number of clusters set at three. The results indicate the formation of three main clusters: high, medium, and low production clusters. This grouping is expected to form the basis for more targeted and data-driven development planning for the oil palm plantation sector. Keywords: K-Medoids, Clustering, Oil Palm, Plantation Production, Asahan Regency   Abstrak: Sektor perkebunan kelapa sawit merupakan salah satu penopang utama perekonomian Kabupaten Asahan. Namun, perbedaan karakteristik wilayah menyebabkan variasi luas lahan, produksi, dan produktivitas antar kecamatan. Penelitian ini bertujuan untuk mengelompokkan kecamatan di Kabupaten Asahan berdasarkan karakteristik produksi kelapa sawit menggunakan metode K-Medoids. Data yang digunakan berasal dari Dinas Pertanian Kabupaten Asahan yang mencakup 25 kecamatan dengan tiga variabel utama, yaitu luas tanaman menghasilkan (ha), produksi kelapa sawit (ton), dan produktivitas (ton/ha/tahun). Proses pengelompokan dilakukan secara manual menggunakan perhitungan jarak Euclidean dengan jumlah klaster ditetapkan sebanyak tiga. Hasil penelitian menunjukkan terbentuknya tiga klaster utama, yaitu klaster produksi tinggi, sedang, dan rendah. Pengelompokan ini diharapkan dapat menjadi dasar dalam perencanaan pembangunan sektor perkebunan kelapa sawit yang lebih terarah dan berbasis data. Kata Kunci: K-Medoids, Clustering, Kelapa Sawit, Produksi Perkebunan, Kabupaten Asahan
KLASIFIKASI PROVINSI BERDASARKAN DURASI MENGINAP WISATAWAN PADA HOTEL BERBINTANG MENGGUNAKAN JARINGAN HEBB M. Naufal Ramadhan; Bambang Irwansyah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.6390

Abstract

Abstract: This study aims to classify provinces in Indonesia based on tourist stay patterns in star-rated hotels using the Hebb Network method. Computational data is sourced from official publications of the Central Statistics Agency (BPS) covering 38 provinces in Indonesia. The Hebb Network method was chosen because of its effectiveness in linearly adjusting the strength of weights between neurons based on the bipolar correlation of input and output values, thus mapping provinces into three target classes: Low, Medium, and High. The system is implemented using the PHP programming language to facilitate the training and computational testing process. Based on the results of testing 38 test data using the final network weight parameters, the model successfully classified 29 data sets correctly according to their actual target classes. The evaluation results showed that the system achieved an accuracy level of 76.32%. Misclassification of 23.68% generally occurred in data with values ​​​​in the threshold area due to the dominance of the final network bias parameters. Overall, this model classification is valid in identifying stay patterns, thus providing strategic insights for local governments and tourism industry players in formulating more targeted and data-driven development policies. Keywords: Hebb Network, Classification, Length of Stay, Starred Hotels, Machine Learning, Indonesian Tourism.   Abstrak: Penelitian ini bertujuan untuk mengklasifikasikan provinsi di Indonesia berdasarkan pola durasi menginap wisatawan pada hotel berbintang menggunakan metode Jaringan Hebb. Data komputasi bersumber dari publikasi resmi Badan Pusat Statistik (BPS) yang mencakup 38 provinsi di Indonesia. Metode Jaringan Hebb dipilih karena efektivitasnya dalam menyesuaikan kekuatan bobot antar neuron secara linier berdasarkan korelasi nilai masukan dan keluaran bipolar, sehingga mampu memetakan provinsi ke dalam tiga kelas target: Rendah, Sedang, dan Tinggi. Sistem diimplementasikan menggunakan bahasa pemrograman PHP untuk memfasilitasi proses pelatihan dan pengujian komputasi. Berdasarkan hasil pengujian terhadap 38 data uji menggunakan parameter bobot akhir jaringan, model berhasil mengklasifikasikan 29 data dengan tepat sesuai kelas target aktualnya. Hasil evaluasi menunjukkan bahwa sistem mampu mencapai tingkat akurasi sebesar 76,32%. Misklasifikasi sebesar 23,68% umumnya terjadi pada data dengan nilai di area batas ambang (threshold) akibat dominasi parameter bias akhir jaringan. Secara keseluruhan, model klasifikasi ini valid dalam mengidentifikasi pola durasi menginap, sehingga dapat memberikan wawasan strategis bagi pemerintah daerah dan pelaku industri pariwisata dalam merumuskan kebijakan pengembangan yang lebih terarah dan berbasis data. Kata Kunci: Jaringan Hebb, Klasifikasi, Durasi Menginap, Hotel Berbintang, Machine Learning, Pariwisata Indonesia.
KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI KELAYAKAN EKSPOR KOPI ARABIKA DENGAN CORRELATION-BASED FEATURE SELECTION Diva Agustin Purba; Nazma Aulia; Pujawati; Dicky Apdillah; Bambang Irwansyah; Harmayani
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6589

Abstract

Abstract: Arabica coffee is a high-value export commodity for the Indonesian economy. To maintain global competitiveness, coffee beans must meet export feasibility quality standards based on the cupping score from the Coffee Quality Institute (CQI). This study aims to compare the performance of the K-Nearest Neighbor (KNN) and Gaussian Naive Bayes algorithms in classifying the export feasibility of Arabica coffee beans. In sensory quality testing, high-dimensional attributes (10 parameters) can cause accuracy instability and increase computational load. Therefore, Correlation-based Feature Selection (CFS) was applied to reduce redundant features. The CFS process filtered the initial 10 features into 4 selected features (Flavor, Acidity, Cupper Points, and Aroma). The Dataset was obtained from the Kaggle Coffee Quality Database and had undergone Excel format adjustments before being loaded into the system. Modeling was conducted using 1,303 data records with a 30% split for testing data. The evaluation results showed that the Naive Bayes algorithm provided the best performance, achieving an accuracy rate of 97.95%. The use of CFS proved successful in reducing feature dimensions by 60% without significantly decreasing classification accuracy. Keywords: Arabica Coffee; Export Classification; K-Nearest Neighbor; Naive Bayes; Correlation-based Feature Selection.   Abstrak: Kopi Arabika merupakan komoditas ekspor bernilai tinggi bagi perekonomian Indonesia. Untuk menjaga daya saing di tingkat global, biji kopi harus memenuhi standar kualitas kelayakan ekspor berdasarkan cupping score dari Coffee Quality Institute (CQI). Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Gaussian Naive Bayes dalam klasifikasi kelayakan ekspor biji kopi Arabika. Dalam pengujian sensoris mutu, dimensionalitas atribut yang tinggi (10 parameter) dapat menyebabkan ketidakstabilan akurasi dan meningkatkan beban komputasi. Oleh karena itu, Correlation-based Feature Selection (CFS) diterapkan untuk mereduksi fitur redundan. Proses CFS menyaring 10 fitur awal menjadi 4 fitur terpilih (Flavor, Acidity, Cupper Points, Aroma). Dataset diambil dari Kaggle Coffee Quality Database dan telah melalui tahapan penyesuaian format Excel sebelum dimuat ke sistem. Pemodelan dilakukan menggunakan 1303 rekam data dengan pembagian data uji sebesar 30%. Hasil evaluasi menunjukkan bahwa algoritma Naive Bayes memberikan performa terbaik dengan tingkat akurasi mencapai 97,95%. Penggunaan CFS terbukti berhasil memangkas dimensi fitur sebesar 60% tanpa menurunkan akurasi klasifikasi secara signifikan. Kata Kunci: Kopi Arabika; Klasifikasi Ekspor; K-Nearest Neighbor; Naive Bayes; Correlation-based Feature Selection.
Co-Authors Abdul Aziz Ardana Ahmad Dani Aji Febrian Sani Annisa Fitriani Apri Afandi Arinda Faradilla Mrp Arinda Faradillah Marpaung Ayu Andira Daniswara Daniswara Dea Tiara Dea Tiara Azhari Delyanti Putri Sitorus Devi Puspita Sari Dicky Apdillah Dilla Atika Sury Diva Agustin Purba Eldo Yusri Emi Dea Fadli Anwar Sinaga Fajar Hardiansyah Harmayani Harry Dwiki Pramadan Imam Arifin Junita Sastri M Yoggi Saputra M. Naufal Ramadhan Muhammad Affandi Muhammad Fakhri Fauzar Muhammad Fauzan Muhammad Fauzan Yafi Muhammad Khairul Fahri Muhammad Sukri Nabila Nabila Nabila Nazma Aulia Nurdiani Nurul Fadillah Nurul Natasya Pujawati Rahmat Rahmat Reno Rahmadiansyah Ridho Agusman Salsadina Putri Tanjung Santi Kayani Siregar Siti Gkhonia Siti Ramadani Sultan Nico Nur'Arsy Syahputri Amelia Triana Puspa Handayani Utami Wardah Hafiz Vivin Wulandari Yunita Sari