Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer dan Informatika (JSON)
Muhammad Zikri Ramadhan
Universitas Pembangunan Panca Budi
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perbandingan K-Means dan Hierarchical Clustering untuk Pengelompokan Calon Penerima Beasiswa Berdasarkan Data Akademik Sosial dan Ekonomi Mahasiswa Septia Harliansyah; Muhammad Hafizh Al-Ghifari Rangkuti; Muhammad Zikri Ramadhan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 4 (2026): Juni 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i4.9852

Abstract

This study aims to compare the performance of the K-Means and Hierarchical Clustering algorithms in grouping scholarship applicants based on academic and socio-economic data. The methodology includes data preprocessing through normalization, determining the optimal number of clusters using the Elbow method, and applying both clustering algorithms. The evaluation is conducted using the Silhouette Score to measure cluster quality based on cohesion and separation. The results show that K-Means produces a higher Silhouette Score compared to Hierarchical Clustering, indicating that K-Means is able to form more compact clusters with clearer separation between them. In contrast, Hierarchical Clustering tends to produce less optimal cluster structures, especially when applied to datasets with a relatively large number of data points. Therefore, K-Means can be recommended as a more effective method for grouping scholarship applicants based on academic and socio-economic data. This study is expected to serve as a reference in selecting appropriate clustering methods in data mining, particularly to support more objective and accurate decision-making processes.
Rancangan Konseptual Sistem Diseminasi Peringatan Dini Bencana Berbasis Iot LoRa Untuk Wilayah Blank Spot Khairul; Tri Wiyono; Andika Dwi Aryo H; Ahmad Syaukani; Muhammad Zikri Ramadhan
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 8 No. 1 (2026): September (2026)
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v8i1.9979

Abstract

Wilayah blank spot menghadapi kendala dalam menerima peringatan dini karena tidak dapat mengandalkan internet atau jaringan seluler. Penelitian ini bertujuan menghasilkan proof of concept sistem diseminasi peringatan dini berbasis LoRa sebagai kanal last-mile dari sumber resmi menuju perangkat penerima masyarakat. Metode yang digunakan adalah Design Science Research, yang mencakup identifikasi masalah, perumusan tujuan solusi, perancangan artefak, demonstrasi konseptual, evaluasi teoretis, dan komunikasi hasil. Artefak yang dihasilkan meliputi arsitektur konseptual, aliran pesan end-to-end, pemetaan aktor dan mode kegagalan, serta kerangka evaluasi berdasarkan jangkauan, waktu pengiriman, kapasitas pesan, keandalan transmisi, dan efisiensi daya. Hasil evaluasi menunjukkan bahwa kapasitas pesan memenuhi kebutuhan dasar apabila informasi disederhanakan, sedangkan jangkauan, waktu pengiriman, dan keandalan memenuhi secara bersyarat karena dipengaruhi topografi, vegetasi, interferensi, posisi antena, ukuran payload, dan retransmisi. Efisiensi daya belum terverifikasi karena belum dilakukan pengujian perangkat. LoRa tidak menggantikan seluruh jaringan komunikasi kebencanaan, tetapi melengkapi distribusi pada sisi last-mile dan tetap bergantung pada konektivitas hulu, sumber data resmi, listrik, serta tata kelola pemerintah daerah. Karena belum mencakup implementasi perangkat dan uji lapangan, hasil penelitian merupakan kelayakan konseptual yang perlu divalidasi melalui pengembangan prototipe dan pengujian teknis-operasional.
Co-Authors Ahmad Syaukani Andika Dwi Aryo H Khairul Muhammad Hafizh Al-Ghifari Rangkuti Septia Harliansyah Tri Wiyono