Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal The IJICS (International Journal of Informatics and Computer Science) Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Kolaborasi Sains dan Ilmu Terapan
Sinta Suwanda
STMIK Pelita Nusantara
Aerospace Engineering Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Public Health

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Matematis pada Algoritma K-Means Clustering dalam Pengelompokkan Data Yulia Utami; Desi Vinsensia; Sinta Suwanda; Muhammad Rizal Mohaimin
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69688/juksit.v5i1.155

Abstract

Penelitian ini bertujuan untuk melakukan segmentasi pelanggan pada toko susu berdasarkan pola transaksi menggunakan pendekatan data mining dengan algoritma K-Means Clustering. Variabel yang digunakan dalam analisis ini meliputi frekuensi pembelian dan jumlah pengeluaran pelanggan. Proses analisis diawali dengan pengolahan data kemudian dilanjutkan dengan penentuan jumlah cluster optimal menggunakan metode Elbow untuk memperoleh nilai K terbaik. Hasil pengujian menunjukkan bahwa jumlah cluster optimal adalah empat kelompok. Penerapan algoritma K-Means dengan perhitungan yang menggunakan phyton menghasilkan pengelompokan pelanggan berdasarkan kemiripan karakteristik, di mana setiap cluster memiliki nilai centroid yang berbeda yang merepresentasikan tingkat aktivitas dan besaran pengeluaran pelanggan. Cluster 3 menunjukkan kelompok pelanggan dengan tingkat pembelian dan pengeluaran rendah, cluster 1 menggambarkan pelanggan dengan tingkat menengah, cluster 2 menunjukkan pelanggan dengan tingkat aktivitas tinggi, sedangkan cluster 0 merepresentasikan pelanggan dengan nilai transaksi dan frekuensi paling tinggi atau kategori premium. Hasil penelitian ini menunjukkan bahwa metode K-Means Clustering efektif dalam mengelompokkan pelanggan berdasarkan perilaku pembelian sehingga dapat digunakan sebagai dasar dalam penyusunan strategi pemasaran yang lebih tepat sasaran
K-Means Clustering for Adaptive Learning Recommendations Based on Student Academic Performance in Vocational Education petti sijabat; Eviyanti Barus; Kristin Sitompul; Sinta Suwanda; Maira Mau Lydia
The IJICS (International Journal of Informatics and Computer Science) Vol. 10 No. 2 (2026): July
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/ijics.v10i2.9806

Abstract

Differences in students' academic abilities create challenges in the learning process because many schools still apply uniform learning strategies without considering individual academic characteristics. This study aims to cluster students based on academic performance using the K-Means Clustering algorithm and to generate adaptive learning recommendations for each cluster. The dataset consisted of academic records from 50 students of SMK Swasta 2 Delima Sari in the 2024/2025 academic year, including assignment scores, Midterm Examination (UTS) scores, Final Examination (UAS) scores, and attendance rates. Data preprocessing was conducted through data cleaning and Min-Max normalization to ensure that each variable contributed proportionally to the clustering process. The K-Means algorithm was implemented with k = 3 to form high, medium, and low academic performance groups. The results show that 12 students (24%) were classified into the High Cluster, 28 students (56%) into the Medium Cluster, and 10 students (20%) into the Low Cluster. The clustering quality was supported by a WCSS value of 2.3714 and a Silhouette Score of 0.6843, indicating reasonably well-separated clusters. Based on the cluster profiles, students in the High Cluster are recommended to receive enrichment activities, students in the Medium Cluster receive regular instruction with periodic feedback, and students in the Low Cluster receive remedial learning and structured mentoring. These findings indicate that K-Means Clustering can support data-driven educational decision-making and provide a practical basis for adaptive learning recommendations in vocational education.
PENGUATAN LITERASI DAN PEMANFAATAN AI BAGI SISWA SMK DALAM MENDUKUNG HUMAN AI COLLABORATION DI DUNIA KERJA DIGITAL Petti Indrayati Sijabat; Agustina Simangunsong; Eviyanti Br Barus; Sinta Suwanda; Maira Mau Lydia
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 7 No. 3 (2026): Vol. 7 No. 3 (2026)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v7i4.61545

Abstract

Pesatnya perkembangan teknologi kecerdasan buatan (AI) menuntut kesiapan tenaga kerja yang kompeten dalam berkolaborasi dengan teknologi digital. Penelitian ini bertujuan untuk meningkatkan literasi digital dan kemampuan pemanfaatan Artificial Intelligence (AI) bagi siswa Sekolah Menengah Kejuruan (SMK) guna mendukung konsep Human-AI Collaboration di dunia kerja masa depan. Kegiatan Pengabdian kepada Masyarakat (PKM) ini menggunakan metode pelaksanaan yang terstruktur, meliputi empat tahapan utama: persiapan, pelatihan, pendampingan, dan evaluasi. Pada tahap pelatihan, siswa diberikan pemahaman mendalam mengenai literasi digital, pengenalan konsep dasar AI, serta praktik langsung (hands-on) penggunaan berbagai perangkat AI untuk menyelesaikan tugas-tugas pembelajaran secara efektif. Selanjutnya, tahap pendampingan dilakukan secara intensif untuk memastikan siswa mampu menerapkan teknologi AI tidak hanya secara teknis, tetapi juga dengan mempertimbangkan aspek etika dan tanggung jawab digital. Evaluasi program diukur melalui penyebaran kuesioner pre-test dan post-test serta observasi langsung terhadap peningkatan keterampilan teknis peserta. Hasil kegiatan menunjukkan adanya peningkatan signifikan pada pemahaman siswa terhadap ekosistem AI, di mana kemampuan praktik dalam mengintegrasikan AI ke dalam proses belajar meningkat secara drastis. Selain itu, kesadaran siswa akan pentingnya sinergi antara keahlian manusia dan kecerdasan mesin (kolaborasi manusia-AI) juga mengalami penguatan. Secara keseluruhan, program ini memberikan kontribusi strategis dalam membekali siswa SMK dengan kompetensi digital yang relevan, sehingga mereka lebih siap menghadapi tantangan dan persaingan di dunia kerja digital yang terus bertransformasi.
Co-Authors Eviyanti Barus Eviyanti Br Barus Kristin Sitompul Maira Mau Lydia Muhammad Rizal Mohaimin Petti Indrayati Sijabat Simangunsong, Agustina Utami, Yulia Vinsensia, Desi