Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JUTECH : Journal Education and Technology Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Jiyan Suhada
Universitas Pamulang
Humanities Computer Science & IT Education Languange, Linguistic, Communication & Media Mathematics Other

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

Found 3 Documents
Search

 1 
Penerapan K-Means Klustering dengan Algoritma Kluster Dinamik untuk Meningkatkan Kualitas Kluster pada Segmentasi Dokter Potensial: Studi Kasus PT. XYZ: Penelitian Hari Setyawan; Jiyan Suhada; Kelvin Andrean
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.4781

Abstract

The traditional K-Means algorithm has a significant weakness in its reliance on random cluster center initialization, which often results in unstable and suboptimal segmentation. This study aims to improve the quality of potential physician segmentation by proposing the integration of a dynamic clustering algorithm into the K-Means framework. The applied method is K-Means augmented with a dynamic clustering algorithm, using RFM (Recency, Frequency, Monetary) attributes derived from physician profile data. Cluster quality is evaluated using the Davies- Bouldin Index (DBI) and Purity. The proposed approach successfully improved segmentation accuracy by 25.15% compared to traditional K-Means. Quantitative analysis shows a significant improvement in cluster quality, indicated by a decrease in the DBI value from 0.846 to 0.411. Furthermore, the Purity value increased from 0.5294 to 0.7647, indicating improved cluster homogeneity. These results demonstrate that the dynamic clustering algorithm effectively addresses initialization sensitivity by iteratively adjusting cluster configurations based on inter- cluster and intra-cluster similarity. The final segmentation yielded four clusters of potential physicians with distinct RFM characteristics, enabling more targeted marketing strategies. The implementation of this model provides strategic benefits for pharmaceutical companies, including the ability to allocate promotional and sponsorship resources more efficiently based on a more accurate and reliable mapping of potential physicians.
Analisis Perbandingan Kinerja Metode Load Balancing Per Connection Classifier dan Equal Cost Multi Path pada Jaringan Internet: Penelitian Jiyan Suhada; Hari Setyawan
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.5322

Abstract

Kebutuhan akan jaringan internet yang stabil dan andal semakin meningkat seiring dengan pertumbuhan jumlah pengguna dan layanan berbasis digital. Load balancing merupakan salah satu solusi yang umum diterapkan untuk mendistribusikan trafik jaringan agar beban koneksi dapat terbagi secara merata. Dua metode load balancing yang sering digunakan adalah Per Connection Classifier (PCC) dan Equal Cost Multi Path (ECMP). Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja kedua metode tersebut pada jaringan internet. Metode penelitian yang digunakan adalah metode eksperimental dengan menerapkan konfigurasi PCC dan ECMP pada perangkat router dalam topologi jaringan yang sama. Pengujian dilakukan dengan skenario trafik yang identik, meliputi aktivitas browsing, streaming, dan pengunduhan data dengan melibatkan beberapa klien secara bersamaan. Parameter kinerja jaringan yang dianalisis meliputi throughput, delay, jitter, dan packet loss, serta stabilitas koneksi. Hasil penelitian menunjukkan bahwa metode PCC memiliki kinerja yang lebih baik dalam menjaga stabilitas koneksi dan konsistensi jalur trafik, terutama pada aplikasi berbasis sesi. Sementara itu, metode ECMP menunjukkan nilai throughput yang relatif lebih tinggi, namun cenderung mengalami fluktuasi dan ketidakstabilan pada koneksi tertentu. Berdasarkan hasil analisis tersebut, dapat disimpulkan bahwa metode PCC lebih sesuai digunakan pada jaringan yang membutuhkan stabilitas koneksi tinggi, sedangkan ECMP dapat diterapkan pada jaringan dengan kebutuhan distribusi trafik yang sederhana.
ANALISIS PERAN TEKNOLOGI INFORMASI DAN KECERDASAN BUATAN DALAM MEMPERSIAPKAN SISWA SMK PKP 1 JAKARTA MENGHADAPI DUNIA KERJA I Made Sugi Ardana; Jiyan Suhada; Dian Tri Yuniarti; Mochammad Rizky
JUTECH : Journal Education and Technology Vol 6, No 2 (2025): JUTECH DESEMBER
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v6i2.5045

Abstract

Penelitian ini bertujuan untuk menganalisis sejauh mana pemanfaatan teknologi informasi dan pemahaman kecerdasan buatan (AI) berkontribusi terhadap kesiapan siswa SMK PKP 1 Jakarta dalam menghadapi dunia kerja. Metode penelitian yang digunakan adalah deskriptif kuantitatif dengan teknik survei terhadap siswa jurusan Teknik Komputer dan Jaringan (TKJ). Instrumen yang digunakan berupa kuesioner tertutup dan terbuka. Hasil pengolahan data menunjukkan bahwa 76% responden menyatakan penggunaan teknologi informasi di sekolah membantu mereka memahami materi secara lebih efisien. Sebanyak 64% siswa menyatakan pernah menggunakan aplikasi berbasis AI, namun hanya 42% yang benar-benar memahami prinsip dasarnya. Uji korelasi Pearson menunjukkan nilai r = 0,712 (p < 0,05) antara pemahaman AI dengan kesiapan menghadapi dunia kerja, yang menunjukkan hubungan positif kuat dan signifikan. Analisis regresi sederhana juga menunjukkan bahwa variabel TI dan AI berkontribusi sebesar 52,6% terhadap variabel kesiapan kerja. Hal ini menandakan bahwa semakin baik integrasi TI dan pemahaman AI dalam proses pembelajaran, semakin tinggi pula tingkat kesiapan siswa menghadapi tantangan profesional di era digital.
Co-Authors Dian Tri Yuniarti Hari Setyawan I Made Sugi Ardana Kelvin Andrean Mochammad Rizky