Article Per Year (5 Year)
p-Index From 2021 - 2026
2.986
P-Index
This Author published in this journals
All Journal Dinamik Sistemasi: Jurnal Sistem Informasi JURTEKSI JOURNAL OF SCIENCE AND SOCIAL RESEARCH EDUMATIC: Jurnal Pendidikan Informatika JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Kewarganegaraan J-Com (Journal of Computer) Bulletin of Information Technology (BIT) Jurnal Algoritma Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Electronic Journal of Education, Social Economics and Technology Interaksi : Jurnal Pengabdian Kepada Masyarakat
Handayani, Masitah
Unknown Affiliation
Religion Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Nursing Public Health Social Sciences Veterinary Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JOURNAL OF SCIENCE AND SOCIAL RESEARCH

 1 
OPTIMASI MODEL CLUSTERING DALAM PEMETAAN STUNTING DI KABUPATEN ASAHAN Handayani, Masitah; Sibuea, Mustika Fitri Larasati
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 7, No 4 (2024): November 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v7i4.1417

Abstract

Peningkatan angka stunting di Kabupaten Asahan pada tahun 2022 mencapai 15,3%, belum memenuhi atas target nasional yang ditetapkan sebesar 14% pada tahun 2024. Untuk mengatasi masalah ini, pemerintah daerah perlu melakukan pemetaan wilayah rentan terhadap stunting menggunakan pendekatan teknologi data science yang lebih komprehensif. Namun, upaya tersebut belum dilakukan secara optimal sehingga program penanganan stunting belum efektif. Penelitian ini bertujuan untuk mengoptimalkan model clustering dalam pemetaan stunting di Kabupaten Asahan dengan menggunakan data dari berbagai puskesmas. Metode yang digunakan mencakup normalisasi data dengan Z-Score untuk mengurangi dampak outlier, penentuan jumlah klaster optimal menggunakan metode Elbow, dan inisialisasi pusat klaster menggunakan K-Means++. Hasil dari analisis menunjukkan bahwa jumlah klaster optimal adalah 3, dan evaluasi clustering menggunakan Davies-Bouldin Index (DBI) menghasilkan skor sebesar 0.589, yang menunjukkan performa model clustering yang baik. DBI yang lebih rendah mengindikasikan bahwa cluster yang terbentuk cukup kompak dan terpisah dengan baik, sehingga dapat membantu pemetaan wilayah untuk alokasi sumber daya yang lebih efisien dalam penanganan stunting di Kabupaten Asahan.Kata kunci: Stunting; K-Means++; Elbow Method; Z-Score, Davies-Bouldin Index.The increase in stunting rates in Asahan Regency in 2022 reached 153%, far above the national target set at 14% in 2024. To overcome this problem, local governments need to map areas vulnerable to stunting using a more comprehensive data science technology approach. However, these efforts have not been carried out optimally so that the stunting management program has not been effective. This research aims to optimize the clustering model in stunting mapping in Asahan Regency using data from various community health centers. The method used includes data normalization with Z-Score to reduce the impact of outliers, determining the optimal number of clusters using the Elbow method, and initializing cluster centers using K- Means++. The results of the analysis show that the optimal number of clusters is 3, and clustering evaluation using the Davies-Bouldin Index (DBI) produces a score of 0.589, which shows good clustering model performance. A lower DBI indicates that the clusters formed are quite compact and well separated, so they can help map areas for more efficient resource allocation in handling stunting in Asahan Regency. Keywords: Stunting; K-Means++; Elbow Method; Z-Score; Davies-Bouldin Index. 
IMPLEMENTASI METODE SAW DALAM PENDUKUNG KEPUTUSAN PEMBERIAN REWARD BAGI TENAGA PENGAJAR Handayani, Masitah; Sibuea, Mustika Fitri Larasati; Sundari, Sundari
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3110

Abstract

Abstract: Rewarding is an important strategy in increasing individual motivation and performance, both in educational environments, companies, and other organizations. However, the process of selecting reward recipients is often done subjectively, which can lead to dissatisfaction and potential injustice. Therefore, an objective and measurable method is needed to determine reward recipients in a more transparent and fair manner. One of the decision-making methods that can be applied in this process is the Simple Additive Weighting (SAW) method. The SAW method is known as a simple and effective method in assessing alternatives based on predetermined criteria. With clear criteria weights and values, this method is able to provide more objective results in the reward recipient selection process. Rewarding based on the SAW method aims to increase objectivity and transparency in the selection of reward recipients because it has assessment indicators for each criterion in each alternative involved. There are nine classes of teaching staff who are assessed using the SAW Method with four assessment criteria in awarding rewards, namely Last Education, Length of Service, Discipline and Teaching Methods. Based on these calculations, the alternative that is entitled to receive a reward is A01 with the highest Vi value of 0.95 Keywords: SAW Method, Reward, Instructor Abstrak: Pemberian reward merupakan salah satu strategi penting dalam meningkatkan motivasi dan kinerja individu, baik dalam lingkungan pendidikan, perusahaan, maupun organisasi lainnya. Namun, proses pemilihan penerima reward sering kali dilakukan secara subjektif, sehingga dapat menimbulkan ketidakpuasan dan potensi ketidakadilan. Oleh karena itu, diperlukan metode yang objektif dan terukur untuk menentukan penerima reward secara lebih transparan dan adil. Salah satu metode pengambilan keputusan yang dapat diterapkan dalam proses ini adalah metode Simple Additive Weighting (SAW). Metode SAW dikenal sebagai metode yang sederhana dan efektif dalam menilai alternatif berdasarkan kriteria yang telah ditentukan. Dengan bobot dan nilai kriteria yang jelas, metode ini mampu memberikan hasil yang lebih objektif dalam proses seleksi penerima reward. Pemberian reward berbasis metode SAW bertujuan untuk meningkatkan objektivitas dan transparansi dalam pemilihan penerima reward karena memiliki indikator penilaian untuk setiap kriteria pada masing-masing alternative yang terlibat. Ada Sembilan beklas orang tenaga pengajar yang dinilai menggunakan Metode SAW dengan empat kriteria penilaian dalam pemberian reward yaitu Pendidikan Terkahir, Lama Bekerja, Kedisiplinan dan Metode Pengajaran. Berdasarkan perhitungan tersebut alternative yang berhak mendapatkan reward adalah adalah A01 dengan nilai Vi tertinggi adalah 0,95. Kata kunci: Metode SAW, Reward, Tenaga Pengajar
Co-Authors Alhidayah, Riama Anggraeni, Nawang Aulia, Karina Putri Dewi Handayani Havid Syafwan Helmiah, Fauriatun Imran Imran Indriyani Irawati, Novica Irianto Irianto Iwan Ramadhan Jeperson Hutahaean Larasati, Mustika Fitri Latiffani, Chitra Mustika Fitri Larasati Sibuea Natasya, Tri Adetia Nofitri, Rika Okianna Okianna Putri, Pristiyanilicia Rahayu, Elly Risnawati Risnawati Rizki Rahmawati, Rizki Sari, Ade Mutiara Siagian, Febriyaningsih Sumantri Sundari Sundari Syahputra, Abdul Karim Ubaidillah, Abdul Azis Yuli Agustina, Yuli Zulkhairani, Zulkhairani