Yuda Perwira
Unknown Affiliation

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

Found 2 Documents
Search

Performance Analysis of Parallel Merge Sort Using MPI (Message Passing Interface) on Big Data Dataset Panggabean, Erwin; Yuda Perwira; Dedi Candro Parulian Sinaga; Annisa Tri Utami; Vincha Swe Meiya Pricilla Sembiring
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9307

Abstract

The rapid growth of data in the era of Big Data demands efficient and scalable algorithms to handle large datasets. Sorting, as a fundamental operation in data processing, plays a crucial role in various computational tasks. This study focuses on the performance analysis of the Parallel Merge Sort algorithm using the Message Passing Interface (MPI) to accelerate sorting operations on large-scale datasets. The implementation utilizes MPI for distributed memory communication across multiple processes, enabling concurrent data partitioning and merging. Experiments were conducted on datasets ranging from several hundred megabytes to multiple gigabytes to evaluate performance metrics such as execution time, speedup, and efficiency. The results demonstrate that the parallel implementation significantly reduces computation time compared to the sequential version, especially as the dataset size and the number of processes increase. However, the performance gain tends to decrease when communication overhead between MPI processes becomes dominant. Overall, the findings indicate that MPI-based Parallel Merge Sort is an effective approach for large-scale data sorting, providing a balance between computation and communication efficiency in parallel environments.
Penerapan Metode K-Means Clustering Dalam Analisis Profil Konsumen Untuk Strategi Manajemen Pemasaran Apriani, Wira; Yuda Perwira; Refin Herissandi; Septian Jordan Purba
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12492

Abstract

Segmentasi konsumen merupakan pendekatan penting dalam manajemen pemasaran untuk memahami karakteristik pelanggan dan merumuskan strategi yang tepat sasaran. Namun, tidak semua organisasi memiliki data transaksi yang lengkap, sehingga pemanfaatan data profil pelanggan non-transaksional menjadi alternatif yang relevan. Penelitian ini bertujuan untuk melakukan segmentasi konsumen berdasarkan profil pelanggan menggunakan metode K-Means Clustering sebagai dasar penyusunan strategi manajemen pemasaran. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik data mining. Dataset yang digunakan adalah dataset publik Customers Purchase Behavior dari Kaggle yang terdiri dari 72.637 data pelanggan. Variabel yang dianalisis meliputi lifestage dan premium customer. Data kategorik ditransformasikan melalui proses encoding dan dinormalisasi sebelum diterapkan algoritma K-Means Clustering. Hasil penelitian menunjukkan bahwa konsumen dapat dikelompokkan ke dalam tiga segmen utama dengan karakteristik yang berbeda berdasarkan tahapan kehidupan dan preferensi harga. Segmentasi ini mencerminkan perbedaan sensitivitas harga dan potensi nilai pelanggan pada masing-masing kelompok. Penelitian ini menyimpulkan bahwa metode K-Means Clustering efektif digunakan untuk segmentasi konsumen berbasis data profil pelanggan non-transaksional. Hasil segmentasi dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam penyusunan strategi manajemen pemasaran yang lebih terarah dan berbasis data.