Article Per Year (5 Year)
p-Index From 2020 - 2025
7.596
P-Index
This Author published in this journals
All Journal Journal of Nutrition and Health Jurnal Kedokteran Brawijaya JURNAL BERKALA ILMIAH EFISIENSI Jurnal Online Mahasiswa (JOM) Bidang Keguruan dan Ilmu Pendidikan Teknofisika Jurnal Informatika dan Teknik Elektro Terapan Jurnal Pendidikan Usia Dini Jurnal Gizi dan Kesehatan Jurnal Riset Manajemen dan Bisnis (JRMB) Fakultas Ekonomi UNIAT EDU-KATA: Jurnal Bahasa, Sastra, dan Pembelajarannya SENTRALISASI Arthavidya Jurnal Ilmiah Ekonomi EPIC : Journal of Electrical Power, Instrumentation and Control JATI (Jurnal Mahasiswa Teknik Informatika) Media Informatika International Journal of Business Economics (IJBE) Jurnal Somasi (Sosial Humaniora Komunikasi) PREMIERE : Journal of Islamic Elementary Education Jurnal Ilmiah Wahana Pendidikan Thawalib: Jurnal Kependidikan Islam Akuntansi Bisnis & Manajemen (ABM) Proceeding International Seminar of Islamic Studies eMBeJi : Manajemen dan Bisnis Jurnal Jurnal Manajemen dan Bisnis Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) International Journal of Accounting & Finance in Asia Pasific Jurnal Pengabdian Masyarakat Bangsa Jurnal Komputer dan Elektro Sains Coreid Journal JUMBA Jurnal Manajemen, Bisnis, dan Akuntansi JUAN: Jurnal Pengabdian Nusantara Al Iidara Balad : Jurnal Administrasi Negara
Rini Astuti
Jurusan Manajemen, Ekonomi dan Bisnis, Universitas Sam Ratulangi, Manado 95115, Indonesia
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 2   3   4   5   6 
IMPLEMENTASI ALGORITMA RANDOM FOREST PADA APLIKASI PICSART BERDASARKAN RESPON PENGGUNA Farkhatul Jannah, Siti; Astuti, Rini; Muhamad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8329

Abstract

Peningkatan kualitas aplikasi mobile menjadi fokus utama pengembangan dalam konteks teknologi saat ini. Untuk mendapatkan wawasan yang mendalam mengenai faktor-faktor yang mempengaruhi respon pengguna terhadap aplikasi mobile. Penelitian ini bertujuan untuk menganalisis respon pengguna terhadap aplikasi PicsArt dengan menggunakan teknik pembelajaran mesin, khususnya algoritma Random Forest. Dengan fokus pada pengembangan model prediksi yang akurat dengan pengumpulkan data dari pengguna aplikasi, mencakup aspek kepuasan, penggunaan fitur, dan preferensi. Melalui pemilihan fitur, Algoritma Random Forest dipilih karena kemampuannya mengatasi kompleksitas data dan menghindari overfitting. Model ini dilatih menggunakan data yang telah diproses dan diuji untuk memberikan wawasan berharga kepada pengembang aplikasi, membantu meningkatkan kualitas pengalaman pengguna, dan mendukung pengambilan keputusan yang efektif dalam pengembangan selanjutnya. Model yang dikembangkan berhasil mencapai tingkat akurasi sebesar 95.17%, mencerminkan kemampuannya dalam membuat prediksi yang tepat terhadap sentimen pengguna. Precision yang tinggi untuk kelas positif (94.71%) dan kelas negatif (95.63%) menunjukkan ketepatan model dalam mengidentifikasi ulasan yang bersifat positif dan negatif. Selain itu, recall yang mencapai 95.67% untuk kelas positif dan 94.66% untuk kelas negatif mengindikasikan kemampuan model untuk mengenali sebagian besar kasus yang seharusnya termasuk dalam kedua kelas tersebut. Temuan ini memperkuat bahwa model Random Forest efektif dalam menganalisis sentimen pada ulasan pengguna PicsArt.
IMPLEMENTASI ALGORITMA K-MEANS PADA PENGELOMPOKAN DATA PENERIMAAN PESERTA DIDIK BARU DI SMKN 1 BALONGAN Suiroh, Suiroh; Astuti, Rini; Muhamad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8335

Abstract

Penerimaan Peserta Didik Baru (PPDB) di SMKN 1 Balongan memiliki peranan penting dalam mengelola lembaga pendidikan yang berlangsung setiap tahun menjelang dimulainya tahun ajaran baru. Masalah pada penelitian ini yaitu SMKN 1 Balongan masih sering menemui strategi yang kurang tepat dalam promosi penerimaan siswa baru dikarenakan belum memiliki informasi dari hasil pengelompokan data penerimaan peserta didik baru yang mendaftar. Penelitian ini bertujuan untuk mendapatkan informasi dari hasil pengelompokan data penerimaan peserta didik baru dengan melalui penerapan algoritma K-Means Clustering. Selain itu, penelitian ini bertujuan untuk mendapatkan parameter Numerical Measures Type apa yang menghasilkan kelompok terbaik pada data PPDB. Pada penelitian ini metode yang digunakan yaitu Knowledge Discovery in Database (KDD). Hasil dari pengelompokan menunjukan bahwa dari jumlah cluster K2 sampai K10 menghasilkan K mana yang terbaik performanya yaitu yang mendekati angka 0. Nilai K yang paling mendekati angka 0 adalah K2. diperoleh hasil terbaiknya yaitu pada cluster k-2 dengan nilai DBI sebesar 0,508 untuk parameter Numerical Measures Type ChebychevDistabce dan Correlaton Matrix. Untuk mengevaluasi kinerja algoritma K-means dapat dilihat dari performance, dimana nilai Davies Bouldin yang mendekati 0 mengindikasikan kualitas algoritma yang semakin baik. Dengan demikian, maka jumlah cluster terbaik dalam percobaan ini adalah K2 atau yang mendekati 0.
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA K- MEANS CLUSTERING DALAM ANALISIS PENJUALAN PRODUK Tiara Alifa, Talitha; Astuti, Rini; Muhamad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8340

Abstract

Fashion pria beroperasi di sebuah Department Store X dan fokus pada penjualan pakaian pria dengan berbagai macam produk seperti Kemeja, T-shirt, Celana pendek, Celana Panjang dan produk sebagainya. menghadapi tantangan memanfaatkan informasi penjualan yang melimpah untuk meningkatkan strategi penjualan. Oleh karena itu, penelitian ini menggunakan metode clustering K-Means untuk mengelompokkan data penjualan dan menentukan produk pakaian mana yang laris dan produk mana yang kurang laris di pasar mode pria. Dengan demikian, penelitian ini dapat mempermudah mengidentifikasi produk. Algoritma clustering K-Means digunakan untuk membuat kelompok produk yang saling terkait dari data penjualan pakaian pria.. Dalam konteks ini, informasi yang dimiliki, seperti Nama Barang (Artikel), Stok Awal, dan Produk yang Terjual, digunakan sebagai atribut dalam analisis K-Means Clustering. Tujuan dari studi ini adalah untuk memperdalam pemahaman terhadap pola penjualan produk Fashion Pria, sehingga hasil analisis dapat memberikan wawasan yang berharga dalam mengelola data penjualan. Hasil dari penerapan K-Means Clustering diharapkan dapat meningkatkan pemahaman tentang tren penjualan, membantu mengidentifikasi produk yang paling diminati, dan memberikan dasar untuk mengoptimalkan strategi pemasaran. Dengan demikian, penelitian ini berperan penting dalam mengubah informasi menjadi pengetahuan yang dapat meningkatkan kinerja penjualan Fashion Pria. Kesimpulan dari penelitian ini memberikan landasan untuk pengembangan strategi bisnis yang lebih cerdas dalam menghadapi dinamika pasar yang terus berubah.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PENJUALAN PADA TOKO LARIS MANIS ANEKA KUE KERING KHAS CIREBON Nurhaliza, Siti; Astuti, Rini; Muhamad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8350

Abstract

Data mining telah menjadi alat yang sangat penting dalam mengatasi tantangan analisis data besar-besaran dan mendukung pengambilan keputusan yang lebih cerdas di berbagai sektor, Tujuannya adalah menemukan pola, tren, atau informasi yang dapat membantu perkiraan atau pengambilan keputusan di berbagai industri.Karena persaingan usaha yang semakin bervariasi, produsen perlu mempunyai rencana yang matang untuk mencapai tujuannya. Diantara metode utama yang diterapkan produsen untuk menangkis persaingan dan mempertahankan kelangsungan bisnis mereka adalah pemasaran melalui penggunaan data pembelian dari database yang dapat memberikan rincian tren penjualan pelanggan pada data transaksi dengan menerapkan metode Market Basket Analysis untuk mengidentifikasi barang yang dibeli sekaligus. Berdasarkan data perdagangan yang kemudian diproses menggunakan Rapid Miner Studio menggunakan algoritma fp-growth, maka perdagangan akan selesai. Salah satu manfaat dari proses data mining ini adalah dapat membantu bisnis dalam memperoleh angka dan kuantitas penjualan serta mengungkap informasi baru. Menurut temuan penelitian, data mining menggunakan algoritma FP-Growth bisa dalam menganalisis perilaku pelanggan dan direkomendasikan dalam ulasan produk untuk barang berkualitas tinggi. Oleh karena itu, produk yang sering dibeli secara kooperatif ditangani dengan hati-hati oleh pemilik toko. Dapat dihasilkan beberapa pola penjualan dalam penelitian ini dan dimanfaatkan untuk keberlangsungan toko.
IMPLEMENTASI DATA MINING UNTUK MENENTUKAN POLA PENJUALAN PRODUK MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Pujiono, Slamet; Astuti, Rini; Muhamad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8360

Abstract

Penjualan fashion adalah proses pemasaran dan penjualan produk yang berkaitan dengan bisnis fashion. Bisnis fashion mencakup segala sesuatu yang berhubungan dengan pakaian, aksesoris, dan produk gaya hidup lainnya yang diproduksi dan dijual untuk memenuhi kebutuhan gaya dan penampilan konsumen. Dalam penelitian ini, pihak bersangkutan memilih untuk menjaga kerahasiaan identitasnya dan menggunakan nama samaran merek X. Karena beragamnya produk yang dijual dan tingkat minat konsumen untuk membelinya, mungkin mengalami kesulitan dalam mengisi persediaan produk. Oleh karena itu, dibutuhkan suatu sistem agar dapat membantu membuat keputusan dengan lebih cepat dan akurat. Untuk mengatasi permasalahan ini, analisis dilakukan dengan menerapkan metode Clustering menggunakan Algoritma K-Means. Penelitian ini bertujuan untuk menyelidiki strategi dan metode yang dapat diterapkan dalam pengelolaan stok barang lebih efisien, mengetahui barang-barang yang diminati guna meningkatkan pendapatan, serta menghindari akumulasi stok berlebihan yang dapat menyebabkan kerugian. Dari hasil penelitian ini diketahui nilai terbaik terdapat pada cluster 2 dengan nilai DBI sebesar -0,310 Terdapat 616 item produk yang termasuk dalam kategori paling laris dalam Cluster_0, sementara 8 item produk kurang laris dalam Cluster_1. Hal ini memungkinkan pemangku kepentingan untuk mengambil tindakan yang lebih baik, diantaranya adalah mengefektifkan pengelolaan persediaan, mengamankan produk yang laris, dan memperluas promosi serta memperbaiki produk yang kurang laris.
ANALISIS SENTIMEN PADA APLIKASI KFCKU Di GOOGLE PLAYSTORE MENGGUNAKAN NAÏVE BAYES Sisnawati, Sisnawati; Astuti, Rini; muhamad basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8382

Abstract

KFC merupakan restoran dengan sistem unit terbesar di Indonesia.KFC memiliki aplikasi yang bernama KFCku aplikasi ini berfungsi untuk memesan makanan secara online atau bisa disebut dengan aplikasi Online Food Delivery system (OFDS) aplikasi ini bertujuan untuk memudahkan konsumen dalam memesan makanan melalui aplikasi dan dapat menjangkau konsumen lebih luas, aplikasi KFCku ini di distribusikan pada google playstore sehingga banyak menghasilkan ulasan dari pengguna.Hasil dari ulasan tersebut memiliki pengaruh bagi penggunaan dan pengembangan pada aplikasi tersebut, namun dengan banyaknya data dan ulasan yang ada sehingga data tersebut tidak bisa di lakukan secara manual. Maka dari itu di perlukan metode untuk melihat kecenderungan pengguna pada aplikasi secara otomatis apakah positif atau negative Pada penelitian ini bertujuan untuk analisis pengguna pada aplikasi KFCku pada Google Playstore, tahapan yang di lakukan dalam penelitian ini adalah menggumpulakan data dari ulasan yang ada di apliksi KFCku sebanyak 500 data baik itu ulasan positif atau negatif. Penelitian ini menggunakan metode text mining yang terdiri dari tahapan, scraping data, labelling, cleaning, preprocessing (transformation, tokenization,filtering) Algoritma yang di gunakan dalam penelitian ini menggunakan algoritma naïve bayes, setelah melakukan proses semuanya hasil dari penelitian analisis sentiment pada aplikasi KFCKU mendapatkan akurasi 83%, untuk ulasan positive, precision mencapai 98%, dan untuk recall 83%. Dari hasil pemprosesan dengan cara klasifikasi dengan menggunakan algoritma naïve bayes bagus dan berjalan dengan baik
IMPLEMENTASI DATA MINING UNTUK PREDIKSI PRODUKSI BAWANG MERAH DI KABUPATEN BREBES Suyono, Suyono; Astuti, Rini; M. Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8399

Abstract

Kabupaten Brebes merupakan lokasi utama di Indonesia yang menghasilkan bawang merah dalam jumlah besar. Bawang merah Brebes memiliki ciri bentuk lebih kering dan tahan busuk serta rasanya lebih pedas daripada bawang dari daerah lain menjadikan keunggulan bawang merah dari Brebes ini. Dinas Pertanian dan Ketahanan Pangan (DPKP) Kabupaten Brebes menyebutkan bahwa luas panen pada tahun 2022 mencapai 32,571 ha dengan jumlah total produksi mencapai 384,448 ton. Ketidakpastian hasil produksi bawang merah membuat harga bawang merah mejadi tidak stabil dan cenderung melonjak. Oleh karena itu, dengan memprediksi hasil produksi bawang merah akan membantu petani dalam melakukan manajemen pertanian bawang merah. Dalam penelitian ini, akan di terapkan metode regresi linier, dimana metode ini dapat menguji suatu hubungan dari variable yang satu dengan variable yang lain, dan memprediksi guna keperluan di bidang pertanian, sumber data yang digunakan berasal dari dataset Dinas Pertanian dan Ketahanan Pangan (DPKP) Kabupaten Brebes. Kemudian, membagi dua data menjadi data training sebesar 80% dan 20% untuk data testing, menghasilkan hasil prediksi jumlah produksi bawang merah pada tahun 2024 sebanyak 3.962.376 Kuintal, mengalami kenaikan daripada tahun 2022. Dengan nilai Mean Absolute Error (MAE) sebesar : 30116.24, Mean Squared Error (MSE) : 2989724823.94, Root Mean Squared Error (RMSE) : 54678.38 serta nilai R2-Score : 0.948.
PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE DALAM MENGANALISIS SENTIMEN ULASAN PELANGGAN SHOPEEFOOD BERDASARKAN TWITTER Nur Rismanah, Siti; Astuti, Rini; M. Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8401

Abstract

Platform seperti ShopeeFood yang dapat digunakan untuk memesan makanan secara online telah menjadi fenomena di industri e-commerce. Fenomena ini muncul sebagai hasil dari perubahan perilaku konsumen yang semakin mengutamakan kenyamanan, efisiensi, dan berbagai pilihan pengalaman makanan. Pesatnya pertumbuhan pemesanan makanan secara online juga memunculkan tantangan dan peluang baru, seperti analisis sentimen terhadap ulasan pelanggan untuk mengetahui tingkat kepuasan, kekhawatiran, dan preferensi pelanggan. Penelitian ini bertujuan untuk menganalisis sentimen terhadap ulasan pelanggan ShopeeFood berdasarkan pengguna Twitter dengan mengambil data melalui teknik data crawling. Pada penelitian ini, data ulasan pelanggan ShopeeFood dari media sosial Twitter yang telah terkumpul dari tanggal 6 September hingga 16 Oktober 2023. Data ini mencakup ulasan pelanggan ShopeeFood sebanyak 2246 data ulasan pelanggan, dan menggunakan metode Knowledge Discovery in Database (KDD). Setelah dilakukan nya pengambilan data, tahapan selanjutnya adalah preprocesing data. Tahapan preprocesing data ini mencakup cleaning data, case folding, labeling, tokenize, filter tokens by length, stopword dengan menggunakan aplikasi RapidMiner dan pengklasifikasian menggunakan algoritma Support Vector Machine. Hasil dari pengujian ini didapatkan nilai akurasi sebesar 80.31%, presisi 73.22%, recall 95.58% dan erorr rate 19.68%.
DETEKSI BERITA PALSU MENGGUNAKAN ALGORITMA RANDOM FOREST Nurohanisah, Siti; Astuti, Rini; Muhammad Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8418

Abstract

Dalam era digital yang dipenuhi oleh penyebaran berita palsu atau yang lebih dikenal dengan istilah "hoaks," tantangan untuk memerangi penyebaran informasi yang salah dan menyesatkan semakin mendesak. Berita palsu memiliki potensi untuk merusak kepercayaan publik, menciptakan kebingungan, dan berdampak negatif pada masyarakat. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasi berita palsu yang menggunakan algoritma Random Forest, dengan tujuan mengeksplorasi cara menggunakan algoritma Random Forest dalam mengidentifikasi dan memisahkan berita palsu dari berita yang asli. Penelitian ini dilakukan dengan memanfaatkan dataset yang mencakup berbagai jenis berita, termasuk berita palsu dan berita asli, yang telah dianalisis dan dikategorikan oleh ahli faktual. Teknik pemrosesan bahasa alami (NLP) digunakan untuk mengekstraksi fitur-fitur penting dari teks berita. Penelitian ini menggunakan algoritma Random Forest untuk klasifikasi. Random Forest bekerja dengan cara menggabungkan sejumlah besar pohon keputusan yang independen untuk membuat keputusan akhir. Setiap pohon membuat prediksi, dan hasil akhirnya didasarkan pada mayoritas prediksi dari pohon-pohon tersebut. Kelebihan utama Random Forest adalah kemampuannya dalam mengatasi overfitting dan meningkatkan akurasi dengan menggabungkan prediksi dari beberapa model. Evaluasi dilakukan dengan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa klasifikasi berita palsu menggunakan algoritma Random Forest mampu mengklasifikasikan berita dengan tingkat akurasi yang memuaskan. Hasil akhir menunjukkan bahwa sistem ini memiliki kinerja yang baik dalam membedakan berita palsu dari berita asli, dengan akurasi rata-rata di atas 87%.
IMPLEMENTASI ALGORITMA K-MEANS DENGAN OPTIMIZE PARAMETER GRID PADA DATA KECELAKAAN LALU LINTAS DI KOTA CIREBON Maulana, Tedy; Astuti, Rini; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8430

Abstract

Kecelakaan lalu lintas merupakan salah satu peristiwa yang terjadi dijalan raya. Banyak faktor yang menyebabkan terjadinya kecelakaan lalu lintas, namun faktor manusia itu sendiri (human error) menjadi masalah utama. Kecelakaan lalu lintas menjadi salah satu permasalahan yang ada di Kota Cirebon. Penelitian ini bertujuan untuk melakukan pengelompokkan data kecelakaan lalu lintas di Kota Cirebon dengan maksud ingin mengetahui informasi karakteristik yang ada dalam dataset kecelakaan lalu lintas di Kota Cirebon dengan mengetahui pengaruh parameter yang ada pada Numerical Measure type dan pengaruh parameter atribut waktu (jam atau menit) agar mendapatkan k optimal berdasarkan Davies Bouldin Index (DBI). Penelitian ini menerapkan data mining dengan algoritma K-Means Clustering. Algoritma K-Means dipilih karena mudah diimplementasikan dan efisiensinya. Data yang digunakan yaitu data kecelakaan lalu lintas di Kota Cirebon dari tahun 2020-2023 dengan total 406 data record. Metode analisis data dilakukan menggunakan teknik Knowledge Discovery in Database(KDD) dengan Optimize Parameter Grid. Hasil analisis diperoleh parameter dengan semua jenis nya pada Numerical Measure type dan parameter hour(jam) yang berpengaruh dalam menghasilkan nilai k optimal yaitu pada cluster k=2 dengan nilai DBI sebesar 0,762. Hasil cluster k=2 dengan nilai DBI sebesar 0,762 merupakan hasil yang sama untuk semua jenis parameter yang ada pada Numerical Measure type.
Co-Authors ', Abdullah Absharina, Eriene Dheanda Agusbaciar, Agusbaciar Agustinus Soemantri Al Lutfani, Thariq Kemal Aldiyansah, Ryan Ambariyanto Ambariyanto Ana, Kiki Kristiya Anggaradinar, Lintang Ayu Anugrahini, Fitria Apriliansyah, Rizal Dwi Rizki Arsha, Shaka Abiyyu Awang Noor Indra Wardana Baihaqi, Ahmad Basysyar, Fadhil Muhammad DAIPAH, IIP IMRON Dalimunthe, Ritha F. Ernani Hadiyati Erpian, Soni Fadhil M Basysyar,M,Kom Fadhilah, Siti Umi Fardani, Tika Sindi Farikah, Siti Farisi, Salman Farkhatul Jannah, Siti Fuadi, Rifqi Syamsul Ginting, Dahlia Gunawan, Sepriyan Habibi, Muhammad Ilham Hadianti, Isan Haikal, Harisman Hamonangan, Ryan Hartanto Hasnida Hasrudy Tanjung, Hasrudy Hellmy Heni Hendriyani Henriani, Suswati Hidayatullah, Gusti Muhammad Husen Adlun, Muhammad Inong Satriadi Irma Purnamasari, Ade irwadi Islam, Saiful Iswari Setianingsih Jamal Janah, Buri Dyah Ayu Ma’rifatul Jefri Khaeru, Abdullah Khoirunisa, Irma Khoirunnisa, Hasna Kusuma Arum, Sintia Kutut Suryopratomo Leviandro, Andrew Liza, Nova Loni Manikari, Salsa Lutfiani, Saufa M. Basysyar, Fadhil Maria Erna Kustyawati Martaleni - Marwah, Siti Maulana, Taufan Maulana, Tedy Maystaladika, Maystaladika Moedrik Tamam Muflihah Isnawati Muhamad Basysyar, Fadhil MUHAMMAD ALI Muhammad Arif Muhammad Basysyar, Fadhil Muhammad Fazis Murti, Yeni Dwi Ningsih, Supiah Nur Rismanah, Siti Nurdiana, Nanik Eka Nurfitria, Tita Nurohanisah, Siti Nuryatman, Pamelia Pratama, Nugraha Prihartono, Willy Purnamasari, Ade Irma Putri, Linzzy Pratami Putri, Salma Salsabilla Daega Rakhmat Hidayat, Rakhmat Ramadhan, M. Syahri Ramdhana, Farhan Rizki, Muhammad Fajar Rochim, Sindy Aulia Rohmah, Yushinta Lailatul Rokhmanila, Siti Salman Alfarisi Salsabila, Salsabila Saropah, Siti Sembiring, Rinawati Septiani Gumilar, Tia Setiawan, Dhanny Shara Merry Palupi Silviana, Selvi Sisnawati, Sisnawati Siti Arofah SITI MARYAM Siti Nurhaliza Slamet Pujiono Stedila, Stedila Suarna, Nana Sugiarto S Suharyo Hadisaputro Suiroh, Suiroh Sukma, Asma Asmara Suryono, Abi Sutaryo Sutaryo Sutrisno, Ferry Suyono Suyono Syamsu, Gatot Rizky Al Aufar Tati Suprapti Taufik Hidayat Taukhid, Abdul Tiara Alifa, Talitha Tjahjadi, Djajasukma Tonang Dwi Ardyanto Triono, Dito Mei Triyana, Muji Bagus Wardhani, Alya Hikmah Widia Pebrianti, Sri Widodo, Wildan Wulandari, Sepia Yudhistira Arie Wijaya Yudhistyra, Ekabrata YUDI SISWADI Yusnandar, Willy Zurhidayati, Zurhidayati