Claim Missing Document
Check
Articles

Found 24 Documents
Search

Triangulation Approach Using K-Means, Hierarchical Clustering, and DBSCAN for Beef Production Analysis Nurfia Oktaviani Syamsiah; Indah Purwandani; Mia Rosmiati; Siti Nurwahyuni
IJNMT (International Journal of New Media Technology) Vol 12 No 2 (2025): Vol 12 No 2 (2025): IJNMT (International Journal of New Media Technology)
Publisher : Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31937/ijnmt.v12i2.4481

Abstract

This study implements a methodological triangulation approach for clustering highly skewed data using three algorithms with different paradigms: K-Means (partitional-based), Agglomerative Hierarchical Clustering with Ward Linkage (hierarchical-based), and DBSCAN (density-based). Applied to beef production data from 38 Indonesian provinces in 2024, the dataset exhibited extreme characteristics with a coefficient of variation of 171.89%, skewness of 2.87, and a maximum-minimum ratio of 664:1. Data were standardised using Z-score transformation to address scale differences. Evaluation using the Silhouette Score for K-Means and Hierarchical Clustering, alongside qualitative outlier detection with DBSCAN, revealed high consistency across all algorithms in identifying k=2 as the optimal structure, with a Silhouette Score of 0.9155. K-Means and Hierarchical Clustering produced identical groupings, separating three observations (7.89%) from 35 observations (92.11%), while DBSCAN confirmed this by explicitly labelling the three provinces as outliers. Robustness analysis via bootstrap resampling (100 iterations) demonstrated clustering stability with membership consistency of 99.7-100% and standard deviation of 0.0089. Sensitivity analysis validated the stability of outlier detection across the epsilon range 0.5-0.55. This research demonstrates that algorithmic triangulation provides robust cross-validation for data with extreme outliers, yielding consistent and stable clustering structures across sampling variation and parameter changes.
PELATIHAN PEMANFAATAN APLIKASI TIKTOK SHOP SEBAGAI MEDIA PEMASARAN PADA FORUM UMKM BOJONGBARU KECAMATAN BOJONG GEDE Sismadi Sismadi; Indah Purwandani; Rosmita Rosmita; Devy Sofyanty
Azam Insan Cendikia Vol. 3 No. 3 (2024): Jurmas Azam Insan Cendikia
Publisher : Yayasan Azam Insan Cendikia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62833/pkm.v3i3.150

Abstract

Penggunaan aplikasi TikTok sebagai media promosi telah menjadi fenomena yang berkembang pesat dalam strategi pemasaran digital, TikTok menawarkan platform yang dinamis dan kreatif untuk memperkenalkan produk atau jasa kepada khalayak luas. TikTok telah meluncurkan fitur barunya yaitu TikTok Shop, fitur ini merupakan tempat transaksi perdagangan terjadi dan juga mempertemukan antara penjual dan pembeli seperti platform e-commerce lainnya. Dalam hal ini merupakan kesempatan bagi masyarakat khususnya para penjual untuk bisa meraih konsumen melalui TikTok Shop dan optimasi penggunaannya berdasarkan fitur-fitur di dalam TikTok Shop. Pelatihan ini bertujuan untuk meningkatkan penjualan UMKM Bojong Gede melalui pemanfaatan platform digital, khususnya TikTok Shop. Metode pendampingan dilakukan dengan memberikan panduan dan strategi pemasaran yang efektif dalam menggunakan TikTok Shop untuk mencapai target penjualan yang lebih tinggi, mengembangkan konten menarik, strategi promosi yang tepat dan keterampilan komunikasi yang efektif untuk menarik perhatian konsumen potensial. Hasilnya diharapkan akan meningkatkan visibilitas produk, meningkatkan interaksi dengan pelanggan dan akhirnya meningkatkan penjualan produk Forum UMKM Bojong Gede. Dengan pendekatan ini, diharapkan Forum UMKM Bojong Gede dapat memanfaatkan potensi platform digital secara maksimal untuk meraih kesuksesan dalam pemasaran dan penjualan produk mereka.
SMOOTHING IN NEURAL NETWORK FOR UNIVARIAT TIME SERIES DATA FORECASTING Nurfia Oktaviani Syamsiah; Indah Purwandani
Jurnal Riset Informatika Vol. 3 No. 1 (2020): December 2020 Edition
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v3i1.44

Abstract

Time series data is interesting research material for many people. Not a few models have been produced, but very optimal accuracy has not been obtained. Neural network is one that is widely used because of its ability to understand non-linear relationships between data. This study will combine a neural network with exponential smoothing to produce higher accuracy. Exponential smoothing is one of the best linear methods is used for data set transformation and thereafter the new data set will be used in training and testing the Neural Network model. The resulting model will be evaluated using the standard error measure Root Mean Square Error (RMSE). Each model was compared with its RMSE value and then performed a T-Test. The proposed ES-NN model proved to have better predictive results than using only one method.
Optimalisasi Algoritma K-Means Melalui Normalisasi Rasio dan Pendekatan SHapley Additive exPlanations (SHAP) Nurfia Oktaviani Syamsiah; Indah Purwandani; Mia Rosmiati; Siti Nurwahyuni
Jurnal SITECH : Sistem Informasi dan Teknologi Vol. 8 No. 2 (2025): JURNAL SITECH VOLUME 8 NO 2 TAHUN 2025
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/sitech.v8i2.16253

Abstract

Algoritma Unsupervised Learning pada data demografi berdimensi tinggi rentan terhadap bias magnitudo dan opasitas model, yang mendistorsi validitas segmentasi berbasis jarak Euclidean. Penelitian ini mengusulkan kerangka kerja Explainable Clustering melalui integrasi Feature Engineering berbasis rasio dan SHapley Additive exPlanations (SHAP). Metodologi meliputi normalisasi Z-Score, optimasi K-Means dengan validasi Silhouette Coefficient, dan ekstraksi fitur menggunakan surrogate modeling berbasis Random Forest. Eksperimen menghasilkan struktur klaster optimal pada k=2 (Silhouette Score 0.58). Analisis SHAP menyingkap fakta bahwa densitas Rasio Pendidikan Dasar dan Rasio Inklusi bertindak sebagai diskriminator utama ruang vektor, mengungguli fitur bervolume besar. Pendekatan hybrid ini terbukti efektif mengeliminasi distorsi populasi sekaligus menyediakan interpretasi algoritmik yang presisi untuk data multidimensi.