Garuda - Garba Rujukan Digital

Clustering Data Ujian Tengah Semester (UTS) Data Mining Menggunakan Algoritma K-Means Abdurrahman, Ginanjar
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 1, No 2 (2016): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Ilmu pengetahuan dan teknologi akan mempermudah pekerjaan manusia. Namun, disisi lain akan meningkatkan persaingan. Dalam menghadapi ketatnya persaingan, perlu dipersiapkan sumber daya manusia yang kompeten. Mahasiswa diharapkan siap secara akademik, berupa kesiapan pengetahuan maupun keterampilan untuk menghadapi persaingan yang semakin ketat. Salah satu cara untuk melihat kompetensi mahasiswa adalah dengan melihat hasil belajar yang dapat direpresentasikan dengan nilai ujian yang ditempuh. Ujian tengah semester (UTS) merupakan salah satu bentuk ujian yang menjadi komponen penilaian. Dengan mengetahui nilai UTS, dosen mengetahui sebaran mahasiswa dalam hal kompetensi akademik. Untuk itulah, diperlukan pengelompokan (clustering) menggunakan algoritma k-means sebagai pertimbangan dosen dalam membentuk kelompok belajar mahasiswa berdasarkan cluster nilai UTS.Kata kunci: UTS, Kompetensi, Clustering, K-means

Analisis Klasifikasi Kelahiran Caesar Menggunakan Algoritma Naive Bayes Abdurrahman, Ginanjar; Wijaya, Johan Taruna
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 2 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Angka kematian Ibu (AKI) merupakan jumlah kematian ibu selama masa kehamilan hingga pasca melahirkan yang disebabkan kehamilan, persalinan atau pengelolaannya dan tidak disebabkan kecelakaan di setiap 100.000 kelahiran hidup. Kelahiran Caesar adalah alternatif terakhir dalam persalinan, dikarenakan faktor resiko yang tinggi. Walaupun resikonya tinggi, angka kelahiran Caesar mengalami peningkatan signifikan, khususnya di Indonesia. WHO menetapkan standar persalinan Caesar suatu negara berkisar 5-15 persen per seribu kelahiran di dunia. Machine learning merupakan cara mesin belajar dari data. Terdapat beberapa aplikasi machine learning yang telah dikembangkan. Salah satunya adalah machine learning WEKA. Weka merupakan software untuk data mining yang dilengkapi dengan algoritma standar machine learning termasuk klasifikasi. Pada penelitian ini dilakukan klasifikasi kelahiran Caesar menggunakan algoritma Naïve Bayes untuk menentukan apakah kelahiran akan diberikan tindakan operasi Caesar atau melahirkan secara normal. Dataset yang digunakan terdiri dari 80 data ibu hamil dengan 5 atribut, yakni: umur, jumlah tenaga medis, waktu melahirkan, tekanan darah, masalah hati. Hasil penelitian ini diharapkan dapat membantu dunia kesehatan khusunya untuk menentukan proses kelahiran perlu diberi tindakan operasi Caesar ataukah tidak dengan menyediakan model klasifikasi untuk melakukan prediksi secara medis. Hasil dari penelitian ini diharapkan dapat menunjang dunia kesehatan khususnya pada kasus ibu melahirkan dengan menyediakan model klasifikasi yang dapat digunakan untuk melakukan prediksi maupun pengambilan keputusan medis lainnya.Kata kunci: Kelahiran, Caesar, Klasifikasi, Naïve Bayes, Weka

Clustering Data Kredit Bank Menggunakan Algoritma Agglomerative Hierarchical Clustering Average Linkage Abdurrahman, Ginanjar
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Data mining adalah pengembangan model yang merepresentasikan penemuan pola menggunakan data historis. Model dapat diaplikasikan pada data untuk prediksi (klasifikasi dan regresi), segmentasi populasi (clustering), dan menentukan hubungan di dalam populasi (asosiasi). Dari beberapa model, salah satunya adalah clustering yang didefinisikan sebagai proses mengorganisir objek-objek menjadi satu kelompok yang anggotanya memiliki kemiripan tertentu. Similaritas ada dua, yakni similaritas berdasarkan bentuk dan jarak. Clustering mempunyai beberapa karakteristik, yaitu: partitioning, hierarchical, overlapping, dan hybrid. Hierarchical clustering adalah salah satu algoritma clustering dengan karakteristik setiap data harus termasuk dalam cluster tertentu, dan data yang termasuk dalam cluster tertentu tidak dapat berpindah ke cluster lain. Hierarchical clustering ada dua, yaitu divisive (top to down) dan agglomerative (down to top). Algoritma agglomerative ada empat yaitu single linkage, centroid linkage, complete linkage, dan average linkage. Salah satu dari algoritma agglomerative tersebut adalah average linkage. Algoritma ini merupakan algoritma terbaik di antara algoritma hierarchical yang lain, tetapi memiliki waktu komputasi tertinggi. Pada penelitian ini akan dilakukan clustering terhadap nasabah di suatu bank dengan algoritma agglomerative hierarchical clustering average linkage. Atribut data yang digunakan: status pengecekan, durasi kredit, sejarah kredit, tujuan kredit, besaran kredit, status tabungan, employment, komitmen, status personal, pihak lain, menetap sejak, kepemilikan property, umur, rencana pembayaran lainnya, status rumah, keberadaan kredit, pekerjaan, jumlah tanggungan, telepon rumah, pekerja luar negeri, dan kelas. Data dalam penelitian ini sebanyak 1000 instances, yang kemudian dijadikan sebagai data training sebanyak 25 %, 50 %, dan 75 %, sedangkan untuk data testing digunakan keseluruhan data. Kata kunci : Data mining, Dataset, Clustering, Agglomerative Hierarchical Clustering, Average Linkage ABSTRACT Data mining is the development of model that represents pattern discovery using historical data. The model can be applied to data for prediction (classification and regression), population segmentation (clustering), and determining relationships within the population (association). Of the several models, one of them is clustering which is defined as the process of organizing objects into one group whose members have similarities. There are two similarities, namely similarity based on shape and distance. Clustering has several characteristics, namely: partitioning, hierarchical, overlapping, and hybrid. Hierarchical clustering is a clustering algorithm with the characteristics of each data must be included in a particular cluster, and data included in a particular cluster cannot moved to another cluster. There are two hierarchical clustering, namely divisive (top to down) and agglomerative (down to top). There are four agglomerative algorithms, namely single linkage, centroid linkage, complete linkage, and average linkage. One of the agglomerative is average linkage. This algorithm is the best hierarchical algorithms, but has the highest computational time. In this study clustering of customers in a bank conducted with the agglomerative hierarchical clustering average linkage. Data attributes used: checking status, credit duration, credit history, credit goals, loan size, savings status, employment, commitment, personal status, other parties, settled since, property ownership, age, other payment plans, home status, credit availability, employment, number of dependents, landline, overseas workers and class. The data in this study were 1000 instances, which were then used as training data for 25%, 50%, and 75%, while for the testing data the entire data. Keywords: Data mning, datasets, clustering, agglomerative hierarchical clustering, average linkage

Analisis Aturan Asosiasi Data Transaksi Supermarket Menggunakan Algoritma Apriori Abdurrahman, Ginanjar
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 2, No 2 (2017): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Di satu sisi perkembangan ilmu pengetahuan dan teknologi dapat mempermudah pekerjaan manusia. Namun di sisi lain secara tidak langsung perkembangan ilmu pengetahuan dan teknologi meningkatkan persaingan dalam kehidupan. Salah satunya adalah persaingan dalam memasarkan barang dagangan oleh supermarket. Supermarket tentunya menginginkan target penjualan tercapai. Alternatif yang ditawarkan sebagai pertimbangan penataan barang dagangan yakni aturan asosiasi (association rule). Untuk mempermudah pekerjaan berkaitan dengan banyaknya dataset yang ada, diperlukan suatu program aplikasi untuk membantu penentuan aturan terkait dengan penempatan barang yang ada dalam supermarket. Dalam hal ini, digunakan aplikasi Weka 3.6 untuk menganalisis dataset yang ada pada supermarket, sehingga aturan terbaik untuk penempatan barang dagangan nantinya dapat ditemukan. Penelitian ini menggunakan support 2% dan 10 confidence yang berbeda yakni: 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, dan 100%. Dari hasil penelitian ini diperoleh untuk confidence sebesar 10% - 90% menghasilkan 10 aturan, sedangkan untuk confidence sebesar 100% tidak dihasilkan aturan asosiasi.

Technological Content Knowledge Mahasiswa PGSD Dalam Mengembangkan Multimedia Pembelajaran Matematika Mukti Sintawati; Fitri Indriani; Ginanjar Abdurrahman
DWIJA CENDEKIA: Jurnal Riset Pedagogik Vol 3, No 2 (2019): DWIJA CENDEKIA: Jurnal Riset Pedagogik
Publisher : Universitas Sebelas Maret

Kemampuan menggunakan teknologi dalam pembelajaran atau Technological Content Knowledge (TCK) merupakan salah satu kemampuan yang harus dikuasai guru di era society 5.0. Mahasiswa sebagai calon guru juga harus memiliki kemampuan menggunakan teknologi dalam pembelajaran. Penelitian ini bertujuan untuk mengetahui TCK antara mahasiswa yang mengembangkan multimedia pembelajaran matematika berbantuan adobe flash dengan adobe captivate. Penelitian ini merupakan penelitian komparatif. Populasi penelitian adalah 300 mahasiswa Pendidikan Guru Sekolah Dasar Universitas Ahmad Dahlan. Sampel penelitian diambil secara random sebanyak 169 mahasiswa. Instrumen penelitian menggunakan lembar penilaian TCK yang telah di validasi ahli. Hasil penelitian menunjukkan pada taraf signifikansi 5% TCK mahasiswa yang mengembangkan multimedia pembelajaran berbantuan adobe captivate lebih baik dibandingkan mahasiswa yang mengembangkan multimedia pembelajaran berbantuan adobe flash.

Pelatihan Microsoft Word Dasar Untuk Perangkat Desa Gelang Kecamatan Sumber Baru Kabupaten Jember Ginanjar Abdurrahman
Journal of Community Development Vol. 1 No. 2 (2021): April
Publisher : Indonesian Journal Publisher

In community service, especially village administration, ideally, village officials have essential Microsoft word competencies. However, from the report from the village apparatus of Gelang, only one person who mastered the basic Microsoft word was not comprehensive. Basic Microsoft word skills are considered necessary by the village apparatus of Gelang. This material chose because this material has not been mastered and deemed to be most often needed to handle the Gelang village office's administration, so it is necessary to hold basic Microsoft word training activities for the village apparatus of Gelang. This activity was born on September 7, 2016, introducing the presenter followed by a pre-test to determine the participants' initial abilities. After that, the presentation of material about basic Microsoft word accompanied by mentoring, practice, discussion and ended with a post-test continued with the material's production. The activity evaluation data shows that the participant's post-test scores' lowest score wa perfect compared to the participant's pre-test scores. The lowest score for the participant's post-test was 75, and the highest score for the participant was 90 compared to the pre-test score with the highest score only reaching 60/ Thus, it can say that there was a significant increase in the score.

Pelatihan Pemanfaatan ICT Untuk Industri Rumahan Kecamatan Kendit Kabupaten Situbondo Ginanjar Abdurrahman
Journal of Community Development Vol. 1 No. 2 (2021): April
Publisher : Indonesian Journal Publisher

Kendit is one of the districts in the Situbondo regency. Based on observation, technological literacy of the community need to be improved. ICT is currently very much needed, especially for the home industry. To increase technological literacy, it is necessary to provide ICT Utilization Training for the community, especially for the home industry, to facilitate production and promotion. To carry out ICT Training, of course, facilities needed. The survey determined that SMK Negeri 1 Panji was the place for training activities because this institute had adequate computer laboratory facilities, both from the number of computers and internet connections. This activity was held on 22-23 November 2017. On the first day, it started with introducing the presenters, followed by giving pretest questions to measure the participants' initial knowledge. After the pretest carried out, then the presentation of material on the introduction of ICT in general, the introduction of ICT for the Home Industry, searching for information using the internet, and calculating production costs and selling prices. On the second day, there was an explanation and discussion about marketing products using social media, correspondence, creating business profiles, making promotional slides with PowerPoint, and ending a posttest. From the activity evaluation data, the lowest posttest score of the participants, it is 71, and the highest score of participants is over 90, as many as two people. When compared with the value at the pretest with the highest score of only 76, it can say that there was a significant increase in the value

MATHEMATICS LEARNING STRATEGY BOOK ON PEDAGOGICAL CONTENT KNOWLEDGE FOR ELEMENTARY SCHOOL PRE-SERVICE TEACHERS Mukti Sintawati; Asih Mardati; Ginanjar Abdurrahman
Refleksi Edukatika : Jurnal Ilmiah Kependidikan Vol 12, No 2 (2022): Refleksi Edukatika : Jurnal Ilmiah Kependidikan (Juni 2022)
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/re.v12i2.6808

The goal of this study is to describe the impact of a mathematics learning strategy book on elementary school pre-service teacher' pedagogical content knowledge. The research method used is experimental research with poor experimental methods. A one-group pretest-posttest design was used. This study's sample size is 94 pre-service teachers or elementary school teacher education students. Tests and assessment sheets are data collection instruments for measuring PCK. The test is used to determine PK and CK levels. The Quizizz application is used to administer the test, which is in the form of multiple choice questions. PCK is measured using a score sheet. The data is analyzed using descriptive statistics and inferential statistics. To explain the distribution of PCK data, descriptive statistics are used. To test the research hypotheses, inferential statistics are used. The paired sample t-test was used to test the hypothesis. The results show that pre-service teachers' PCK is in the high range. The hypothesis test results show that the mathematics learning strategy book used in learning is effective against pre-service teachers' PCK. Mathematics learning strategy books used in elementary schools not only contain theory and material, but also provide examples of student worksheets based on specific strategies/methods. This is what helps pre-service teachers understand so that it has an impact on increasing PCK.

Clustering Data Ujian Tengah Semester (UTS) Data Mining Menggunakan Algoritma K-Means Ginanjar Abdurrahman
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 1, No 2 (2016): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v1i2.566

Ilmu pengetahuan dan teknologi akan mempermudah pekerjaan manusia. Namun, disisi lain akan meningkatkan persaingan. Dalam menghadapi ketatnya persaingan, perlu dipersiapkan sumber daya manusia yang kompeten. Mahasiswa diharapkan siap secara akademik, berupa kesiapan pengetahuan maupun keterampilan untuk menghadapi persaingan yang semakin ketat. Salah satu cara untuk melihat kompetensi mahasiswa adalah dengan melihat hasil belajar yang dapat direpresentasikan dengan nilai ujian yang ditempuh. Ujian tengah semester (UTS) merupakan salah satu bentuk ujian yang menjadi komponen penilaian. Dengan mengetahui nilai UTS, dosen mengetahui sebaran mahasiswa dalam hal kompetensi akademik. Untuk itulah, diperlukan pengelompokan (clustering) menggunakan algoritma k-means sebagai pertimbangan dosen dalam membentuk kelompok belajar mahasiswa berdasarkan cluster nilai UTS.Kata kunci: UTS, Kompetensi, Clustering, K-means

Analisis Aturan Asosiasi Data Transaksi Supermarket Menggunakan Algoritma Apriori Ginanjar Abdurrahman
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 2, No 2 (2017): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v2i2.1046

Di satu sisi perkembangan ilmu pengetahuan dan teknologi dapat mempermudah pekerjaan manusia. Namun di sisi lain secara tidak langsung perkembangan ilmu pengetahuan dan teknologi meningkatkan persaingan dalam kehidupan. Salah satunya adalah persaingan dalam memasarkan barang dagangan oleh supermarket. Supermarket tentunya menginginkan target penjualan tercapai. Alternatif yang ditawarkan sebagai pertimbangan penataan barang dagangan yakni aturan asosiasi (association rule). Untuk mempermudah pekerjaan berkaitan dengan banyaknya dataset yang ada, diperlukan suatu program aplikasi untuk membantu penentuan aturan terkait dengan penempatan barang yang ada dalam supermarket. Dalam hal ini, digunakan aplikasi Weka 3.6 untuk menganalisis dataset yang ada pada supermarket, sehingga aturan terbaik untuk penempatan barang dagangan nantinya dapat ditemukan. Penelitian ini menggunakan support 2% dan 10 confidence yang berbeda yakni: 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, dan 100%. Dari hasil penelitian ini diperoleh untuk confidence sebesar 10% - 90% menghasilkan 10 aturan, sedangkan untuk confidence sebesar 100% tidak dihasilkan aturan asosiasi.

Title

Found 46 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 46 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 46 Documents
Search