Article Per Year (5 Year)
p-Index From 2021 - 2026
2.024
P-Index
This Author published in this journals
All Journal IndoMath: Indonesia Mathematics Education JITK (Jurnal Ilmu Pengetahuan dan Komputer) KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal Digit : Digital of Information Technology Mosharafa: Jurnal Pendidikan Matematika Jurnal Informatika Terpadu Nuansa Informatika AMMA : Jurnal Pengabdian Masyarakat Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Bianglala Informatika
Ahmad Faqih
STMIK IKMI Cirebon
Humanities Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Education Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Nursing Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
USING K-MEANS FOR DISTRICT-CITY POVERTY CLUSTERING IN INDONESIA Abdul Mukhyidin; Ahmad Faqih; Ade Rizki Rinald
NUANSA INFORMATIKA Vol. 19 No. 1 (2025): Nuansa Informatika 19.1 Januari 2025
Publisher : FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/ilkom.v19i1.300

Abstract

Poverty is one of the main challenges faced by the government in its efforts to improve people's welfare. Identifying regions based on the poverty line level is an important step to ensure well-targeted interventions. This study aims to categorize districts/cities based on poverty levels using the K-Means Algorithm, so that it can be a guide in data-based policy making. The research method starts with data collection, data selection process to handle missing values using the replacement method. Determination of the optimal number of clusters was done using Within Sum of Squares (WSS) to ensure that each region was grouped into clusters based on their level of similarity, which showed that three clusters were the ideal number. An evaluation of the clustering results was conducted to ensure the stability and accuracy of the clustering. The results show that the districts/municipalities are divided into three clusters based on the poverty line level, namely cluster 0 with a high poverty line level (241 regions), cluster 1 with a medium poverty line level (247 regions), and cluster 2 with a low poverty line level (90 regions). This study concludes that the K-Means Algorithm is effective in clustering regions based on poverty levels, providing a strong basis for data-driven decision-making. Future research is recommended to use more diverse data and cover more indicators, such as education level, access to health services, or infrastructure quality.
Algoritma K-Means Untuk Klasterisasi Kampung Di Desa Bojong BerdasarkanTingkat Pendidikan Yovi Yuliantin; Ahmad Faqih; Kaslani
Bianglala Informatika Vol. 13 No. 1 (2025): Maret 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/bianglala.v13i1.12008

Abstract

Desa Bojong menghadapi tantangan dalam memetakan tingkat pendidikan penduduknyasecara terstruktur. Meskipun data tersedia, kurangnya pengorganisasian menyebabkan kesenjanganakses pendidikan, terutama di wilayah-wilayah tertentu. Penelitian ini bertujuan untukmengelompokkan tingkat pendidikan warga Desa Bojong menggunakan algoritma K-Means, sehinggadapat memberikan wawasan yang lebih mendalam tentang kondisi pendidikan masyarakat. Data yangdigunakan mencakup 6.027 penduduk dari 10 kampung, dengan atribut seperti usia, pendidikanterakhir, pekerjaan, dan status pernikahan. Proses analisis mengikuti tahapan Knowledge Discovery inDatabase (KDD) dan dilakukan menggunakan perangkat lunak RapidMiner. Hasil penelitianmenunjukkan bahwa jumlah klaster yang ideal adalah 7, dengan nilai terbaik 0,467 untuk DaviesBouldin Index (DBI). Setiap klaster menunjukkan tingkat pendidikan tertentu. Cluster 6 memiliki tingkatpendidikan yang sangat tinggi, dengan banyak penduduk yang sampai perguruan tinggi. Sementaraitu, Cluster 0 terdiri dari orang-orang yang hanya tamat SD atau bahkan tidak sekolah. Studi inimenunjukkan distribusi pendidikan di Desa Bojong. Hasil ini dapat membantu pemerintah desamembuat program pendidikan yang lebih baik. Kampung dengan tingkat pendidikan rendah dapatberkonsentrasi pada program yang meningkatkan akses pendidikan dasar, seperti literasi dan subsidipendidikan, sedangkan kampung dengan tingkat pendidikan tinggi dapat berkonsentrasi padapengembangan program pendidikan lanjutan atau pelatihan vokasional. Metode ini diharapkan dapatmembantu Desa Bojong mengatasi kesenjangan pendidikan dan meningkatkan kualitas hidupwarganya dengan menyediakan program yang tepat sasaran. Selain itu, penelitian ini membantuimplementasi algoritma K-Means dalam pengelompokan data pendidikan di daerah pedesaan.
Co-Authors Abdul Mukhyidin Ade Irma Purnamasari Ade Rizki Rinald Adisty Tri Putra Andi Setiawan Dinar Faris Naufal Gifthera Dwilestari Haris Abdul Hadi Heliyanti Susana Iin Kaslani Kurniawan Fajar Abdulloh Nanda Permatasari Nining Rahaningsih Nisa Dieanwati Nuris Odi Nurdiawan Salsa Billa Agistina Siti Sa'diah Sri Darmayanti Yovi Yuliantin Yubi Aqsho Ramadhan