Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JurTI (JURNAL TEKNOLOGI INFORMASI)
Fikrul Ilmi R.H Zer
STIKOM TUNAS BANGSA PEMATANGSIANTAR
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENERAPAN ALGORITMA K-MEANS UNTUK MENGETAHUI TINGKAT TINDAK KEJAHATAN DAERAH PEMATANGSIANTAR Hotma Dame Tampubolon; Devi Gultom; Luvita Yolanda Hutabarat; Fikrul Ilmi R.H Zer; Dedy Hartama
(JurTI) Jurnal Teknologi Informasi Vol 4, No 1 (2020): JUNI 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (492.196 KB) | DOI: 10.36294/jurti.v4i1.1263

Abstract

Abstract - Crime is now a concern and concern for the community, especially those in the Pematangsiantar Region. Acts of crime that often occur are murder, theft, drugs, rape. With the rampant crime in Pematangsiantar City, it is necessary to group each region using the K-Means algorithm. The data source in this study is a collection of various documents of information Criminal Acts by Pematangsiantar Police Law. The data used in this study are data from 2019 consisting of 6 Districts. In this study, the K-Means algorithm is used to find out areas that have high crime rates and low crime rates areas.Keywords - Crime, K-Means, Clustering, Data Mining Abstrak - Kejahatan saat ini menjadi perhatian dan ke khawatiran bagi masyarakat terutama yang ada di Wilayah Pematangsiantar. Aksi kejahatan yang sering terjadi ialah pembunuhan, pencurian, narkoba, Pemerkosaan. Dengan maraknya kejahatan di Kota Pematangsiantar maka di perlukan pengelompokkan tiap daerah menggunakan algoritma K-Means. Sumber data pada penelitian ini merupakan kumpulan dari berbagai dokumen-dokumen keterangan Aksi Kriminalitas oleh Hukum Polres Pematangsiantar. Data yang digunakan pada penelitian ini adalah data dari tahun 2019 yang terdiri dari 6 Kecamatan. Dalam penelitian ini algoritma K-Means digunakan untuk mengetahui daerah yang memiliki tingkat kejahatan tinggi dan daerah tingkat kejahatan rendah.Kata Kunci -  Kejahatan, K-Means, Clustering, Data Mining
PENERAPAN ALGORITMA K-MEANS DALAM MENENTUKAN TINGKAT PENYEBARAN PANDEMI COVID-19 DI INDONESIA Nayuni Dwitri; Jose Andreas Tampubolon; Sandi Prayoga; Fikrul Ilmi R.H Zer; Dedy Hartama
(JurTI) Jurnal Teknologi Informasi Vol 4, No 1 (2020): JUNI 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (744.134 KB) | DOI: 10.36294/jurti.v4i1.1266

Abstract

Abstract  - COVID-19 is an infectious disease caused by acute coronavirus 2 (severe acute respiratory coronavirus 2 or SARS-CoV-2) respiratory syndrome. The even distribution of COVID-19 cases in all provinces in Indonesia is a fairly rapid spread and harms all fields. The vast territory of Indonesia allows the need for grouping sections by region in Indonesia. This grouping will produce center points for the spread of COVID cases - 19. K-Means is one of the Clustering algorithms that is used to divide data into several groups with a system partition. This algorithm accepts input in the form of data without class labels. Due to the global pandemic that occurred many parties sought to participate in overcoming. This research was conducted for application in the spread of the co-19 pandemic in Indonesia. In this study, the K-Means algorithm is used to determine the level of co-19 distribution in regions in Indonesia.Keywords - Algorithms, K-Means, Covid-19, The distribution, Pandemic Abstrak - COVID-19 adalah penyakit yang dapat menular jika adanya kontak antara penular dengan orang lain,dan  ditandai dengan  gejala pada bagian pernapasan disebut SARS-CoV-2. Penyebaran kasus COVID-19 yang merata di seluruh provinsi di Indonesia,merupakan penyebaran yang cukup cepat dan berdampak negatif pada seluruh bidang. Luasnya wilayah Indonesia memungkinkan diperlukannya pengelompokkan bagian bagian berdasarkan wilayah di Indonesia.Pengelompokkan ini akan menghasilkan titik – titik pusat penyebaran  kasus COVID -19. Salah satu algoritma Clustering adalah K-Means yang mengunakan beberapa kelompok untuk penempatan beberapa data dengan sistem partisi. Data-data tanpa label kelas diterima oleh Algoritma ini. Dikarenakan pandemi global yang terjadi banyak pihak berupaya ikut berperan serta dalam mengatasi. Penelitian ini dilakukan untuk penerapan dalam penyebaran pandemi covid-19 di Indonesia. Dalam penelitian ini mengunakan algoritma K-Means untuk menentukan bagaimana tingkat penyebaran covid-19 di daerah-daerah yang ada di Indonesia.Kata kunci - Algoritma, K-Means , COVID-19, Penyebaran, Pandemi  
PENERAPAN ALGORITMA K-MEANS DALAM MENENTUKAN TINGKAT KEPUASAN PEMBELAJARAN ONLINE PADA MASA PANDEMI COVID-19 Kristin Daya Rohani Sianipar; Septri Wanti Siahaan; Marina Siregar; Fikrul Ilmi R.H Zer; Dedy Hartama
(JurTI) Jurnal Teknologi Informasi Vol 4, No 1 (2020): JUNI 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (589.24 KB) | DOI: 10.36294/jurti.v4i1.1258

Abstract

Abstract - In this increasingly developed and advanced era, information technology is increasingly needed in human life. It can be seen from the current COVID-19 pandemic, information technology is increasingly needed in carrying out human activities at home. In the scope of learning, learning activities are shifted to online or online learning. Many students feel burdened with online learning. However, some students feel that the steps taken by the government are very appropriate to avoid stopping learning activities. This research was conducted for application in determining the level of online learning satisfaction in the COVID-19 pandemic. In this study the k-means algorithm is used to determine the level of online learning satisfaction that is applied to students.Keywords - Algorithm, K-Means, Level of Satisfaction, Online Learning, COVID-19 Pandemic Abstrak - Di era teknologi yang semakin mau dan berkembang ini, teknologi informasi menjadi lebih dibutuhkan dalam kehidupan manusia. Dapat dilihat dari adanya pandemi COVID-19 saat ini, teknologi informasi semakin dibutuhkan dalam melakukan aktivitas manusia di rumah. Pada ruang lingkup pembelajaran, aktivitas pembelajaran dialihkan menjadi melalui daring atau pembelajaran online. Banyak mahasiswa yang merasa terbebani dengan adanya pembelajaran online. Namun, ada juga mahasiswa yang merasa bahwa langkah yang dilakukan pemerintah ini sangat tepat untuk menghindari pemberhentian kegiatan pembelajaran. Penelitian ini dilakukan untuk penerapan dalam menentukan tingkat kepuasan pembelajaran online di tengah pandemi COVID-19. Dalam penelitian ini digunakan algoritma k-means untuk menentukan tingkat kepuasan pembelajaran online yang diterapkan kepada mahasiswa. Kata kunci - Algoritma, K-Means, Tingkat Kepuasan, Pembelajaran Online, Pandemi COVID-19
Co-Authors Dedy Hartama Devi Gultom Hotma Dame Tampubolon Jose Andreas Tampubolon Kristin Daya Rohani Sianipar Luvita Yolanda Hutabarat Marina Siregar Nayuni Dwitri Sandi Prayoga Septri Wanti Siahaan