Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Teknologi Informasi Komunikasi dan Industri
Aditya Ramadhan
State Islamic University of Sultan Syarif Kasim Riau
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Algoritma Fuzzy C-Means untuk Pengelompokan Wilayah Bencana Banjir Aditya Ramadhan; Mustakim Mustakim; Rizki Handinata
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (390.757 KB)

Abstract

Mitigasi adalah serangkaian upaya untuk mengurangi resiko bencana, baik melalui pembangunan fisik maupun penyadaran dan peningkatan kemampuan menghadapi ancaman bencana. Penelitian ini dimaksudkan untuk melakukan pengelompokan terhadap kejadian bencana banjir yang terjadi di Indonesia. Proses pengelompokan dilakukan dengan mengggunakan metode Fuzzy C Means. Atribut yang digunakan pada penelitian ini adalah Jumlah Kejadian, Korban Meninggal dan Menghilang, Korban Menderita, Rumah Rusak, Fasilitas Rusak, dan Kepadatan Penduduk. Proses pengelompokan dan kejadian bencana dilakukan terhadap wilayah Kabupaten/Kota yang ada di Indonesia selama 10 Tahun terakhir. Kombinasi jumlah cluster dan nilai pangkat terbaik yang didapatkan adalah 3 cluster dan nilai w=2 dengan nilai PCI 0,7362, dan PEI 0,658.
PERBANDINGAN K-MEANS DAN FUZZY C-MEANS UNTUK PENGELOMPOKAN DATA USER KNOWLEDGE MODELING Aditya Ramadhan; Zuliar Efendi; Mustakim Mustakim
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (546.094 KB)

Abstract

Pada data mining terdapat sebuah metode yang digunakan untuk mengklaster data menjadi kelompok-kelompok data, yaitu metode K-Means dan Fuzzy C-Means. Kedua metode tersebut jika dilihat dari beberapa penelitian sebelumnya mengenai clustering K-Means dan FCM, masing-masing metode mampu memberikan hasil cluster terbaik. Pengklasteran data user knowledge modeling menggunakan metode K-Means dan Fuzzy C-Means menghasilkan jumlah anggota klaster yang berbeda. Dapat dilihat dari jumlah klaster yang diperoleh dari kedua metode tersebut. Berdasarkan penelitian yang dilakukan, kedua metode tersebut mengelompokkan data user knowledge modeling menjadi 4 kluster. Perbandingan yang digunakan dalam penelitian ini adalah uji performa validitas. Untuk nilai validasi SI dari metode K-Means bernilai 0.1866, sedangkan nilai validasi PCI dari metode FCM adalah bernilai 0.2854. Hasil dari penelitian ini menunjukkan bahwa metode FCM adalah metode yang lebih baik daripada K-Means untuk melakukan clustering pada data user knowledge modeling dikarenakan nilai validasinya bernilai mendekati 1.
Co-Authors Mustakim Mustakim Mustakim Mustakim Rizki Handinata Zuliar Efendi