Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL MANAJEMEN INFORMATIKA (JUMIKA) Linier: Literatur Informatika dan Komputer
Irfan Ali
STMIK IKMI
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mathematics

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

Found 2 Documents
Search

 1 
PENGELOMPOKAN JUMLAH PENDUDUK BERDASARKAN KATEGORI USIA 0-18 TAHUN DENGAN MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENENTUKAN PENGEMBANGAN POTENSI DESA WISATA DI KABUPATEN CIREBON Irfan Ali; Arif Rinaldi Dikananda; Farid Ali Ma'ruf; Muhamad Abdurohman
JURNAL MANAJEMEN INFORMATIKA (JUMIKA) Vol 8, No 1 (2021): JUMIKA
Publisher : LPPM STMIK DCI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51530/jumika.v8i1.529

Abstract

Penelitian mengenai pengelompokan jumlah penduduk berdasarkan kategori usia 0-18 tahun dengan menggunakan Algoritma K-Means untuk menentukan pengembangan potensi desa wisata di Kabupaten Cirebon bertujuan untuk mengetahui hasil nilai optimum dari rekapitulasi uji coba cluster, mengetahui hasil analisa cluster pengelompokan jumlah penduduk berdasarkan kategori usia 0-18 tahun, mengetahui jumlah desa yang memiliki pengembangan potensi wisata terbaik di Kabupaten Cirebon berdasarkan jumlah penduduk kategori usia 0-18 tahun. Penelitian ini menggunakan metode analisis deskriptif dalam menyeleksi data kuantitatif dalam fungsinya analisis deskriptif digunakan untuk mendeskripsikan atau memberi gambaran dari data yang terkumpul dari fakta-fakta yang ada.Dengan upaya tersebut penulis berfikir menggunakan Algoritma K-Means merupakan solusi yang tepat. Hasil Penelitian uji coba cluster 2 sampai dengan 20 nilai optimum pada 13 (Tiga Belas) kelompok dengan nilai DBi = 0.472. Pengelompokan berdasarkan rata rata centroid di kelompokan menjadi 4 (empat) Kategori dan setiap kelompok memiliki rata rata centroid  Avg. within centroid distance_cluster_0: 974732426.358, Avg. within centroid distance_cluster_1: 2357894919.544, Avg. within centroid distance_cluster_2: 1239931120.084, Avg. within centroid distance_cluster_3: 1892429956.582. Cluster terbaik yaitu pada cluster 1 dengan jumlah 137 desa, dapat diartikan bahwa prioritas berdasarkan kategori usia 0-18 tahun yang bisa dijadikan pengembangan potensi desa wisata di Kabupaten Cirebon. Kata Kunci : Kategori Usia, Desa Wisata, Algoritma K-Means, Kependudukan
Analisis Faktor Penentu Harga Mobil Bekas Menggunakan Model Random Forest Regressor serta Perbandingan Linear Sabrina Khoirunnisa; Nining Rahaninsih; Irfan Ali; Willy Prihartono
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3346

Abstract

Penentuan harga mobil bekas merupakan proses yang kompleks karena dipengaruhi oleh berbagai faktor seperti jarak tempuh, usia kendaraan, merek, jenis bahan bakar, dan riwayat kerusakan. Metode konvensional sering kali menghasilkan penilaian yang subjektif dan kurang akurat, sehingga diperlukan pendekatan berbasis data untuk meningkatkan objektivitas dan konsistensi estimasi harga. Penelitian ini bertujuan untuk membangun model prediksi harga mobil bekas menggunakan algoritma Random Forest Regressor serta membandingkan performanya dengan Multiple Linear Regression sebagai baseline. Dataset yang digunakan berasal dari platform Kaggle dan mencakup 4.009 data kendaraan yang telah melalui proses data cleaning, rekayasa fitur, dan penghapusan outlier. Metode penelitian meliputi preprocessing data, pelatihan model, hyperparameter tuning, serta evaluasi menggunakan metrik R², MAE, MSE, dan RMSE. Hipotesis penelitian menyatakan bahwa Random Forest memiliki performa prediktif yang lebih baik dibandingkan model linier serta mampu mengidentifikasi fitur yang paling berpengaruh terhadap harga kendaraan. Hasil eksperimen menunjukkan bahwa Random Forest R² = 0.6827, lebih tinggi dibandingkan Multiple Linear Regression dengan R² = 0.5673. Analisis feature importance mengungkapkan bahwa mileage dan usia kendaraan merupakan faktor dominan dalam pembentukan harga. Dengan demikian, penelitian ini menyimpulkan bahwa Random Forest merupakan pendekatan yang lebih akurat dan stabil untuk prediksi harga mobil bekas serta berpotensi diimplementasikan dalam sistem valuasi otomotif berbasis data.
Co-Authors Arif Rinaldi Dikananda Farid Ali Ma'ruf Muhamad Abdurohman Nining Rahaninsih Sabrina Khoirunnisa Willy Prihartono