Article Per Year (5 Year)
p-Index From 2021 - 2026
2.502
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Bulletin of Electrical Engineering and Informatics MUQTASID InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sinkron : Jurnal dan Penelitian Teknik Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Inovasi : Jurnal Ekonomi, Keuangan, dan Manajemen Abdimas Talenta : Jurnal Pengabdian Kepada Masyarakat Indonesian Physical Review JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Sistem Komputer dan Informatika (JSON) Suluah Bendang: Jurnal Ilmiah Pengabdian Kepada Masyarakat Journal of Research in Mathematics Trends and Technology Unri Conference Series: Community Engagement Journal of Applied Data Sciences Journal of English Language and Education International Journal of Trends in Mathematics Education Research (IJTMER)
Tulus Tulus
Departemen Matematika, FMIPA Universitas Sumatera Utara
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Physics Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Peningkatan Kinerja K-Means Clustering Berdasarkan Pembobotan Jarak Menggunakan Metode Principal Component Analysis Agusnady, Alfian; Sitompul, Opim Salim Sitompul; Tulus, Tulus
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9394

Abstract

Algoritma K-Means memiliki beberapa kelemahan, salah satunya terletak pada model jarak yang digunakan dalam penentuan kemiripan antar data yang memberikan perlakuan yang sama terhadap setiap atribut data, sehingga atribut yang kurang relevan dan memiliki sedikit kontribusi terhadap variasi data dapat memberikan dampak yang cukup berpengaruh terhadap hasil clustering. Hal ini tentu saja dapat menurunkan kinerja algoritma K-Means. Pembobotan atribut merupakan salah satu cara yang dapat digunakan untuk mendapatkan korelasi atribut data terhadap variasi data. Semakin tinggi nilai bobot dari suatu atribut maka semakin besar korelasinya terhadap variasi data, sehingga nilai bobot yang rendah dari suatu atribut tentunya memiliki sedikit kontribusi terhadap variasi data dan dapat memberikan dampak yang cukup berpengaruh terhadap kinerja dan hasil clustering. Pada penelitian ini, metode yang digunakan dalam perhitungan bobot atribut data yaitu Principal Component Analysis (PCA). Untuk melakukan pengujian terhadap metode yang diusulkan, maka penelitian ini menggunakan dataset dari UCI Machine Learning yang terdiri dari 351 data Ionosphere, 4177 data Abalone serta 1096 data kualitas udara dari Laboratorium Udara Kota Pekanbaru dan 120 data kualitas air. Evaluasi kinerja  Clustering yang diusulkan berdasarkan nilai Sum of Square Error (SSE). Hasil pengujian pada penelitian ini terlihat bahwa dengan metode yang diusulkan dapat menghasilkan nilai SSE yang signifikan lebih kecil.
Numerical Simulation of Effective Viscosity Distribution of Power-Law Engine Oil in Piston–Cylinder Lubrication Under High Shear Conditions Andre Ronaldo Situmorang; Tulus
Journal of Research in Mathematics Trends and Technology Vol. 8 No. 1 (2026): Journal of Research in Mathematics Trends and Technology (JoRMTT)
Publisher : Talenta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32734/jormtt.v8i1.24922

Abstract

This study investigates the behavior of engine oil modeled as a non-Newtonian pseudoplastic fluid using the Power-Law equation under high operational conditions. The computational domain represents the lubricating oil film between the piston and cylinder wall. The governing equations include incompressible continuity and Navier–Stokes equa- tions coupled with a shear-rate-dependent viscosity model. Results show that shear rate con- centrates near the piston surface, reaching the order of 107 s−1 due to strong velocity gradients. As a consequence, effective viscosity decreases significantly in high shear regions, confirming shear-thinning behavior. The viscosity reduction directly affects the hydrodynamic pressure distribution while maintaining stable lubrication performance. These findings highlight the importance of incorporating shear-dependent viscosity to accurately predict lubrication characteristics in piston–cylinder systems operating at elevated shear conditions.
Co-Authors Abdul Aziz Ahmad Agusnady, Alfian Ameilia Zuliyanti Siregar Amlys, Amlys Syahputra Silalahi Andre Ronaldo Situmorang Badawi, Afif Budhiarti Nababan, Erna Butar Butar, Kartika Dewi Christian Sinaga, Christian Christy, Claudia Dardanila, Dardanila Dewi, Rafiqa Efendi, Syahril Erna Budhiarti Nababan Eva, Eva Sartini Bayu Farida Ariani Hariadi , Hariadi Susilo Herman Mawengkang Indera Sakti Nasution Liana Liana Lubis, Rahmi Suliani Ma'ruf, Ma'ruf Tafsin Mahidin Mahidin Mardiningsih Mardiningsih Marpaung, Rony Genevent Melinda Melinda Meutia Nauly Muhammad Zarlis, Muhammad Muhibbuddin Muhibbuddin Nababan, Junerdi Nabiyah, Ismi Ratin Napitu, Daniel Halomoan Saragi Nasrul Arahman Panjaitan, Nismah Poltak Sihombing Putri, Mimmy Sari Syah Ramli, Ichwana Saib Suwilo Salim, Opim Sawaluddin Sawaluddin, Sawaluddin Siregar, Netti Herlina Sitompul, Opim Salim Sitompul Suharno Suharno Sulastri Sulastri Syahputra, Indra Edy Syamsul Arifin Tugiman Tugiman Zakarias Situmorang Zarlis, M Zulkifli Nasution