M Safii
STIKOM Tunas Bangsa

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

Penerapan Algoritma K-Means dan K-Medoids Clustering untuk Mengelompokkan Tindak Kriminalitas Berdasarkan Provinsi Hotma Dame Tampubolon; Suhada Suhada; M Safii; Solikhun Solikhun; Dedi Suhendro
Jurnal IT UHB Vol 2 No 2 (2021): Jurnal Ilmu Komputer dan Teknologi
Publisher : Universitas Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (499.244 KB) | DOI: 10.35960/ikomti.v2i2.703

Abstract

Kriminalitas merupakan masalah yang sering terjadi di kehidupan sehari-hari dan dimana saja termasuk di berbagai provinsi yang ada di Indonesia. Dengan banyaknya tindak kriminalitas di Indonesia, diperlukan adanya pengelompokan daerah rawan tindak kriminalitas di Indonesia berdasarkan provinsi sebagai salah satu usaha untuk menentukan suatu daerah memerlukan pengawasan ekstra atau tidak. Pada penelitian ini akan dilakukan pengelompokkan tindak kriminalitas dengan menggunakan algoritma K-Means dan K-Medoids clustering. Data diolah menjadi dua cluster yaitu cluster tingkat tindak kriminalitas tinggi (C1) dan cluster tingkat tindak kriminalitas rendah (C2). Hasil algoritma K-Means diperoleh dengan C1 memiliki 6 anggota dan C2 memiliki 28 anggota. Sedangkan hasil algoritma K-Medoids diperoleh dengan C1 memiliki 7 anggota dan C2 memiliki 27 anggota. Perbedaan jumlah klaster pada kinerja tiap algoritma memiliki pola perhitungan yang berbeda sehingga keunggulan kinerja algoritma tergantung pada data yang akan diproses.
Penerapan Algoritma K-Means Dalam Pengelompokan Jumlah Penduduk Berdasarkan Kelurahan Di Kota Pematangsiantar Luvita Yolanda Hutabarat; Indra Gunawan; Ika Purnamasari; M Safii; Widodo Saputra
Jurnal IT UHB Vol 2 No 2 (2021): Jurnal Ilmu Komputer dan Teknologi
Publisher : Universitas Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (520.37 KB) | DOI: 10.35960/ikomti.v2i2.704

Abstract

Pertambahan jumlah penduduk di suatu kota ataupun kabupaten jika tidak diselesaikan dengan baik dan sistematis akan mengakibatkan dampak-dampak yang buruk yang ditimbulkan dari peningkatan jumlah penduduk. Sehingga perlu dilakukan pengelompokan jumlah penduduk di kota Pematangsiantar untuk mengetahui jumlah penduduk yang rendah, sedang dan tinggi agar tidak terjadi kepadatan penduduk. Penelitian ini menggunakan teknik data mining dengan menggunakan algoritma K-Means Clustering. Dimana metode ini mempartisi data ke dalam Cluster/kelompok sehingga data yang memiliki karakteristik sama dikelompokkan ke dalam satu Cluster yang sama. Penelitian ini memakai 3 Cluster dan hasil yang didapatkan dari perhitungan algoritma K-Means adalah Cluster rendah sebanyak 29 kelurahan, Cluster sedang sebanyak 18 kelurahan, Cluster tinggi sebanyak 6 kelurahan. Dan berdasarkan hasil pengujian K-Means menggunakan Tools RapidMiner diperoleh hasil yang sama dengan analisis perhitungan algoritma K-Means.
Penerapan Metode WASPAS Dalam Menentukan Peminatan Jurusan Pada Penerimaan Mahasiswa Baru Mhd Iqbal Alfarisi; M Safii
Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Vol. 6 No. 1 (2023): J-SISKO TECH EDISI JANUARI
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jsk.v6i1.7390

Abstract

Pemilihan peminatan pada suatu jurusan menjadi keharusan bagi calon mahasiswa yang mendaftar di STIKOM Tunas Bangsa. Peminatan jurusan ini bertujuan untuk memfokuskan kemampuan calon mahasiswa di satu bidang saja. Namun banyak calon mahasiswa yang salah dalam memilih peminatan jurusan yang tepat untuk mereka. Kebanyakan dari calon mahasiswa ini memilih peminatan jurusan berdasarkan ikut-ikutan saja tanpa memikirkan dampak yang diterima jika mereka tidak mampu mengikuti mata kuliah yang diberikan. Untuk itu diperlukan suatu teknik maupun perhitungan yang tepat sehingga mampu membantu calon mahasiswa tersebut dalam memilih peminatan jurusan yang tepat. Maka digunakanlah Sistem Pendukung Keputusan yang dapat membantu dalam menghasilkan keputusan dari data dan kriteria yang digunakan untuk menghasilkan suatu keputusan peminatan yang tepat untuk calon mahasiswa. Metode yang digunakan pada penelitian ini adalah metode Weight Aggregated Sum Product Assesment atau disingkat dengan WASPAS. Dengan diterapkannya metode WASPAS ini pada pemilihan peminatan jurusan diharapkan mampu memberikan hasil yang optimal yaitu pemilihan peminatan jurusan yang sesuai dengan kamampuan yang dimiliki oleh masing- masing calon mahasiswa.Kata Kunci : Waspas, Peminatan, SPK, Calon Mahasiswa
Optimisasi Algoritma MOOSRA Pada Seleksi Penerima Beasiswa KIP Kuliah M Safii; Amanda Amanda
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 22, No 2 (2023): Agustus 2023
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v22i2.9459

Abstract

Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbudristek) telah menyalurkan beasiswa dalam bentuk Kartu Indonesia Pintar Kuliah (KIP Kuliah) bagi masyarakat kurang mampu sebagai upaya pemerataan akses pendidikan. Kebijakan tersebut diberlakukan bagi seluruh perguruan tinggi, baik negeri maupun swasta dengan kriteria standar minimum yaitu memiliki akreditasi program studi minimal baik. Selain itu syarat khusus yang wajib dipenuhi calon penerima beasiswa tersebut seperti status DTKS, pekerjaan orang tua, pengasilan orang tua, Status orang tua, jumlah tanggungan, kepemilikan rumah, jarak rumah ke kampus dan prestasi. Seluruh variabel tersebut harus dihitung agar penetapan penerima beasiswa sesuai dengan yang dipersyaratkan. Dalam pelaksanannya permasalahan yang sering terjadi adalah belum adanya sistem pendukung keputusan/SPK atau tools yang dapat melakukan verifikasi berkas untuk melakukan perhitungan agar mendapatkan hasil yang sesuai yaitu prioritas calon penerima beasiswa KIP tersebut. Salah satu pemecahan masalah adalah pendekatan ilmu komputer menggunakan sistem pendukung keputusan/SPK dengan Algoritma Moosra yang dapat melakukan perhitungan multi atribut dalam menghasilkan keputusan yang tepat. Dengan optimisasi menggunakan algoritma moosra tersebut akan menghasilkan keputusan yang objektif sesuai dengan yang disyaratkan.