Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

0.817

P-Index

This Author published in this journals

All Journal Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Ilmu Komputer dan Teknologi (IKOMTI)

M Safii

STIKOM Tunas Bangsa

Author-ID : 4087023

Computer Science & IT

Published : 4 Documents Claim Missing Document

Claim Missing Document

Articles

Title

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

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

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.

Co-Authors Amanda Amanda Dedi Suhendro Hotma Dame Tampubolon Ika Purnama Sari Indra Gunawan Luvita Yolanda Hutabarat Mhd Iqbal Alfarisi Solikhun Solikhun Suhada Suhada Widodo Saputra

Title Search

Found 2 Documents Search Journal : Jurnal Ilmu Komputer dan Teknologi (IKOMTI)

Abstract

Abstract

Title

Found 2 Documents
Search
Journal : Jurnal Ilmu Komputer dan Teknologi (IKOMTI)