Claim Missing Document
Check
Articles

Found 22 Documents
Search

Penerapan K-Means Clustering untuk Pengelompokan Data Industri Kecil Menengah di Provinsi Jambi Ariansah, Bimo; Khaira, Ulfa; Abidin, Zainil
Jurnal Teknologi Sistem Informasi Vol 6 No 2 (2025): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v6i2.13553

Abstract

Industri Kecil dan Menengah (IKM) memiliki peran penting dalam perekonomian daerah, namun di Provinsi Jambi masih terdapat ketimpangan antarwilayah. Penelitian ini menerapkan algoritma K-Means Clustering untuk mengelompokkan data IKM periode 2021–2023 berdasarkan nilai investasi, jumlah produksi, dan nilai produksi. Data diproses melalui pembersihan, normalisasi, serta deteksi outlier. Evaluasi menggunakan Elbow Method, Silhouette Coefficient, dan Davies-Bouldin Index menunjukkan bahwa dua cluster merupakan hasil optimal dengan Silhouette 0,70 dan DBI 0,47.Hasilnya terbentuk dua kelompok utama. Cluster 1 merepresentasikan IKM Belum Berkembang dengan investasi dan produksi rendah, dominan di Tanjung Jabung Barat, Bungo, dan Kerinci. Cluster 2 menunjukkan IKM Berkembang dengan investasi tinggi serta kontribusi ekonomi signifikan, ditunjukkan oleh Kota Jambi, Sarolangun, dan Merangin. Visualisasi peta interaktif dan barchart memperjelas distribusi spasial dan tren antar tahun.Penelitian ini menegaskan bahwa mayoritas IKM di Jambi masih tergolong belum berkembang. Oleh karena itu, diperlukan intervensi berupa peningkatan akses permodalan, pelatihan, dan penguatan infrastruktur agar sektor IKM dapat tumbuh lebih merata.
Klasifikasi Status Mahasiswa Berisiko Drop Out Menggunakan Decision Tree C5.0 dengan Seleksi Fitur: Classification of Student Drop Out Risk Using Decision Tree C5.0 with Feature Selection Hanis, Farisyah Lutfiah; Khaira, Ulfa; Arsa, Daniel
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2239

Abstract

Penelitian ini bertujuan untuk membandingkan performa algoritma Decision Tree C5.0 dengan dan tanpa seleksi fitur Mutual Information dalam klasifikasi mahasiswa berisiko drop out. Data yang digunakan mencakup mahasiswa S1 angkatan 2018–2023 dengan atribut performa akademik tiap semester serta aktivitas tugas akhir mahasiswa. Tahapan pengolahan data meliputi seleksi data, pembersihan, pelabelan, dan penanganan data tidak seimbang menggunakan Random Undersampling. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa pada mahasiswa angkatan 2022–2023, model tanpa seleksi fitur menghasilkan akurasi sebesar 87,14%, dan meningkat menjadi 88,57% setelah penerapan seleksi fitur. Sementara itu, pada mahasiswa angkatan 2018–2021, akurasi model tanpa seleksi fitur mencapai 93,04% dan meningkat menjadi 94,30% dengan penerapan seleksi fitur. Faktor dominan yang memengaruhi klasifikasi berbeda pada masing-masing kelompok, di mana jumlah absen menjadi indikator utama pada mahasiswa angkatan 2022–2023, sedangkan durasi pengerjaan tugas akhir lebih berpengaruh pada mahasiswa angkatan 2018–2021.