Article Per Year (5 Year)
p-Index From 2021 - 2026
5.059
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi JUITA : Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan JAIS (Journal of Applied Intelligent System) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal ICT : Information Communication & Technology Infotekmesin JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Innovation Information Technology and Application (JINITA) Brahmana : Jurnal Penerapan Kecerdasan Buatan JOINT (Journal of Information Technology Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) Informatics and Digital Expert (INDEX) Jurnal Puan Indonesia Tedc Prosiding Seminar Nasional Hasil-hasil Penelitian dan Pengabdian Pada Masyarakat Journal of Informatics and Electronics Engineering Journal Of Artificial Intelligence And Software Engineering Competitive Jurnal Informatika: Jurnal Pengembangan IT Scientific Journal of Informatics Journal of New Trends in Sciences JPPkM: Jurnal Pengabdian dan Pemberdayaan kepada Masyarakat Journal of Applied Information Technology and Innovation
Castaka Agus Sugianto
Politeknik TEDC
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Veterinary Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Informatics and Digital Expert (INDEX)

 1 
Optimasi Algoritma K-Means Menggunakan Metode Elbow Pada Data Penerima Program Keluarga Harapan (PKH) Sugianto, Castaka Agus; Wanaziana, Keny Kirana
Informatics and Digital Expert (INDEX) Vol. 6 No. 1 (2024): INDEX, Mei 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i1.1739

Abstract

Program Keluarga Harapan (PKH) merupakan program pemberian bantuan sosial bersyarat kepada keluarga miskin yang ditujukan kepada keluarga penerima manfaat PKH. Melalui PKH, keluarga miskin didorong untuk memiliki akses dan memanfaatkan pelayanan sosial dasar di bidang kesehatan, pendidikan, pangan dan gizi, perawatan, serta pendampingan. Pada kelurahan Cibabat dan kelurahan Cipageran kecamatan Cimahi Utara terdapat 387 data penerima bantuan PKH pada tahun 2022. Namun belum adanya pengolahan data penerima bantuan PKH tersebut sehingga dalam melakukan pendampingan penerima bantuan PKH belum mendapatkan penglompokan yang sesuai dengan riwayat pendidikan. Berdasarkan latar belakang masalah yang telah dijabarkan, penulis tertarik untuk melakukan Clustering menggunakan Algoritma K-means pada data penerima bantuan PKH. Berdasarkan pengujian metode elbow pada algoritma k-means didapat nilai k yang optimal adalah k=3. Pengelompokan dataset yang digunakan menjadi 3 kelompok cluster, diantranya cluster_0 sebanyak 257 data, cluster_1 sebanyak 75 data, dan cluster_2 sebanyak 55 data. Pada cluster_0 di dominasi oleh peserta lulusan SD sebanyak 173 data, untuk cluster_1 di dominasi oleh peserta tidak sekolah sebanyak 40 data, dan untuk cluster_2 di dominasi peserta tidak sekolah sebanyak 48 data. Pada cluster tersebut didapatkan nilai performa berdasarkan rata-rata avg. within centroid distance_cluster_0 adalah 6.720, avg. within centroid distance_cluster_1 adalah 14.373, avg. within centroid distance_cluster_2 adalah 8.496 dan Davies Bouildin Index adalah 0.816. Hasil penelitian ini diharapkan menjadi acuan bagi pengurus sekretariat PPKH dalam melaksanakan pendampingan masyarakat penerima Program Keluarga Harapan.
PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR (KNN) PADA VIDEO YOUTUBE MENGENAI GLOBAL WARMING Himawan, Aldi; Agus Sugianto, Castaka
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1803

Abstract

Pemanasan global merupakan salah satu tantangan lingkungan utama yang dihadapi dunia saat ini, disebabkan oleh peningkatan emisi gas rumah kaca. Media sosial, khususnya YouTube, menjadi platform penting dalam menyebarkan informasi dan menciptakan kesadaran tentang isu-isu ini. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap video YouTube yang membahas pemanasan global, khususnya video yang dibuat oleh Najwa Shihab. Dua metode klasifikasi digunakan, yaitu Naïve Bayes dan K-Nearest Neighbor (KNN), untuk mengklasifikasikan komentar pengguna menjadi kategori positif atau negatif. Data komentar dikumpulkan menggunakan teknik web scraping pada Februari 2024, dan dianalisis menggunakan metode SEMMA Data Mining Process. Hasil analisis menunjukkan bahwa metode Naïve Bayes dan KNN memberikan kinerja yang kompetitif dalam mengklasifikasikan sentimen komentar-komentar ini. Evaluasi dilakukan dengan membagi dataset komentar menjadi beberapa rasio pelatihan dan pengujian, Evaluasi dilakukan dengan membagi dataset komentar menjadi beberapa rasio pelatihan dan pengujian: 70:30, 80:20, dan 90:10. Hasil analisis menggunakan rasio 90:10 yang sudah dilakukan menggunakan 10-fold cross validation menunjukkan bahwa algoritma Naïve Bayes memperlihatkan kinerja yang kompetitif dengan akurasi sebesar 79.17%, presisi sebesar 80.76% recall sebesar 79.17%, dan f1-score sebesar 78.68%. Sementara itu, K-Nearest Neighbor juga menunjukkan kinerja yang kompetitif, dengan akurasi sebesar 76.06% , presisi sebesar 76.70%, recall sebesar 76.06%, dan f1-score sebesar 75.98% . Hasil pengujian T-Test menujukan perbedaan yang signifikan antara algoritma Naïve Bayes dan K-Nearest Neighbor dengan nilai probabilstik 0.0001 kurang dari nilai alpha yaitu 0.05 yang menunjukan bahwa algoritma Naïve Bayes lebih unggul performanya. Selain itu, analisis sentimen menunjukkan bahwa mayoritas komentar memiliki sentimen negatif, mencerminkan bahwa video tersebut berhasil meningkatkan kesadaran masyarakat mengenai isu pemanasan global dan memicu diskusi yang konstruktif.
Optimasi Algoritma K-Means Menggunakan Metode Elbow Pada Data Penerima Program Keluarga Harapan (PKH) Sugianto, Castaka Agus; Wanaziana, Keny Kirana
Informatics and Digital Expert (INDEX) Vol. 6 No. 1 (2024): INDEX, Mei 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i1.1739

Abstract

Program Keluarga Harapan (PKH) merupakan program pemberian bantuan sosial bersyarat kepada keluarga miskin yang ditujukan kepada keluarga penerima manfaat PKH. Melalui PKH, keluarga miskin didorong untuk memiliki akses dan memanfaatkan pelayanan sosial dasar di bidang kesehatan, pendidikan, pangan dan gizi, perawatan, serta pendampingan. Pada kelurahan Cibabat dan kelurahan Cipageran kecamatan Cimahi Utara terdapat 387 data penerima bantuan PKH pada tahun 2022. Namun belum adanya pengolahan data penerima bantuan PKH tersebut sehingga dalam melakukan pendampingan penerima bantuan PKH belum mendapatkan penglompokan yang sesuai dengan riwayat pendidikan. Berdasarkan latar belakang masalah yang telah dijabarkan, penulis tertarik untuk melakukan Clustering menggunakan Algoritma K-means pada data penerima bantuan PKH. Berdasarkan pengujian metode elbow pada algoritma k-means didapat nilai k yang optimal adalah k=3. Pengelompokan dataset yang digunakan menjadi 3 kelompok cluster, diantranya cluster_0 sebanyak 257 data, cluster_1 sebanyak 75 data, dan cluster_2 sebanyak 55 data. Pada cluster_0 di dominasi oleh peserta lulusan SD sebanyak 173 data, untuk cluster_1 di dominasi oleh peserta tidak sekolah sebanyak 40 data, dan untuk cluster_2 di dominasi peserta tidak sekolah sebanyak 48 data. Pada cluster tersebut didapatkan nilai performa berdasarkan rata-rata avg. within centroid distance_cluster_0 adalah 6.720, avg. within centroid distance_cluster_1 adalah 14.373, avg. within centroid distance_cluster_2 adalah 8.496 dan Davies Bouildin Index adalah 0.816. Hasil penelitian ini diharapkan menjadi acuan bagi pengurus sekretariat PPKH dalam melaksanakan pendampingan masyarakat penerima Program Keluarga Harapan.
Co-Authors Ade Yuliana Aditia Gusman Aldy Noer Tjahyo Apnena, Riri Damayanti Aqmal Mulqy Bagja Laksana Ari Sudrajat Aris Haris Rismayana Arya Aditya Ayu Hendrati Rahayu Candra Irawan Christy Atika Sari Dadan Saepul Ramdan Dahlan Dahlan Dini Rohmayani Eko Hari Rachmawanto Faishal Fachruddin Febianto, Aldi Kristiawan Firdhani Faujiyah Fitrah, La Ode Muhammad Fredricka, Jhoanne Gerinata Ginting Heldi Akbar Kosasih Hidayah, Hamimah Nur Himawan, Aldi Iqna Aulia Iskandar, Rachmat Juniardi, Trianda Kosasih, Heldi Akbar Lela Kesmasari Maulana, Firdi Rizky Melani Nur Astita Mohamed Doheir Muhammad Ridwan Nadya Selvi Pujiyanita Nafea, Mohammed Mansoor Nandhita Ayusari Nia Ekawati, Nia Novita Lestari Anggreini Pebriana, Sela Perdana, Rangga Satria Pujiyanita, Nadya Selvi Rahmawan, Septiadi Ramdan, Dadan Saepul Riansyah Ramadhan, Gery Riyan Riyan Rizqy Dimas Monica Rosdianti, Elfi Safira, Rifa Sari, Putri Nurlaela Shandy Tresnawati Sukmawati, Dini Syaefuloh, Herman Syams, Fawwaz Muhammad Syifa Fauzia Tahir Tahir, Syifa Fauzia Tati Ernawati Taufik Fajar Mustafa Tresnawati, Shandy Tri Herdiawan Apandi Tri Pratiwi Olivia Riska Bokings Wanaziana, Keny Kirana Zulkipli ., Zulkipli Zundi, Teguh Muhammad