Article Per Year (5 Year)
p-Index From 2021 - 2026
2.862
P-Index
This Author published in this journals
All Journal Intizar Jurnal Teknologi dan Sistem Komputer Indonesian Journal of Artificial Intelligence and Data Mining ILKOM Jurnal Ilmiah Building of Informatics, Technology and Science International Journal of Advances in Data and Information Systems Journal of Intelligent Computing and Health Informatics (JICHI) Jurnal Pengabdian Masyarakat Intimas (Jurnal INTIMAS): Inovasi Teknologi Informasi Dan Komputer Untuk Masyarakat Prosiding University Research Colloquium Jurnal Pengabdian Masyarakat Sains dan Teknologi Jurnal Pengabdian Informatika (JUPITA) Indonesia Bergerak: Jurnal Hasil Kegiatan Pengabdian Masyarakat Journal of applied statistics and data mining Profetika: Jurnal Studi Islam
Istiawan, Deden
Institut Teknologi Statistika Dan Bisnis Muhammadiyah Semarang
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : prosiding university research colloquium

 1 
Perbandingan Algoritma C4.5, Naïve Bayes dan K-Nearest Neighbour untuk Prediksi Lahan Kritis di Kabupaten Pemalang Nur Khotimah; Deden Istiawan
Prosiding University Research Colloquium Proceeding of The 7th University Research Colloquium 2018: Mahasiswa (student paper presentation)
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (197.286 KB)

Abstract

Keberadaan lahan merupakan aspek penting dalam kehidupanmanusia dan makhluk hidup lainnya, akan tetapi persoalan kerusakanhutan dan lahan terus terjadi dan mengalami peningkatan sehinggamengakibatkan lahan menjadi kritis. Data dan informasi mengenaidegradasi hutan dan lahan seringkali tidak mengacu kepada formatdan struktur database yang dapat dipertanggungjawabkan.Sehinggasalah satu faktor penting dalam menentukan kesuksesanpemetaanpenggunaan lahan guna meningkatkan fungsi hutan lindungdan hutan konservasiterletak pada pemilihan skema klasifikasilahannya. Klasifikasi dapat diselesaikan dengan menggunakan teknikdata mining. Klasifikasi termasuk dalam tipe supervised learning yangartinya dibutuhkan data pelatihan untuk membangun suatu modelklasifikasinya. Terdapat lima kategori klasifikasi yaitu berbasisstastistik, berbasis jarak, berbasis pohon keputusan, berbasis jaringansaraf, dan berbasis aturan. Tiap kategori klasifikasi memiliki banyakpilihan algoritma. Algoritma yang paling sering digunakan adalahalgoritma C4.5, Naïve Bayes, dan k-Nearest Neighbour (k-NN).Penelitian ini akan membandingkan hasil klasifikasi dari tigaalgoritma tersebut untuk mengetahui algoritma mana yang memilikikinerja paling baik dalam memprediksi berdasarkan nilai akurasi.Data yang digunakan yaitu data lahan lahan kritis daerah hutanlindung dan hutan konservasi Kabupaten Pemalang .Hasil daripenelitian ini diperoleh C4.5 memiliki akurasi paling tinggi sebesar77,75 % disusul Naïve Bayes 77,49% dan terakhir k-NN memilikiakurasi sebesar 73,91%.
Penerapan Partition Entropy Index, Partition Coefficient Index dan Xie BeniIndex untuk Penentuan Jumlah Klaster Optimal pada Algoritma Fuzzy C-Means dalam Pemetaan Tingkat Kesejahteraan Penduduk Jawa Tengah Syayidati Mashfuufah; Deden Istiawan
Prosiding University Research Colloquium Proceeding of The 7th University Research Colloquium 2018: Mahasiswa (student paper presentation)
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (376.755 KB)

Abstract

Kemiskinan merupakan salah satu indikator ekonomi untuk melihattingkat kesejahteraan penduduk di suatu daerah. Menurut data BPSpada September 2016, Jawa Tengah tercatat sebagai provinsi dengantingkat kemiskinan tertinggi di Jawa. Dalam strategi penanggulangankemiskinan dibutuhkan data kemiskinan yang akurat sesuaikarakteristik tingkat kesejahteraan, sehingga pemerintah dapatmenghasilkan kebijakan yang tepat sasaran dan tepat guna. Untukpengelompokkan tingkat kesejahteraan kabupaten/kota di JawaTengah diusulkan algoritma Fuzzy C-Means (FCM). FCM memilikikelebihan dalam ketepatan penempatan pusat klaster dan sangat stabilterhadap outlier, namun jumlah klaster dalam FCM harus ditentukanterlebih dahulu sebelum melakukan penelitian. Untuk penentuanjumlah klaster optimal pada algoritma FCM, pada penelitian inidiusulkan Cluster Validity Index (CVI). CVI merupakan sebuah ukuranvaliditas untuk menemukan jumlah klaster optimal yang sepenuhnyadapat menjelaskan struktur data dengan cara mengukur derajatkekompakan dalam satu klaster dan separasi antar klaster. Padapenelitian ini diusulkan CVI Partition Entropy Index (PEI), PartitionCoefficient Index (PCI) dan Xie Beni Index (XBI). Hasil penelitianmenunjukkan jumlah klaster optimal berdasarkan CVI adalah duaklaster. Klaster pertama terdiri dari 22 kabupaten/kota dan klasterkedua terdiri dari 13 kabupaten/kota.
Penerapan Algoritma Self Organizing Maps Untuk Pemetaan Penyandang Kesejahteraan Sosial (PMKS) di Provinsi Jawa Tengah Tahun 2016 Amrul Hafiludien; Deden Istiawan
Prosiding University Research Colloquium Proceeding of The 7th University Research Colloquium 2018: Mahasiswa (student paper presentation)
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (374.627 KB)

Abstract

Masalah Kesejahteraan Sosial atau Penyandang MasalahKesejahteraan Sosial (PMKS) adalah seseorang atau keluarga karenaadanya suatu hambatan, kesulitan atau gangguan tidak bisamelaksanakan fungsi sosialnya dan karenanya tidak dapat menjalinhubungan yang serasi serta kreatif dengan lingkungannya sehinggatidak dapat memenuhi kebutuhan hidupnya baik jasmani, rohani,sosial secara memadai dan wajar. Pengelompokan daerahberdasarkan indikator Penyandang Masalah Kesejahteraan Sosial(PMKS) sangat penting dilakukan untuk memperoleh gambaranmasalah PMKS sehingga dapat mengambil kebijakan dalam halmenentukan sasaran dan memberikan rekomendasi untuk intervensipenyandang kesejahteraan sosial di tingkat provinsi Jawa Tengah.Banyak penelitian yang telah dilakukan untuk menganalisis datasecara efektif dan efisien, salah satunya dengan data mining. Dalamdata mining salah satu metode yang dapat digunakan untukpengelompokan adalah olgaritma Self Organizing Maps. SelfOrganizing Maps(SOM) diperkenalkan oleh kohonen pada tahun 1982,SOM digunakan untuk mengimplementasikan data berdimensi tinggidan memvisualisasikanya secara teratur kedalam dimensi rendah..Kemampuan dalam visualisasi ini dapat mengatasi masalah dalammetode cluster lain yang sulit jika data berdimensi tinggi.
PENENTUAN PUSAT AWAL KLASTER ALGORITMA K-MEANS UNTUK PEMETAAN TINGKAT KESEJAHTERAAN DI PROVINSI JAWA TENGAH Deden Istiawan
Prosiding University Research Colloquium Proceeding of The 8th University Research Colloquium 2018: Bidang MIPA dan Kesehatan
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (309.182 KB)

Abstract

Kesejahteran mempunyai arti yang relatif, dinamis dan kuantitatif. Sampai saat ini rumusanya tidak pernah selesai karena akan terus berkembang seiring dengan perkembangan zaman. Kesejahteraan secara umum adalah suatu keadaan dimana segenap warga negara selalu berada dalam kondisi yang serba kecukupan dalam segala kebutuhannya. Kemiskinan di Provinsi Jawa Tengah masih berada di atas kemiskinan nasional. Pengelompokkan kemiskinan merupakan salah satu cara untuk mengidentifikasi karakteristik tingkat kesejahteraan rakyat pada tiap daerah agar dalam mengambil kebijakan dan strategi pembangunan tepat sasaran dan tepat guna. Algoritma K-means merupakan salah satu algoritma klastering yang paling sering digunakan untuk pengelompokan objek dikarena kemudahan dalam pengaplikasianya dan sangat efisien untuk mengelompokan data yang besar, namun algoritma K-means memiliki kelemahan pada pemilihan pusat awal klaster secara acak, sehingga menyebabkan kinerja algoritma K-means menurun. Pada penelitian ini diusulkan metode penentuan pusat awal klaster pada algoritma K-means. Hasil penelitian menunjukan bahwa metode yang diusulkan memiliki kinerja yang lebih baik daripada algoritma K-means Standar.
Perbandingan Algoritma C4.5, Naïve Bayes dan K-Nearest Neighbour untuk Prediksi Lahan Kritis di Kabupaten Pemalang Khotimah, Nur; Istiawan, Deden
Prosiding University Research Colloquium Proceeding of The 7th University Research Colloquium 2018: Mahasiswa (student paper presentation)
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keberadaan lahan merupakan aspek penting dalam kehidupanmanusia dan makhluk hidup lainnya, akan tetapi persoalan kerusakanhutan dan lahan terus terjadi dan mengalami peningkatan sehinggamengakibatkan lahan menjadi kritis. Data dan informasi mengenaidegradasi hutan dan lahan seringkali tidak mengacu kepada formatdan struktur database yang dapat dipertanggungjawabkan.Sehinggasalah satu faktor penting dalam menentukan kesuksesanpemetaanpenggunaan lahan guna meningkatkan fungsi hutan lindungdan hutan konservasiterletak pada pemilihan skema klasifikasilahannya. Klasifikasi dapat diselesaikan dengan menggunakan teknikdata mining. Klasifikasi termasuk dalam tipe supervised learning yangartinya dibutuhkan data pelatihan untuk membangun suatu modelklasifikasinya. Terdapat lima kategori klasifikasi yaitu berbasisstastistik, berbasis jarak, berbasis pohon keputusan, berbasis jaringansaraf, dan berbasis aturan. Tiap kategori klasifikasi memiliki banyakpilihan algoritma. Algoritma yang paling sering digunakan adalahalgoritma C4.5, Naïve Bayes, dan k-Nearest Neighbour (k-NN).Penelitian ini akan membandingkan hasil klasifikasi dari tigaalgoritma tersebut untuk mengetahui algoritma mana yang memilikikinerja paling baik dalam memprediksi berdasarkan nilai akurasi.Data yang digunakan yaitu data lahan lahan kritis daerah hutanlindung dan hutan konservasi Kabupaten Pemalang .Hasil daripenelitian ini diperoleh C4.5 memiliki akurasi paling tinggi sebesar77,75 % disusul Naïve Bayes 77,49% dan terakhir k-NN memilikiakurasi sebesar 73,91%.
Penerapan Partition Entropy Index, Partition Coefficient Index dan Xie BeniIndex untuk Penentuan Jumlah Klaster Optimal pada Algoritma Fuzzy C-Means dalam Pemetaan Tingkat Kesejahteraan Penduduk Jawa Tengah Mashfuufah, Syayidati; Istiawan, Deden
Prosiding University Research Colloquium Proceeding of The 7th University Research Colloquium 2018: Mahasiswa (student paper presentation)
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemiskinan merupakan salah satu indikator ekonomi untuk melihattingkat kesejahteraan penduduk di suatu daerah. Menurut data BPSpada September 2016, Jawa Tengah tercatat sebagai provinsi dengantingkat kemiskinan tertinggi di Jawa. Dalam strategi penanggulangankemiskinan dibutuhkan data kemiskinan yang akurat sesuaikarakteristik tingkat kesejahteraan, sehingga pemerintah dapatmenghasilkan kebijakan yang tepat sasaran dan tepat guna. Untukpengelompokkan tingkat kesejahteraan kabupaten/kota di JawaTengah diusulkan algoritma Fuzzy C-Means (FCM). FCM memilikikelebihan dalam ketepatan penempatan pusat klaster dan sangat stabilterhadap outlier, namun jumlah klaster dalam FCM harus ditentukanterlebih dahulu sebelum melakukan penelitian. Untuk penentuanjumlah klaster optimal pada algoritma FCM, pada penelitian inidiusulkan Cluster Validity Index (CVI). CVI merupakan sebuah ukuranvaliditas untuk menemukan jumlah klaster optimal yang sepenuhnyadapat menjelaskan struktur data dengan cara mengukur derajatkekompakan dalam satu klaster dan separasi antar klaster. Padapenelitian ini diusulkan CVI Partition Entropy Index (PEI), PartitionCoefficient Index (PCI) dan Xie Beni Index (XBI). Hasil penelitianmenunjukkan jumlah klaster optimal berdasarkan CVI adalah duaklaster. Klaster pertama terdiri dari 22 kabupaten/kota dan klasterkedua terdiri dari 13 kabupaten/kota.
Penerapan Algoritma Self Organizing Maps Untuk Pemetaan Penyandang Kesejahteraan Sosial (PMKS) di Provinsi Jawa Tengah Tahun 2016 Hafiludien, Amrul; Istiawan, Deden
Prosiding University Research Colloquium Proceeding of The 7th University Research Colloquium 2018: Mahasiswa (student paper presentation)
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Masalah Kesejahteraan Sosial atau Penyandang MasalahKesejahteraan Sosial (PMKS) adalah seseorang atau keluarga karenaadanya suatu hambatan, kesulitan atau gangguan tidak bisamelaksanakan fungsi sosialnya dan karenanya tidak dapat menjalinhubungan yang serasi serta kreatif dengan lingkungannya sehinggatidak dapat memenuhi kebutuhan hidupnya baik jasmani, rohani,sosial secara memadai dan wajar. Pengelompokan daerahberdasarkan indikator Penyandang Masalah Kesejahteraan Sosial(PMKS) sangat penting dilakukan untuk memperoleh gambaranmasalah PMKS sehingga dapat mengambil kebijakan dalam halmenentukan sasaran dan memberikan rekomendasi untuk intervensipenyandang kesejahteraan sosial di tingkat provinsi Jawa Tengah.Banyak penelitian yang telah dilakukan untuk menganalisis datasecara efektif dan efisien, salah satunya dengan data mining. Dalamdata mining salah satu metode yang dapat digunakan untukpengelompokan adalah olgaritma Self Organizing Maps. SelfOrganizing Maps(SOM) diperkenalkan oleh kohonen pada tahun 1982,SOM digunakan untuk mengimplementasikan data berdimensi tinggidan memvisualisasikanya secara teratur kedalam dimensi rendah..Kemampuan dalam visualisasi ini dapat mengatasi masalah dalammetode cluster lain yang sulit jika data berdimensi tinggi.
PENENTUAN PUSAT AWAL KLASTER ALGORITMA K-MEANS UNTUK PEMETAAN TINGKAT KESEJAHTERAAN DI PROVINSI JAWA TENGAH Istiawan, Deden
Prosiding University Research Colloquium Proceeding of The 8th University Research Colloquium 2018: Bidang MIPA dan Kesehatan
Publisher : Konsorsium Lembaga Penelitian dan Pengabdian kepada Masyarakat Perguruan Tinggi Muhammadiyah 'Aisyiyah (PTMA) Koordinator Wilayah Jawa Tengah - DIY

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kesejahteran mempunyai arti yang relatif, dinamis dan kuantitatif. Sampai saat ini rumusanya tidak pernah selesai karena akan terus berkembang seiring dengan perkembangan zaman. Kesejahteraan secara umum adalah suatu keadaan dimana segenap warga negara selalu berada dalam kondisi yang serba kecukupan dalam segala kebutuhannya. Kemiskinan di Provinsi Jawa Tengah masih berada di atas kemiskinan nasional. Pengelompokkan kemiskinan merupakan salah satu cara untuk mengidentifikasi karakteristik tingkat kesejahteraan rakyat pada tiap daerah agar dalam mengambil kebijakan dan strategi pembangunan tepat sasaran dan tepat guna. Algoritma K-means merupakan salah satu algoritma klastering yang paling sering digunakan untuk pengelompokan objek dikarena kemudahan dalam pengaplikasianya dan sangat efisien untuk mengelompokan data yang besar, namun algoritma K-means memiliki kelemahan pada pemilihan pusat awal klaster secara acak, sehingga menyebabkan kinerja algoritma K-means menurun. Pada penelitian ini diusulkan metode penentuan pusat awal klaster pada algoritma K-means. Hasil penelitian menunjukan bahwa metode yang diusulkan memiliki kinerja yang lebih baik daripada algoritma K-means Standar.
Co-Authors Adilah Ahmad, Muna Adiyah Mahiruna ALYA MASITHA Amrul Hafiludien Arif Arrahman, Malik Chaerul Iqbal , Ilham Chintya Devi Panglipuring Sriaji Eko Hari Rachmawanto Firdaus, Lucky Nur Rohman Hafiludien, Amrul Ika Safitri Windiarti Khikmah, Laelatul Khotimah, Nur Laelatul Khikmah Mahiruna, Adiyah Mashfuufah, Syayidati Nahdluddin Nanda Zhafran Mahendra Ngatimin NGATIMIN, NGATIMIN Nur Cahyani, Annisa Nur Khotimah Nurul Huda Nurul Huda Nurul huda Prayogi, Sukmono Yogi R Rosidin Ratri Wulandari Riansyah, Rahmat Santoso, Arif Gunawan Sholicah, Ameliatus Sukmono Yogi Prayogi Sulistijanti, Wellie Syayidati Mashfuufah Wijayaningrum, Taswati Nova Windyaning Ustyannie Yogi Prayogi, Sukmono Zaenah Zilfi, Elok Maria