Claim Missing Document
Check
Articles

Found 23 Documents
Search

Penerapan Algoritma Self Organizing Maps untuk Pengelompokkan Penyandang Masalah Kesejahteraan Sosial di Provinsi Jawa Tengah Chaerul Iqbal , Ilham; Istiawan, Deden; Ngatimin; Zaenah; Huda, Nurul
Journal of Applied Statistics and Data Mining Vol. 2 No. 2 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i2.21

Abstract

Penyandang Masalah Kesejahteraan Sosial (PMKS) adalah seseorang atau keluarga karena suatu hambatan, kesulitan atau gangguan tidak dapat melaksanakan fungsi sosialnya dan karenanya tidak dapat menjalin hubungan yang serasi dan kreatif dengan lingkungannya sehingga tidak dapat memenuhi kebutuhan hidupnya (jasmani, rohani, sosial) secara memadai dan wajar. Berdasarkan data penyandang masalah kesejahteraan sosial (PMKS) di Dinas Sosial Provinsi Jawa Tengah, menampilkan tiap daerah memiliki jumlah yang bervariasi dari 26 indikator tersebut. Untuk itu diperlukan pengelompokkan, supaya diketahui karakteristik dari tiap kota atau kabupaten yang memiliki jumlah yang banyak maupun sedikit, oleh karena itu dibutuhkan metode untuk memudahkan dalam pengelompokkan. Data cenderung berdimensi tinggi daripada umumnya dan memiliki atribut lebih dari sepuluh. Sehingga pada penelitian ini menggunakan metode algoritma Self Organizing Maps (SOM) karena efektif untuk visualisasi data berdimensi tinggi. Penelitian ini memperoleh bahwa Kabupaten atau Kota di Provinsi Jawa Tengah yang tidak sejahtera yaitu Kabupaten Purbalingga dan Kabupaten Cilacap. Hasil pengelompokkan Kabupaten/Kota di Jawa Tengah menjadi 3 cluster dimana cluster 1 terdiri dari 4 daerah dikategorikan cukup sejahtera, cluster 2 terdiri dari 13 daerah dikategorikan tidak sejahtera, dan cluster 3 terdiri dari 18 daerah dikategorikan sejahtera.
PENGELOMPOKAN TINGKAT KEMISKINAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR MENGUNAKAN ALGORITMA K-MEANS++ Chintya Devi Panglipuring Sriaji; Zaenah; Istiawan, Deden; Sukmono Yogi Prayogi; Adiyah Mahiruna
Journal of Applied Statistics and Data Mining Vol. 2 No. 2 (2021): Journal Applied Statistics and Data Mining
Publisher : Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63229/jasdm.v2i2.39

Abstract

Menurut Badan Perencanaan dan Pembangungan Daerah (BAPPEDA) kemiskinan adalah kondisi dimana seseorang atau sekelompok orang tidak mampu memenuhi hak-hak dasarnya untuk mempertahankan dan mengembangkan kehidupan yang bermartabat, dimana hak-hak dasar tersebut yaitu terpenuhinya kebutuhan pangan, kesehatan, pendidikan, pekerjaan, perumahan, air bersih, pertanahan, sumber daya alam dan lingkungan hidup, rasa aman dari tindak kekerasan dan hak berpartisipasi dalam sosial politik. Kemiskinan di Indonesia dipengaruhi oleh beberapa faktor, salah satunya ialah tingkat pengangguran yaitu karena tingkat pengangguran yang tinggi menyebabkan rendahnya pendapatan yang selanjutnya memicu munculnya kemiskinan. Dimana provinsi dengan jumlah penduduk miskin terbanyak di Pulau Jawa adalah provinsi Jawa Timur yaitu mencapai 4.332.590 jiwa. Tingkat kemiskinan di Jawa Timur dipengaruhi oleh beberapa faktor diantaranya yaitu Indeks Pembangunan Manusia, Produk Domestik Regional Bruto per kapita, dan belanja publik. Untuk mengelompokan data kemiskinan di Jawa Timur penelitian ini menggunakan metode K-Means++. Dimana data yang digunakan adalah data sekunder yang mana diambil pada BDT TNP2K BAPPEDA JawaTimur pada tahun 2015 yang diunduh pada website http://www.tnp2k.go.id/. Metode penelitian yang digunakan meliputi beberapa tahap diantaranya analisa masalah, pengumpulan data, metode usulan, serta eksperimen dan juga pengujian. Data yang didapatkan kemudian dianalisis menggunakan beberapa langkah yaitu: menentukan jumlah klaster K=2, inisialisasi centroid, menghitung jumlah jarak terdekat, menentukan pusat klaster baru, mengalokasikan data sampai datanya tidak berpindah kelompok. Setelah dianalisis diperoleh kesimpulan bahwa data kemiskinan di Jawa Timur terbentuk menjadi 2 klaster dan juga didapat kesimpulan bahwa K-means++ lebih baik dari pada K-Means.
Penguatan Struktur Data dan Algoritma bagi Mahasiswa: Fondasi Karir Profesional di Bidang Teknologi Informasi Huda, Nurul; Istiawan, Deden; Khikmah, Laelatul; Nur Cahyani, Annisa
Indonesia Bergerak : Jurnal Hasil Kegiatan Pengabdian Masyarakat Vol. 3 No. 3 (2025): Juli : Indonesia Bergerak : Jurnal Hasil Kegiatan Pengabdian Masyarakat
Publisher : Asosiasi Riset Ilmu Teknik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/inber.v3i3.942

Abstract

The rapid advancement of information technology demands higher education graduates to possess strong digital competencies, particularly algorithmic literacy. This form of literacy involves understanding data structures, programming logic, and computational thinking in problem-solving. This community service program aimed to strengthen algorithmic literacy among students as a foundational skill for building a professional career in the field of information technology. Conducted at the Information Technology Study Program of Universitas ‘Aisyiyah Yogyakarta, the program included need assessment, instructional material development, interactive training sessions, case-based group work, and evaluation through student presentations. The results showed significant improvement in students’ understanding of algorithms and their ability to design efficient and systematic solutions. By applying a problem-based and collaborative learning approach, students also developed essential 21st-century skills such as communication and teamwork. The case presentation-based evaluation provided comprehensive insights into their critical and logical thinking abilities. This program successfully contributed to preparing students not only as technology users but also as future innovators in the digital era.