Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Journal of Science Nusantara
EWING RUDITA ARINI
Universitas Nahdlatul Ulama Blitar
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Mechanical Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal of Science Nusantara

 1 
Penerapan K-Means Cluster Di Provinsi Jawa Timur Berdasarkan Ketahanan Pangan Ewing Rudita Arini
Journal of Science Nusantara Vol 3 No 1 (2023): Maret 2023
Publisher : LPPM Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/jsnu.v3i1.866

Abstract

Pangan merupakan kebutuhan utama yang harus dipenuhi masyarakat. Jika ketahanan pangan terganggu, maka akan berdampak buruk bagi kehidupan bangsa. Analisis K-Means Cluster adalah salah satu metode pada Analisis Cluster non hirarki yang mengelompokkan data ke dalam satu atau lebih kelompok. Data-data yang mempunyai karakteristik yang sama dikelompokan dalam satu cluster dan data yang mempunyai karakteristik yang berbeda dikelompokan ke dalam cluster yang lain. Data-data yang digunakan pada penelitian ini adalah luas panen padi, produktivitas padi dan produksi beras pada 38 Kabupaten/Kota di Provinsi Jawa Timur tahun 2022. Ada tiga kelompok yang terbentuk yaitu Kabupaten/Kota dengan ketahanan pangan yang diduga rendah sebanyak 23 anggota, sedang sebanyak 9 anggota dan tinggi sebanyak 6 anggota.
Aplikasi Double Exponential Smoothing Holt untuk Meramalkan Indikator Kesehatan Indonesia Ewing Rudita Arini
Journal of Science Nusantara Vol 3 No 4 (2023): Volume 3, Nomor 4, Desember 2023
Publisher : LPPM Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/jsnu.v3i4.1352

Abstract

Abstrak Persalinan adalah proses fisiologis dan akhir perjalanan dari kehamilan seorang ibu. Tingginya tingkat kematian ibu saat persalinan dapat dicegah dengan pertolongan tenaga kesehatan yang terampil. Metode Double Exponential Smooting Holt adalah salah satu metode peramalan yang dapat digunakan pada data berpola tren. Data persentase persalinan ditolong tenaga kesehatan (dokter, bidan dan tenaga medis) tahun 2023-2023 cenderung memiliki pola data tren naik. Hasil perhitungan pada penelitian ini, tingkat kesalahan peramalan terkecil menggunakan MAD, MSE dan MAPE berturut-turut 0.97; 2.15; 1.18% dengan nilai parameter dan . Dari hasil tersebut dapat diramalkan persentase persalinan ditolong tenaga kesehatan (dokter, bidan dan tenaga medis) pada tahun 2024 sebesar 97.19, tahun 2025 sebesar 97.74 dan tahun 2026 sebesar 98.29. Katakunci: Peramalan, Double Exponential Smoothing Holt, Persalinan Abstract Childbirth is a physiological process and the end of a mother's pregnancy. The high rate of maternal death during childbirth can be prevented with the help of skilled health personnel. The Double Exponential Smoothing Holt method is a forecasting method that can be used on trend pattern data. Data on the percentage of births assisted by health workers (doctors, midwives and medical personnel) in 2023-2023 tends to have an upward trend data pattern. The calculation results in this study show that the smallest forecasting error rate using MAD, MSE and MAPE is 0.97; 2.15; 1.18% with parameter values ​​α=0.9 and β=0.5. From these results it can be predicted that the percentage of births assisted by health workers (doctors, midwives and medical personnel) in 2024 will be 97.19, in 2025 will be 97.74 and in 2026 it will be 98.29. Keyword: Forecasting, Double Exponential Smoothing Holt, Childbirth
K-Means dan K-Medoids Clustering Pada Kasus Tindak Pidana Khusus EWING RUDITA ARINI
Journal of Science Nusantara Vol 4 No 2 (2024): Vol 4 No 2 Juni 2024
Publisher : LPPM Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/jsnu.v4i2.1519

Abstract

Tindak pidana khusus merupakan bagian dari hukum pidana yang diatur dalam undang-undang. Pada penelitian ini, metode clustering yang digunakan adalah K-Means dan K-Medoids dan dievaluasi menggunakan Davies Bouldin Index. Data yang digunakan pada penelitian ini adalah data tindak pidana khusus tahun 2023. Berdasarkan perhitungan diperoleh nilai DBI K-Means lebih rendah dibandingkan DBI pada K-Medoids. Untuk itu, metode K-Means dipilih untuk data tindak pidana khusus. Adapun hasil K-Means clustering adalah cluster-I sebanyak 8 wilayah diduga rawan tinggi, cluster-II sebanyak 11 wilayah diduga rawan sedang dan cluster-III sebanyak 14 wilayah diduga rawan rendah
Co-Authors