Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pemetaan Kota/Kabupaten Endemis Demam Berdarah Dengue Dengan Analisis Data Science Menggunakan Algoritma Clustering Mega Bagus Herlambang; Linda Theresia
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 8, No 1 (2023): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v8i1.3938

Abstract

Terdapat 102 nilai indeks entomologi daerah yang terdiri dari beberapa kota dan kabupaten di seluruh Indonesia. Dari 102 daerah tersebut perlu dilakukan pemetaan daerah menjadi beberapa kelompok (cluster). Data science sebagai keilmuan yang mengkaji pengolahan dan analisis data sangat cocok dalam melakukan pemetaan daerah dengan menggunakan algoritma clustering. Pada penelitian ini digunakan dua algoritma yaitu K-Means clustering dan hierarchical clustering. Dari hasil clustering didapatkan jumlah cluster yang terbaik adalah 3 kelompok cluster. Dasar penentuan dan evaluasi cluster dilakukan dengan melihat skor silhouette dan dendogram. Hasil cluster menunjukkan terdapat 8 daerah yang masuk ke dalam kelompok yang memang angka persebaran jentik nyamuknya masih tinggi. Dengan demikian, maka diharapkan pemerintah dapat membuat skala prioritas pemberantasan jentik nyamuk demam berdarah pada delapan daerah yang masuk ke dalam cluster tersebut.
WORKSHOP JUNIOR DATA SCIENTIST Mega Bagus Herlambang; Ni Made Sudri; Linda Theresia; Gadih Ranti; Yasmin Mauliddina; Silvia Merdikawati; Aditya Maulana; Dedes Bangkit Munawar; Nafia Rahmah
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 6 No. 3 (2025): Volume 6 No 3 Tahun 2025
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v6i3.37859

Abstract

The Junior Data Scientist Workshop, conducted on August 25, 2024, was designed to introduce participants to foundational concepts in Data Science and essential data analysis tools, with a focus on the Orange platform. Five students with a keen interest in data science attended the event. The workshop utilized a blend of theoretical instruction and practical application, guiding participants through key processes such as data cleaning, statistical analysis, and data visualization. Post-workshop evaluations indicate that 85% of participants demonstrated a marked improvement in their understanding of Data Science concepts and methods. Despite the participants’ successful application of analysis techniques, several challenges were noted in comprehending complex statistical principles, suggesting a potential benefit from supplementary instructional sessions. This workshop has contributed significantly to advancing participants’ data literacy and analytical competencies, equipping them with critical skills essential for data-driven decision-making