Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Statistika Industri dan Komputasi
Kris Suryowati
Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

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

Found 3 Documents
Search

 1 
PENGELOMPOKAN KABUPATEN/ KOTA DI PROVINSI SUMATERA UTARA BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA TAHUN 2022 DENGAN METODE FUZZY C-MEANS DAN K- MEDOIDS Epridonta Sitepu; Kris Suryowati; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i2.4848

Abstract

Pengembangan indikator pembangunan manusia menjadi hal yang penting dalam upaya mengukur dan memahami kemajuan sosial dan ekonomi suatu wilayah. Provinsi Sumatera Utara, sebagai salah satu wilayah penting di Indonesia, juga perlu melakukan analisis yang mendalam terkait dengan pembangunan manusia di tingkat Kabupaten/Kota. Penelitian ini bertujuan untuk mengelompokkan Kabupaten/Kota di Provinsi Sumatera Utara berdasarkan indikator pembangunan manusia menggunakan metode Fuzzy C-Means dan K-Medoids. Data yang digunakan dalam penelitian ini adalah data sekunder yang mencakup sejumlah indikator pembangunan manusia seperti pendidikan, kesehatan, dan pendapatan. Pengelompokan dilakukan dengan menggunakan algoritma Fuzzy C-Means dan K-Medoids untuk mengetahui karakteristik cluster yang terbentuk bedasarakan Indikator IPM, cluster optimal yang terbentuk dan metode terbaik yang diperoleh. Kesimpulan yang didapat pada penelitian ini diperoleh hasil cluster terbaik adalah dengan metode Fuzzy C-Means pada k optimal=6 dengan nilai silhoutte indeks = 0,5850.
PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) MENGGUNAKAN MATRIKS PEMBOBOT FIXED GAUSSIAN KERNEL DAN FIXED TRICUBE KERNEL PADA KASUS COVID-19 DI INDONESIA: Geographicaly Weighted Regression (GWR), Fixed Gaussian Kernel dan Fixed Tricube Kernel Kristina Yumiyati Kaka; Kris Suryowati; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i2.4854

Abstract

Covid-19 merupakan suatu kelompok virus yang dapat menyebabkan penyakit pada hewan dan manusia. Pada awal tahun 2020 dunia digemparkan dengan adanya kemunculan virus Corona. Hingga saat ini Covid-19 mewabah secara global pada ratusan negara di dunia termasuk Indonesia. Covid-19 telah membuat kerugian diberbagai macam sektor. Penelitian ini bertujuan untuk mengetahui faktor-faktor penyebab naiknya Covid-19 di Indonesia tahun 2021 dengan pemodelan Geographically Weighted Regression (GWR) menggunakan fungsi pembobot Fixed Gaussian Kernel dan Fixed Tricube Kernel. Data yang digunakan adalah data sekunder bersumber dari website Badan Pusat Statistik Indonesia tahun 2021. GWR merupakan metode statistika yang digunakan untuk mengatasi data yang memiliki permasalahan efek spasial dan faktor geografis. Berdasarkan hasil analisis diperoleh variabel-variabel yang memiliki efek spasial yaitu variabel jumlah rumah sakit rujukan, jumlah dokter dan jumlah kasus Covid-19. Faktor yang signifikan berpengaruh dengan pembobot Fixed Gaussian Kernel dan Fixed Tricube Kernel adalah jumlah rumah sakit rujukan, kepadatan penduduk dan jumlah dokter. Hasil perbandingan fungsi pembobot Fixed Gaussian Kernel dan Fixed Tricube Kernel diperoleh fungsi pembobot Fixed Gaussian Kernel lebih baik digunakan dalam pemodelan jumlah kasus Covid-19 di Indonesia pada tahun 2021 dengan hasil sebesar 95% dan sebesar 821.152.
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR PETERNAKAN DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEDOIDS Stefanus Arman; Kris Suryowati; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i2.4858

Abstract

Peternakan di Indonesia merupakan salah satu sektor yang sangat membantu dalam pertumbuhan ekonomi serta berkontribusi dalam pemenuhan gizi. Peternakan terbagi menjadi ternak besar dan ternak kecil, yang termasuk kedalam kelompok ternak besar yaitu sapi (perah/potong), kerbau dan kuda, sedangkan kelompok ternak kecil terdiri dari babi, kambing, domba, kelinci serta ternak unggas yakni itik, ayam dan burung puyuh. Dalam menunjang produktivitas peternakan di Indonesia diperlukan data yang menggambarkan persebaran ternak yang ada. Dalam penelitian ini pengelompokan Provinsi di Indonesia dilakukan menggunakan algoritma K-Means dan K-Medoids untuk mempartisi data yang ada dalam bentuk satu atau lebih cluster berdasarkan jarak Euclidean. Hasil pengelompokan K-Means Clustering diperoleh cluster 1 beranggotakan 33 Provinsi, dan cluster 2 beranggotakan 1 Provinsi. Sedangkan pengelompokan K-Medoids Clustering diperoleh cluster 1 beranggotakan 30 Provinsi, cluster 2 beranggotakan 1 Provinsi, dan cluster 3 beranggotakan 3 Provinsi. Hasil perbandingan metode terbaik adalah algoritma K-Means Clustering dengan k = 2 dengan nilai Silhouette Index (SI) sebesar 0,78 dan nilai Davies-Bouldin Index (DBI) sebesar 0,21. Hasil profiling cluster untuk metode K-Medoids Clustering dibagi menjadi 2 kategori yaitu tinggi dan sedang dimana untuk kategori tinggi berada pada cluster 2 dan kategori sedang berada pada cluster 1.
Co-Authors Epridonta Sitepu Kristina Yumiyati Kaka Maria Titah Jatipaningrum Noviana Pratiwi Rokhana Dwi Bekti Stefanus Arman