Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Bayesian : Jurnal Ilmiah Statistika dan Ekonometrika Limits: Journal of Mathematics and Its Applications
Intan Juliana Panjaitan
IPB University
Computer Science & IT Economics, Econometrics & Finance Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PERBANDINGAN HASIL ANALISIS CLUSTER K-MEANS DAN K-MEDOIDS UNTUK PEMETAAN MUTU SMK Intan Juliana Panjaitan; Tiya Wulandari; Budi Susetyo
Jurnal Bayesian : Jurnal Ilmiah Statistika dan Ekonometrika Vol. 4 No. 1 (2024): Jurnal Bayesian : Jurnal Ilmiah Statistika dan Ekonometrika
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/bay.v4i1.77

Abstract

The quality of education in a country is one indicator of the country's progress. Indonesia has formulated an assessment of the quality of education using the National Education Standards (NES). To fulfill the SNP, school accreditation is an obligation that must be fulfilled by all intuitions. The results of the accreditation assessment can be grouped into several groups according to their respective categories. To determine the number of clusters formed, an analysis using the K-Means and K-Medoids methods can be performed with 2 clusters formed. Cluster 1 namely the Provinces of Aceh, Banten, West Kalimantan, Central Kalimantan, North Kalimantan, West Nusa Tenggara, Central Nusa Tenggara, West Sulawesi and Central Sulawesi, and Cluster 2 namely the Provinces of Bali, Bengkulu, DI Yogyakarta, DKI Jakarta, Gorontalo, Jambi, Central Java, East Java, South Kalimantan, East Kalimantan, Bangka Belitung, Riau Archipelago, Lampung, Maluku, North Maluku, Papua, West Papua, Riau, South Sulawesi, Central Sulawesi, North Sulawesi, West Sumatra, South Sumatra, North Sumatra
Evaluasi Kinerja Metode CLARA dan FCM dalam Analisis Gerombol untuk Data Berjumlah Besar dengan Pencilan Intan Juliana Panjaitan; Indahwati Indahwati; Farit Mochamad Afendi
Limits: Journal of Mathematics and Its Applications Vol. 22 No. 3 (2025): Limits: Journal of Mathematics and Its Applications Volume 22 Nomor 3 Edisi No
Publisher : Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v22i3.3118

Abstract

Analisis gerombol adalah suatu metode statistika yang mengidentifikasi gerombol objek berdasarkan karakteristik serupa. Masalah yang sering terjadi dalam analisis gerombol adalah keberadaan data pencilan. Keberadaan pencilan dapat mengakibatkan output yang tidak sesuai dengan gambaran yang sebenarnya, sehingga gerombol yang dihasilkan tidak merepresentasikan objek dengan tepat. Masalah lain yang dapat muncul dalam analisis gerombol adalah besarnya jumlah amatan, sehingga diperlukan metode analisis yang efisien dalam penggerombolan. Penelitian ini juga memperdalam tentang kinerja keduanya terhadap jarak antara pusat gerombol dan kondisi penggerombolan melalui kajian simulasi, dimana masing-masing faktor terdiri dari tiga level yang diobservasi.Metode Clustering Large Applications (CLARA) dan Fuzzy C-Means (FCM) adalah metode yang kekar terhadap pencilan dan mampu menganalisis dataset besar. Metode FCM menggunakan nilai pembobot (w) yang optimal untuk mencapai kekar terhadap pencilan. Metode CLARA memiliki sifat kekar dikarenakan menggunakan medoid sebagai pusat gerombol dan penggunaan jarak Manhattan dalam perhitungan jarak antara objek dan pusat gerombol. Metode tersebut akan dievaluasi menggunakan beberapa kriteria evaluasi kebaikan yaitu berdasarkan rasio simpangan baku dalam gerombol dan antar gerombol. Hasil analisis menunjukkan pengaruh signifikan pada masing-masing faktor dan interaksi antar faktor. Visualisasi menunjukkan bahwa peningkatan persentase pencilan mengurangi akurasi penggerombolan, sementara jumlah data yang lebih besar meningkatkan akurasi. Jarak yang lebih besar antara pusat gerombol dan kondisi gerombol yang terpisah menghasilkan rasio simpangan baku gerombol yang lebih kecil. Hasil penelitian menunjukkan bahwa metode FCM lebih efektif dalam menangani data dengan variasi yang signifikan.
Co-Authors Budi Susetyo Farit Mochamad Afendi Indahwati Tiya Wulandari