Article Per Year (5 Year)
p-Index From 2021 - 2026
4.17
P-Index
This Author published in this journals
All Journal International Journal Of Science, Technology & Management (IJSTM) Rekayasa: Jurnal Teknik Sipil Journal of Technology and Informatics (JoTI) sudo Jurnal Teknik Informatika ASEAN Journal of Empowering Community Journal of Community Empowerment and Innovation Jurnal Civil Engineering Study Journal of Innovative and Creativity Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research Cahaya Pengabdian SITEDI Journal of Information System & Business Management (ISBM) SITEDI (Sistem Informasi dan Teknologi Digital) ALMUISY: Journal of Al Muslim Information System Jurnal Pengabdian Masyarakat Terapan
Firmansyah, Hasbi
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Klasterisasi Pola Transaksi Online Retail Menggunakan Metode Self-Organizing Map Fadil, Mohamad Faris; Firmansyah, Hasbi; Asriyani, Wahyu
Journal of Innovative and Creativity Vol. 5 No. 3 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i3.5899

Abstract

Perkembangan perdagangan elektronik (e-commerce) mendorong peningkatan volume transaksi pada platform penjualan daring (online retail) yang menghasilkan data dalam jumlah besar dan kompleks. Kondisi ini menimbulkan tantangan dalam proses analisis data, khususnya untuk memahami pola pembelian konsumen yang tidak dapat diidentifikasi melalui analisis statistik konvensional. Oleh karena itu, diperlukan metode data mining yang mampu mengelompokkan data transaksi berdasarkan kemiripan karakteristik tanpa menggunakan label kelas. Penelitian ini bertujuan untuk menganalisis dan mengklasterisasi pola transaksi pada dataset Online Retail menggunakan metode Self-Organizing Map (SOM). Dataset diperoleh dari UCI Machine Learning Repository dan terdiri dari lebih dari 500.000 data transaksi. Atribut yang digunakan dalam penelitian ini meliputi Quantity, UnitPrice, dan TotalBelanja yang dibentuk dari hasil perkalian Quantity dan UnitPrice. Proses penelitian meliputi tahapan praproses data, sampling data, normalisasi menggunakan Z-score, pemodelan SOM, visualisasi hasil menggunakan U-Matrix dan Component Plane, serta klasterisasi lanjutan untuk memperoleh kelompok transaksi yang lebih terdefinisi. Seluruh proses pengolahan dan analisis data dilakukan menggunakan perangkat lunak RapidMiner Studio. Hasil penelitian menunjukkan bahwa SOM mampu memetakan struktur kemiripan data transaksi secara topologis, meskipun tidak membentuk batas klaster alami yang tegas. Klasterisasi lanjutan menghasilkan beberapa kelompok transaksi dengan karakteristik berbeda, di mana mayoritas transaksi bernilai kecil dan sebagian kecil transaksi memiliki nilai ekstrem yang dipengaruhi oleh harga produk. Temuan ini memberikan gambaran yang komprehensif mengenai pola transaksi online retail dan berpotensi mendukung analisis perilaku konsumen serta deteksi transaksi tidak wajar pada sistem penjualan daring.
Penerapan Algoritma K-Means untuk Clustering Pemodelan Pengetahuan Pengguna Menggunakan Rapidminer Yanuar, Khalid Alfa; Firmansyah, Hasbi
Journal of Information System & Business Management (ISBM) Vol. 3 No. 1 (2025)
Publisher : Universitas Pancasakti Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24905/isbm.v3i1.64

Abstract

Dalam penelitian ini, algoritma K-Means diterapkan untuk clustering data pengguna menggunakan rapidminer dalam rangka pemodelan pengetahuan. Lima variabel utama digunakan dalam dataset yang digunakan: waktu belajar untuk tujuan tertentu (STG), jumlah pengulangan untuk tujuan tertentu (SCG), waktu belajar untuk materi terkait (STR), kinerja ujian pada materi terkait (LPR), dan kinerja ujian pada tujuan tertentu (PEG). Perangkat lunak RapidMiner digunakan untuk melakukan clustering pada data yang diperoleh dari UCI Repository. Hasilnya menunjukkan lima kelompok data yang menunjukkan pola belajar pengguna, dan indeks Davies-Bouldin digunakan untuk mengevaluasi kinerja clustering yang baik. Penelitian ini memberikan wawasan penting tentang hubungan antara waktu belajar, pengulangan materi, dan prestasi ujian. Selain itu, penelitian ini membantu dalam pembangunan sistem pembelajaran yang dapat disesuaikan dengan teknologi.
Studi Klasterisasi Data LSM dengan Algoritma K-Means Menggunakan RapidMiner Amiva, Adel Nayyan; Firmansyah, Hasbi
Journal of Information System & Business Management (ISBM) Vol. 3 No. 1 (2025)
Publisher : Universitas Pancasakti Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24905/isbm.v3i1.67

Abstract

Penelitian ini berfokus pada pengorganiz data dari Lembaga Swadaya Masyarakat (LSM) dengan menggunakan teknik pengelompokan K-Means, yang diimplementasikan melalui perangkat lunak RapidMiner. Metode ini berguna untuk menemukan pola dan hubungan dalam kumpulan data ekstensif yang tidak memiliki kategori yang ditetapkan. RapidMiner memungkinkan analisis data yang efisien tanpa memerlukan keterampilan pemrograman tingkat lanjut, sedangkan algoritma K-Means mengelompokkan data dengan mengidentifikasi kesamaan karakteristik menggunakan jarak Euclidean. Kualitas klaster yang terbentuk dievaluasi dengan Indeks Davies-Bouldin (DBI), yang mengukur efektivitas klaster. Temuan penelitian ini diharapkan dapat menawarkan wawasan berharga dalam mengelola LSM, bersama dengan menunjukkan penggunaan teknik pengelompokan yang berlaku di bidang lain.
Co-Authors . Eko Budiraharjo Alga Vredison, Prayoga Alga Vredizon, Prayoga Amiva, Adel Nayyan Andriani, Wresti Arta Meviangga, Abi Candra Asriyani, Wahyu Baehaqi Catur Wahyudi, Catur Damuri, Amat Dari, Mayang Melan Eko Budi Raharjo, Eko Budi Eko Nugroho, Wildani Fadhillah, Muhammad Helmy Fadil, Mohamad Faris Falah, Mukhamad Ferdiansyah, Mohamad Rafa firmansyah, femas fitria, Ria indah Galih, Mochamad Gunawan Gunawan H, Okky Hendra Harefa, Reyvan Sinatria Haris Santoso, Teguh hendra hermawan, Okky Limaknun, Lulu Mariadin, Farhan Habli Maulana, Harsyanda Rizki MD, M. Yusuf Mei Rani Amalia Mohammad Arridho Nur Amin Nadya Shafira Salsabila Nadya Shafira Salsabilla Permana, Yoga Putra Pralampitho, Yoga Adhi ria indah fitra, M.Kom, ria Riyo Iman Purwanto Pratama Rizki Prasetyo Tulodo Safar Dwi Kurniawan Salsabila, Nadya Shafira Santoso, Teguh Haris Saputra, Abiestia Dika Mulya Saputra, Satria Ajis Sari, Nadya Permata seniati, Cahyo Shafira Salsabila, Nadya Sofyan, Ali Sugiono, M. Cipto Sulistyaningrum Susilawati, Agnes Dwita Tofik Hidayat Ujianto, Nur Tulus weimintoro, weimintoro Wildani Eko Nugroho, Wildani Eko Yanuar, Khalid Alfa