Salsabila, Farras
Unknown Affiliation

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

Found 2 Documents
Search

Analisis Algoritma Apriori Untuk Penentuan Asosiasi Penggunaan Deposito pada Nasabah Bank Fadilah, Frido Firman; Hamidah, Khoirunnisa; Fitrianti, Ika; Salsabila, Farras; Jaman, Jajam Haerul
Dinamik Vol 29 No 2 (2024)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v29i2.9433

Abstract

Keberadaan bank sebagai salah satu salah satu institusi keuangan terkemuka dalam perekonomian memberikan peluang yang sangat besar untuk memanfaatkan data nasabah dalam mengambil keputusan yang lebih baik dan efektif. Data deposito adalah salah satu instrumen investasi yang populer di kalangan nasabah bank, yang menawarkan keuntungan bunga yang lebih tinggi dibandingkan dengan tabungan biasa. Dengan menggunakan pemrograman Python, penelitian ini menghasilkan nilai confidence minimum sebesar 90% dan nilai support minimum yang dihasilkan adalah 90%. Maka, antar atribut satu dengan yang lainnya memiliki keterikatan yang kuat dan dapat menjadi acuan untuk pengambilan keputusan pada nasabah untuk penggunaan deposito.
ANALISA VOLUME PENYEBARAN SAMPAH DI KARAWANG MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Salsabila, Farras; Ridwan, Taufik; H, Hannie
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 2 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i2.4226

Abstract

Pada tahun 2022, Indonesia berada pada urutan ke-4 teratas sebagai negara yang memiliki jumlah populasi tinggi. Dengan jumlah populasi yang tinggi ini, telah memunculkan sejumlah permasalahan sosial, ekonomi, dan lingkungan. Salah satu isu yang sangat terkait dengan tren ini adalah persoalan sampah. Karawang sendiri, yang merupakan salah satu kota di Jawa Barat menempati urutan ke-7 sebagai kota yang memiliki volume sampah terbanyak. Oleh karena itu, implementasi algoritma K-Means Clustering dapat membantu dalam membagi wilayah Kecamatan berdasarkan volume penyebaran sampah. Hasil penelitian ini, didapatkan hasil 2 cluster dengan cluster 0 dengan kriteria wilayah yang memiliki volume penyebaran sampah tinggi berjumlah 6 Kecamatan, sedangkan cluster 1 yang berjumlah 24 Kecamatan memiliki kriteria wilayah dengan volume penyebaran sampah rendah. Hasil evaluasi cluster menggunakan DBI didapatkan nilai sebesar 0.869, sementara itu hasil evaluasi menggunakan Silhouette didapatkan nilai sebesar 0.591. Hal ini mengindikasikan bahwa cluster yang dihasilkan memiliki kualitas yang cukup kuat.