Claim Missing Document
Check
Articles

Found 3 Documents
Search

Penerapan Algoritma K-Means Untuk Pengelompokan Data Penyandang Disabilitas Di Kabupaten Rokan Hilir: Application Of The K-Means Algorithm For Data Grouping Persons With Disabilities In Rokan Hilir District Putri, Wildani; afdal, Muhammad
Indonesian Journal of Informatic Research and Software Engineering (IJIRSE) Vol. 3 No. 1 (2023): Indonesian Journal of Informatic Research and Software Engineering
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/ijirse.v3i1.526

Abstract

Kesejahteraan Sosial merupakan matlamat bangsa Indonesia yang tertera dalam UUD RI  Tahun 1945. Akan tetapi, hingga kini tujuan tersebut belum tercapai karena masih banyaknya Penyandang Masalah Kesejahteraan Sosial (PMKS), salah satunya disabilitas. Pada penelitian ini dilakukan pengelompokan data penyandang disabilitas di kabupaten Rokan Hilir guna memberikan informasi terhadap pemerintah dan instansi yang bersangkutan dalam pengambilan keputusan yang tepat. Untuk pengelompokkan pada penelitian ini menerapkan algoritma K-Means. Klaster yang diperoleh pada penelitian ini berjumlah tiga klaster yakni cluster_0 : kelompok kecamatan disabilitas rendah,  cluster_2 : kelompok kecamatan disabilitas sedang, dan cluster_1 : kelompok kecamatan disabilitas terbanyak. Dari 18 kecamatan di Kabupaten Rokan Hilir, 1 Kecamatan cluster tingkat tinggi untuk wilayah penyandang disabilitas terbanyak yakni kecamatan Bangko, 3 kecamatan cluster tingkat sedang yakni kecamatan Rimba melintang, Rantau Kopar serta Pujud dan 14 kecamatan lainnya termasuk cluster tingkat rendah. Hasil yang diperoleh mengindikasikan bahwa metode K-Means cukup baik untuk melakukan pengelompokkan data penyandang disabilitas di Kabupaten Rokan Hilir dengan hasil validasi dengan metode Davies Bouldin yang dihasilkan adalah 0,063.    
Implementasi Metode Simple Multi Attribute Rating Technique Exploiting Rank (SMARTER) Untuk Pendukung Keputusan Pemberian Reward: Implementation of the Simple Multi Attribute Rating Technique Exploiting Rank (SMARTER) Method for Supporting Reward Decisions afdal, Muhammad; Ramadhan, Wahyu; Putri, Wildani
Indonesian Journal of Informatic Research and Software Engineering (IJIRSE) Vol. 3 No. 1 (2023): Indonesian Journal of Informatic Research and Software Engineering
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/ijirse.v3i1.532

Abstract

Salah satu Badan Usaha Milik Negara yang bergerak di bidang pemasaran khususnya sebagai distributor suku cadang alat berat adalah PT. Traktor Nusantara. PT. Traktor Nusantara saat ini mengalami kendala dalam memilih reward yang akan diberikan kepada costumer karena masih melalui cara subjektif yang bukan merupakan cara terbaik. PT. Traktor Nusantara sering melakukan kesalahan saat membagikan reward kepada pelanggan. Membangun sistem pendukung keputusan pemilihan penerima reward pada costumer PT. Traktor Nusantara adalah tujuan dari penelitian ini. Pendekatan yang digunakan dalam pemilihan ini yaitu mengunakan metode SMARTER, dan menggunakan lima kriteria yaitu transaksi pertahun, maksimum transaksi item pertahun, frekuensi kemunculan perusahaan pertahun, jumlah item yang sering di beli pertahun, jumlah item yang di order pertahun dan menggunakan Rank Order Centroid (ROC) untuk perhitungannya. Dengan total skor 0,411, PT. Salim Ivomas Pratama memiliki peringkat tertinggi di antara alternatif potensial pada hasil penelitian ini. Penelitian ini diharapkan dapat mempermudah PT. Traktor Nusantara pemberian penghargaan dan mengurangi kesalahan dalam pemilihan sebelumnya.
Implementation of Naïve Bayes Classifier for Classifying Alzheimer’s Disease Using the K-Means Clustering Data Sharing Technique Putri, Wildani; Hastari, Delvi; Faizah, Kunni Umatal; Rohimah, Siti; Safira, Devy
Public Research Journal of Engineering, Data Technology and Computer Science Vol. 1 No. 1: PREDATECS July 2023
Publisher : Institute of Research and Publication Indonesia (IRPI).

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/predatecs.v1i1.803

Abstract

Alzheimer's disease is a neurodegenerative disease that is very universal and characterized by memory loss and cognitive function decline which ultimately leads to dementia. In 2015, it is estimated that around million people worldwide will suffer from Alzheimer's disease or dementia. Globally, the number of Alzheimer's diseases will increase from 26.6 million in 2006 to 106.8 million cases in 2050. Due to the large number of people with Alzheimer's disease, it is necessary to classify symptoms that lead to indicators of Alzheimer's disease, so that data mining methods are used for data processing. Alzheimer's data taken from Kaggle amounted to 373 records, through the stages of data preprocessing, data sharing using the Hold-Out method and clustering with AK-Means algorithm. The data is processed using data mining techniques using NBC algorithms. Validation testing the accuracy value obtained the result that the NBC algorithm with K-Means Clustering data sharing has relatively better accuracy than the hold-Out method of 91.89%.