Claim Missing Document
Check
Articles

Found 30 Documents
Search

Aplikasi Aplikasi Data Mining dalam Pengelompokan Informasi Multidisiplin Ramadhan, Fahri Patir; Putra, Muhammad Dzulfikar Apandi; Reinanda, Muhammad Rafli; Maulana, Naufal Akmal; Alfian, Zurnan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1204

Abstract

Tingginya volume literatur akademik dari berbagai disiplin ilmu menimbulkan tantangan dalam mengelola dan menganalisis informasi secara efektif. Penelitian ini mengangkat permasalahan kurangnya metode otomatisasi dalam pengelompokan konten multidisipliner. Sebagai solusinya, diterapkan algoritma K-Means Clustering untuk mengelompokkan data teks yang bersumber dari empat buku akademik lintas bidang: sosial-politik, keuangan pribadi, teknologi informasi, dan ekonomi makro. Metode yang digunakan mencakup ekstraksi manual teks penting, praproses data dengan tokenisasi dan TF-IDF, serta penerapan algoritma K-Means untuk membentuk klaster berdasarkan kesamaan tematik. Hasil penelitian menunjukkan bahwa metode ini berhasil mengelompokkan teks ke dalam klaster yang konsisten dengan bidang masing-masing, dengan nilai Silhouette Score sebesar 0,968 yang mengindikasikan kualitas pemisahan antar kelompok sangat baik. Temuan ini memperkuat efektivitas algoritma K-Means dalam analisis literatur multidisipliner dan menunjukkan potensinya sebagai alat bantu dalam eksplorasi konseptual dan klasifikasi konten akademik secara otomatis.
Analisis Perbandingan Hasil K-Means Clustering untuk Sektor Ekonomi dan Kesehatan Nurhudaya, Reza Putra; Bustomi, Ilham; Danutirta, Radithya; Ardeliana, Lisa; Rudianto, Bagas; Alfian, Zurnan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1258

Abstract

Penelitian ini melakukan analisis komparatif terhadap hasil klasterisasi menggunakan algoritma K-Means Clustering pada lima dataset yang berasal dari dua sektor berbeda, yaitu ekonomi dan kesehatan. Dataset yang dianalisis meliputi data IPO perusahaan besar di Amerika Serikat, konsumsi energi dan kebutuhan oksigen kendaraan bermotor, persebaran COVID-19 di Indonesia, indeks daya beli berdasarkan harga Big Mac, serta komponen neraca pembayaran Indonesia. Setiap dataset dianalisis secara terpisah untuk mengidentifikasi pola tersembunyi dan klasifikasi alami berbasis fitur numerik. Hasil menunjukkan bahwa pada seluruh kasus, algoritma K-Means mampu mengidentifikasi struktur klaster yang jelas dan konsisten, dengan pola umum klasifikasi menjadi tiga kelompok (rendah–sedang–tinggi). Hasil ini mengindikasikan bahwa K-Means Clustering memiliki potensi sebagai alat eksplorasi data multivariabel yang efektif di berbagai domain. Temuan ini juga membuka peluang pemanfaatan klasterisasi sebagai dasar segmentasi strategis dalam perumusan kebijakan dan analisis pasar.
Klasterisasi Data Ekonomi dan Demografi Menggunakan K-Means: Studi Kasus Saham, Neraca Pembayaran, GDP, dan Kependudukan Samudra, Dimas Rahma; Herdiyana, Jusuf Herlambang; Fauzan, Muhammad; Zuhdi, Aqiel Maulidan; Kurniawan, Muhammad Farraz Pradipta Bintang; Alfian, Zurnan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1266

Abstract

Tujuan dari penelitian ini adalah untuk mengevaluasi seberapa baik dan fleksibel algoritma K-Means dalam mengidentifikasi pola tersembunyi pada berbagai data demografis dan ekonomi. Data seri waktu harga saham TLKM (2003), data makroekonomi neraca pembayaran AS (2000–2010), data PDB lintas sektoral negara-negara ASEAN (2014), riwayat kinerja perdagangan bulanan (2018), dan data populasi Kabupaten Minahasa Utara merupakan lima studi kasus yang dianalisis. Untuk memastikan kesetaraan bobot fitur, teknik studi mencakup langkah pra-pemrosesan dengan normalisasi Min-Max. Skor Silhouette kemudian digunakan untuk mengevaluasi secara objektif kualitas hasil pengelompokan. Hasil analisis menunjukkan bahwa K-Means secara konsisten menghasilkan kluster yang bermakna dan mudah dipahami di seluruh dataset. Algoritma ini dapat membedakan dua rezim pasar saham, membedakan antara periode booming ekonomi dan krisis, membagi negara-negara ASEAN menjadi tiga tingkat ekonomi, mengidentifikasi bulan-bulan dengan kinerja luar biasa, dan memetakan subdistrik berdasarkan profil demografis perkotaan dan pedesaan.
Segmentasi Wajib Pajak Pribadi Berdasarkan Kode PTKP dan Penghasilan Neto Menggunakan Algoritma K-Means Clustering Prasetyo, Dimastito; Rifkhan, Muhammad; Sihombing, Yoel Michael; Alfian, Zurnan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1288

Abstract

Penerimaan pajak dari Wajib Pajak Orang Pribadi (WPOP) merupakan salah satu sumber pendapatan negara yang sangat penting dalam mendukung pembangunan nasional. Namun, karakteristik WPOP sangat beragam, baik dari segi penghasilan maupun status keluarga yang memengaruhi besaran Penghasilan Tidak Kena Pajak (PTKP). Keberagaman ini menuntut adanya strategi pengelolaan pajak yang berbasis data agar kebijakan perpajakan menjadi lebih tepat sasaran. Penelitian ini bertujuan untuk melakukan segmentasi terhadap WPOP berdasarkan kode PTKP dan penghasilan neto menggunakan algoritma K-Means Clustering. Penelitian menggunakan metode Knowledge Discovery in Database (KDD) yang terdiri dari lima tahapan: seleksi data, praproses data, transformasi data, pemodelan dengan algoritma K-Means, dan evaluasi hasil menggunakan Davies-Bouldin Index (DBI). Hasil pengelompokan menunjukkan adanya beberapa klaster wajib pajak dengan karakteristik serupa yang dapat menjadi dasar dalam merancang kebijakan perpajakan yang lebih adil, personal, dan efisien. Segmentasi ini diharapkan dapat membantu otoritas pajak dalam meningkatkan kepatuhan dan optimalisasi penerimaan pajak
Analysis of Tobacco Expenditure Patterns and Health in Five Provinces of Indonesia: Descriptive and Segmentative Approaches Fauzi , Syafiq Muhammad; Alfian, Zurnan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1341

Abstract

This study aims to identify and analyze community consumption patterns of tobacco products and health expenditures based on 1999 data released by the Indonesian Central Statistics Agency (BPS). The study focuses on five representative provinces in Indonesia: Aceh, Riau, Bengkulu, Bali, and North Sulawesi. Using a descriptive approach and the K-Means Clustering data mining algorithm, this research successfully maps two main consumption patterns that show a negative correlation between tobacco expenditures and the allocation of funds for health needs. Practically, these results provide a cross-regional segmentative overview that can serve as a basis for formulating more responsive public policies, particularly in the areas of health and tobacco consumption control. This study also highlights the importance of integrating historical data with modern analytical approaches to support evidence-based decision-making processes.
Titik Balik Partisipasi Kerja Lansia: Studi Regresi Data AS 1880–2024 Astriana, Yogi; Nuralamsyah, Daniel; Al-Farrezs, Angga Putra; Akmal, Khairul; Mawarni, Mely Gusti; Alfian, Zurnan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1386

Abstract

Terinspirasi oleh prinsip dalam buku “The Psychology of Money” tentang pemahaman tren jangka panjang, penelitian ini menyajikan analisis data untuk menyelidiki pola historis partisipasi tenaga kerja pria usia 65 tahun ke atas. Masalah utama yang diteliti adalah kompleksitas tren jangka panjang ini, yang tidak dapat direpresentasikan secara akurat oleh model linear sederhana. Penelitian ini bertujuan untuk menentukan model prediksi terbaik dengan membandingkan tiga pendekatan regresi yang berbeda. Metode yang digunakan adalah implementasi dan evaluasi model Regresi Linear, Regresi Polinomial Derajat 2, dan Regresi Polinomial Derajat 3 terhadap data historis dari St. Louis Federal Reserve (FRED) dari tahun 1880 hingga 2024. Hasil analisis menunjukkan bahwa model Regresi Linear gagal menangkap dinamika krusial, sementara model Polinomial Derajat 3 menunjukkan tanda-tanda overfitting dengan proyeksi masa depan yang tidak realistis. Model Polinomial Derajat 2 terbukti menjadi model yang paling superior dan seimbang. Wawasan utama yang dihasilkan adalah identifikasi adanya titik balik (turning point) yang signifikan sekitar dekade 1990-an, di mana tren penurunan partisipasi kerja selama lebih dari satu abad secara definitif berbalik arah menjadi tren meningkat. Kesimpulannya, analisis ini menegaskan pentingnya pemilihan model yang tepat untuk mengungkap narasi data yang sebenarnya.
Analisis Komparatif Klasterisasi Multidomain: Pertanian, Bisnis, dan Komposisi Tubuh dengan Pendekatan Machine Learning Margaputra, Ananda Aryaguna; Budiarto, Fadel Rizqy; Fahriyah, Muhammad Daffa; Ramadhan, Muhammad Jibran; Saputra, Muhammad Rifky Ardi; Alfian, Zurnan
Jurnal Pendidikan Tambusai Vol. 9 No. 2 (2025): Agustus
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk membandingkan hasil klasterisasi data dari tiga domain berbeda, yaitu pertanian, bisnis, dan komposisi tubuh manusia dengan menggunakan pendekatan machine learning. Masing-masing domain memiliki karakteristik data yang unik, yaitu produktivitas lahan dan jenis komoditas untuk pertanian, struktur biaya dan pendapatan untuk bisnis, serta indeks massa tubuh (BMI) dan persentase lemak untuk komposisi tubuh. Metode klasterisasi yang digunakan dalam studi ini adalah K-means. Studi ini mengevaluasi performa model dalam mengelompokkan data berdasarkan karakteristik internal domain dan potensi hubungan lintas domain. Evaluasi yang digunakan adalah Silhouette score, Davies-Bouldin index, dan analisis visualisasi 2D. Hasil menunjukkan bahwa masing-masing domain memiliki pola yang unik, namun terdapat potensi integrasi antar domain yang dapat dimanfaatkan untuk pengambilan keputusan strategis, seperti prediksi ketahanan pangan berbasis kesehatan masyarakat atau optimalisasi biaya usaha berdasarkan karakter petani. Studi ini menekankan pentingnya pendekatan multidomain dalam menghadapi kompleksitas data lintas sektor di era big data dan kecerdasan buatan.
Prediksi Laju Inflasi di Indonesia Menggunakan Metode K-Nearest Neighbor Riyatna, Anindiya; Chandra, Damai; Surya, Dimas; Awal, Syafril; Doodoh, Adrian Maulana; Alfian, Zurnan
Jurnal Pendidikan Tambusai Vol. 9 No. 2 (2025): Agustus
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk memprediksi tingkat inflasi di Indonesia, indikator ekonomi makro yang krusial bagi stabilitas ekonomi dan keputusan investasi. Dengan memanfaatkan data inflasi Indonesia historis dari tahun 1980 hingga 2003, penelitian ini menerapkan algoritma k-Nearest Neighbors (k-NN) untuk tujuan regresi. Metrik jarak Euclidean digunakan untuk menilai kesamaan antara titik data tahun target (2004) dan tahun-tahun yang ada dalam kumpulan data. Dengan memilih k=3 tetangga terdekat, perkiraan tingkat inflasi untuk tahun 2004 dihitung berdasarkan tingkat inflasi rata-rata tahun-tahun di sekitarnya. Hasil perhitungan menunjukkan bahwa tingkat inflasi Indonesia pada tahun 2004 diperkirakan sekitar 6,72%. Pendekatan ini mengungkapkan kemampuan algoritma k-NN menggunakan Euclidean Distance untuk memperkirakan nilai ekonomi masa depan dengan mengacu pada pola historis yang paling relevan. Penelitian ini menawarkan wawasan baru tentang penggunaan metode pembelajaran mesin non-parametrik untuk prediksi deret waktu di bidang ekonomi.
Analisis Performa Clustering: K-Means dan Similarity Matrix dalam Evaluasi Silhouette, DBI, CHI, dan Dunn Index Ramadhan, Bhima Fajar; Abdillah, Bimo Musthafa; Hidayatullah, Miftahul; Faizal, Muhamad Nur; Winata, Rio Aditya; Alfian, Zurnan
Jurnal Pendidikan Tambusai Vol. 9 No. 2 (2025): Agustus
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Clustering merupakan teknik penting dalam data mining yang bertujuan untuk mengelo­­­­­­­mpokkan data berdasarkan kemiripan antar objek. Penelitian ini membahas analisis performa dua pendekatan clustering, yaitu K-Means dan Similarity Matrix, dalam konteks evaluasi kualitas cluster. Pendekatan Similarity Matrix diterapkan menggunakan hierarchical clustering dengan metode complete-linkage, sedangkan K-Means menggunakan data fitur numerik secara langsung. Keduanya diuji pada beberapa dataset dan dievaluasi menggunakan metrik kuantitatif seperti Silhouette Score, Davies-Bouldin Index (DBI), Calinski-Harabasz Index (CHI), dan Dunn Index. Hasil eksperimen menunjukkan bahwa pendekatan K-Means cenderung unggul dalam pemisahan cluster (Silhouette dan CHI lebih tinggi), sedangkan pendekatan Similarity Matrix lebih baik dalam kepadatan dan keseragaman cluster (DBI dan Dunn Index lebih rendah). Temuan ini menegaskan pentingnya pemilihan metode clustering yang sesuai dengan karakteristik data dan tujuan analisis.
Klasterisasi Data Pendidikan Gender di Sriharjo dengan K-Means Fizram, Muhammad; Samudra, Yuda; Alfian, Zurnan
Jurnal Pendidikan Tambusai Vol. 9 No. 2 (2025): Agustus
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis distribusi tingkat pendidikan berdasarkan gender di wilayah Sriharjo menggunakan metode data mining. Data bersumber dari buku Fertility and Family Planning in Sriharjo karya Singarimbun & Manning (1974), yang memuat jumlah penduduk laki-laki dan perempuan berdasarkan kategori pendidikan. Lima kategori tingkat pendidikan dianalisis menggunakan algoritma K-Means untuk mengelompokkan data menjadi dua klaster. Hasil menunjukkan bahwa kategori “Tidak Sekolah” membentuk klaster tersendiri karena jumlah responden tertinggi (terutama perempuan). Kategori lainnya tergabung dalam klaster kedua. Penelitian ini menunjukkan adanya ketimpangan gender dalam akses pendidikan dasar serta efektivitas K-Means dalam mengungkap pola sosial.
Co-Authors Abdillah, Bimo Musthafa Adbillah, Muhammad Iman Agus Mulyono Ahmad Nuryadi Akhmad Fazmi Septiandi Al-Farrezs, Angga Putra Ali Ibrahim Alimudin, M. Aziz Anugrah, Al Hakim Putra Bintang April Petra Malonovi Marbun Ardeliana, Lisa Astriana, Yogi Authira Dwi Khairunnisa Awal, Syafril Azhar, Muhammad Aditya Aziz, Nasrul Bayu Urip Pandiangan Bela Amelia, Cindy Budiarto, Fadel Rizqy Bustomi, Ilham Cahya Fauzi Chandra, Damai Daffa, Muhammad Danutirta, Radithya David Dwi Oktavianus Deni Setia Budi Dewi Lestari, Erna Diasaputra, Ayoga Ugi Doodoh, Adrian Maulana Fadilah, Muhammad Farhan Fahlefi, Muhammad Daffa Rian Fahriyah, Muhammad Daffa Faizal, Muhamad Nur Fasha, Nadia Fauzan Azhima, Muhammad Fauzi , Syafiq Muhammad Ferdian Putra, Verry Firnando, Allifiah Fizram, Muhammad Fourteen, Septiantoro Sogema Herdiyana, Jusuf Herlambang Heru Rahmad Prasetyo Hidayatullah, Miftahul Ikhsan, Rizqi Muhammad Juliano Krizza Yoga Julianti, Salwa Jupron, Jupron Khairul Akmal, Khairul Khesa Rhafi, Muhammad Kurniawan, Muhammad Farraz Pradipta Bintang Lintan Zhuliani Lubis, Aditia Rasyid Saputra Maar, Halili Maio Bona Aslaha Margaputra, Ananda Aryaguna Maulana, Naufal Akmal Mawarni, Mely Gusti MIFTAHUL JANNAH Mohamad Rizky Naoval Pratama Muhamad Faizal Muzaki Muhamad Lutfi Azizan Muhammad Bimo Krisyono Muhammad Deraya Kautsar Muhammad fauzan Muhammad Fiqri Hardiansyah Muhammad Hafidz Asyauri Muhammad Hafidz Diaz Alghany Novandi Rio Wicaksono Nuralamsyah, Daniel Nurhudaya, Reza Putra Prasetyo, Dimastito Putra, Muhamad Niko Aninda Putra, Muhammad Dzulfikar Apandi Putri Amalia Putu Reza Pratama, I Rafly Ramadhan, Adam Ramadhan, Bhima Fajar Ramadhan, Fahri Patir Ramadhan, Muhammad Jibran Ramadhani, Naufal Zacky Rayhan Apriansyah Refliani Marsela Reinanda, Muhammad Rafli Rifanka, Aswangga Rakhi Prawira Rifkhan, Muhammad Riyatna, Anindiya Rizki Artinio Permana Putra Rizky Ramdhani, Rizky Rizky Wahyu Saputra Rubieanti, Yuni Rudianto, Bagas Salman Alfarisi Samudra, Dimas Rahma Saputra, Andriyan Saputra, Muhammad Rifky Ardi Septiandi, Ade Septiano Alvian Ismau Shabrina, Jihan Aulia Shifa Azzahra Ramadhanti Sihombing, Yoel Michael Siti Syahla Sunardi Surya, Dimas Susan Intan Permata Sari Tiyo Wahyudi Utama, Indriani Valentino, Moreno Wardani, Tia Kusuma Wicaksono, Arrio Gigih Winata, Rio Aditya Winoto, Mulyo Adji Yuda Samudra Zakaria, Hadi Zuhdi, Aqiel Maulidan