Claim Missing Document
Check
Articles

Found 30 Documents
Search

Prediksi Pertumbuhan dan Segmentasi Kinerja Perusahaan Manufaktur dengan Regresi Linier dan K-Means Ramadhani, Naufal Zacky; Wardani, Tia Kusuma; 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 dan memprediksi pertumbuhan penjualan dengan memanfaatkan teknik data mining pada dua perusahaan manufaktur, yaitu PT AUTO dan Grup Olympic. Pendekatan kuantitatif digunakan dengan dua metode berbeda, yaitu regresi linier sederhana untuk menganalisis hubungan antara capital expenditure (Capex) dan revenue pada PT AUTO, serta K-Means Clustering untuk mengelompokkan pola kinerja Grup Olympic berdasarkan penjualan, aset, dan jumlah karyawan selama periode 1996–2004. Data diperoleh dari laporan keuangan tahunan masing-masing perusahaan. Hasil analisis menunjukkan korelasi positif antara Capex dan revenue pada PT AUTO dengan nilai koefisien determinasi (R²) sebesar 0,65. Sementara itu, algoritma K-Means berhasil mengelompokkan tahun operasional Grup Olympic ke dalam tiga klaster berdasarkan kemiripan struktur aset, tenaga kerja, dan penjualan. Temuan ini menunjukkan bahwa kombinasi pendekatan prediktif dan eksploratif dalam data mining mampu memberikan pemahaman yang lebih menyeluruh terhadap pertumbuhan perusahaan manufaktur
Pemetaan Materi Buku Ajar Multidisiplin Menggunakan Text Mining dan K-Means Clustering Mulyono, Agus; Alimudin, M. Aziz; Adbillah, Muhammad Iman; Azhar, Muhammad Aditya; Ramdhani, Rizky; Alfian, Zurnan; Zakaria, Hadi
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

Perkembangan literatur pendidikan multidisipliner memunculkan kebutuhan akan metode yang efektif untuk memetakan materi ajar. Penelitian ini bertujuan untuk memetakan topik dari lima buku ajar yang mencakup bidang ekonomi, biologi, dan sosiologi politik. Metode yang digunakan adalah text mining untuk mengekstraksi fitur kata kunci dari masing-masing buku, kemudian dilakukan klasterisasi menggunakan algoritma K-Means. Dataset bersumber dari konten buku ajar yang direpresentasikan dalam bentuk vektor berdasarkan bobot TF-IDF. Tahapan analisis mencakup tokenisasi, penghapusan stopword, pembobotan TF-IDF, dan klasterisasi dokumen berdasarkan kemiripan kontennya. Hasil menunjukkan bahwa algoritma K-Means mampu mengelompokkan dokumen menjadi tiga klaster utama, yaitu ekonomi, sains, dan sosial-politik. Pemetaan ini berkontribusi dalam mendukung pemahaman terhadap struktur isi materi ajar lintas disiplin.
Perbandingan Hasil Klasterisasi K-Means Berdasarkan Silhouette Score dan Inertia Pada 5 Dataset Berbeda Fourteen, Septiantoro Sogema; Anugrah, Al Hakim Putra Bintang; Putra, Muhamad Niko Aninda; Shabrina, Jihan Aulia; Winoto, Mulyo Adji; 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 metode penting dalam data mining untuk mengelompokkan data berdasarkan kemiripan. K-Means adalah salah satu algoritma yang banyak digunakan karena kesederhanaannya dalam membagi data ke dalam sejumlah klaster. Penelitian ini membandingkan hasil klasterisasi algoritma K-Means yang dilakukan oleh lima mahasiswa menggunakan lima dataset yang berbeda, dengan variasi jumlah klaster dan tahapan preprocessing. Evaluasi dilakukan menggunakan metrik internal, yaitu Silhouette Score dan Inertia. Hasil menunjukan adanya variasi signifikan dalam kualitas klaster yang dihasilkan, bergantung pada karakteristik data dan parameter yang digunakan. Nilai Silhouette Score tertinggi sebesar 0,6946 dan Inertia terendah sebesar 1,5 ditemukan pada dataset yang berbeda. Penelitian ini memberikan gambaran praktis mengenai pentingnya pemilihan parameter dan tahapan preprocessing dalam meningkatkan kualitas hasil clustering dan juga memberikan wawasan bagi pemula dalam memahami evaluasi hasil klasterisasi secara praktis.
Analisis Pertumbuhan Penduduk, Obligasi AS, Pertanian, dan Insentif Fiskal terhadap PDB Sektoral Indonesia dan Riil Aziz, Nasrul; Diasaputra, Ayoga Ugi; Saputra, Andriyan; Rifanka, Aswangga Rakhi Prawira; Ikhsan, Rizqi Muhammad; Maar, Halili; 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.v4i2.1422

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh lintas sektor dari faktor global dan domestik terhadap Produk Domestik Bruto (PDB) sektoral dan riil Indonesia. Faktor-faktor yang dikaji mencakup pertumbuhan penduduk historis, yield obligasi Amerika Serikat (AS), distribusi sektor pertanian di Asia Pasifik, serta insentif perpajakan sektoral di Indonesia. Metode yang digunakan adalah analisis kuantitatif melalui pendekatan regresi linear sederhana, visualisasi tren, serta segmentasi dengan klasterisasi K-Means. Dataset yang digunakan meliputi data penduduk dari Koloniaal Verslag (1874–1892), yield obligasi dari The Wall Street Journal (2005), distribusi output sektoral dari ADB (1970–2006), serta PDB dan insentif fiskal dari BPS dan Kemenkeu (2013–2022). Hasil analisis menunjukkan bahwa terdapat korelasi positif antara tenor obligasi dan yield (+0,85), penurunan kontribusi sektor pertanian, serta efisiensi relatif dari belanja fiskal terhadap sektor jasa dan industri. Model regresi memberikan dasar prediktif, sementara klasterisasi menggambarkan segmentasi sektoral ekonomi nasional. Penelitian ini menyimpulkan bahwa sinergi antara indikator global dan domestik penting untuk memahami arah pembangunan ekonomi makro Indonesia.
Penelitian Klafikasi Tipe Organisasi Fadilah, Muhammad Farhan; 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

Struktur organisasi merupakan elemen penting dalam manajemen bisnis modern buku Pengantar bisnis karya Ismail Solihin membagi struktur organisasi ke dalam dua tipe utama mekanistik dan organic artikel ini bertujuan untuk mengkaji karakteristik kelebihan kekurangan serta relevansi masing-masing tipe organisasi dalam konteks dinamika bisnis saat ini Penelitian ini bersifat kualitatif deskriptif dengan pendekatan literatur hasil kajian menunjukkan bahwa tidak ada satu struktur ideal untuk semua kondisi pemilihan struktur organisasi harus disesuaikan dengan lingkungan bisnis teknologi dan strategi Perusahaan
Mengungkap Hubungan Antara Infrastruktur Layanan Publik dan Kinerja Pemerintah Daerah di Indonesia Muhamad Lutfi Azizan; Septiano Alvian Ismau; Rizki Artinio Permana Putra; Putri Amalia; Ali Ibrahim; Zurnan Alfian
Jurnal Ilmiah Teknik Informatika dan Komunikasi Vol. 5 No. 3 (2025): November: Jurnal Ilmiah Teknik Informatika dan Komunikasi 
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juitik.v5i3.1368

Abstract

Local government performance and the availability of public service infrastructure are two important indicators in assessing the success of regional development. This study aims to examine the relationship between the number of post offices as an indicator of public service infrastructure and the performance scores of provincial governments in Indonesia. The data used are from the 2007 Transportation Statistics (number of post offices per province) and the 2016 Ministry of PAN-RB report (local government performance scores). The results of the analysis indicate that provinces with better public service infrastructure tend to have higher government performance scores. Although not all correlations are strong and significant, these findings indicate the importance of equal infrastructure to support effective governance.
Klasterisasi Data Sosial Ekonomi Menggunakan Algoritma K-Means Tiyo Wahyudi; Miftahul Jannah; Zurnan Alfian
Journal on Pustaka Cendekia Informatika Vol. 2 No. 1 (2024): Journal on Pustaka Cendekia Informatika: Volume 2 Nomor 1 February - May 2024
Publisher : PT Pustaka Cendekia Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70292/pctif.v2i1.59

Abstract

The advancement of information technology has driven a significant increase in the volume of socio-economic data, encompassing various aspects such as education and essential community needs. This study aims to cluster socio-economic data using the K-Means algorithm, focusing on two types of data: the number of applicants to higher education institutions (public and private universities) and the average prices of basic commodities in Palembang City. The first dataset was obtained from the Indonesian Higher Education Statistics (Depdiknas 2006), covering five categories of institutions: universities, institutes, colleges, academies, and polytechnics. The second dataset was taken from Table 8.2 of the Consumer Price Statistics by BPS for the years 2004–2005, which includes prices of commodities such as beef, broiler chicken, rice, granulated sugar, chicken eggs, and bulk cooking oil. The clustering process was carried out by normalizing the data using the Min-Max Scaling method, followed by the application of the K-Means algorithm with k = 2 clusters for educational data and k = 3 for commodity price data. The results showed that universities fall into the highest applicant cluster, while other institutions are grouped into medium to low clusters. In the commodity dataset, three price clusters were formed: high, medium, and low. These findings are expected to serve as a foundation for policy formulation in the education sector and for price control of essential goods in a more targeted and data-driven manner.
Klasterisasi dan Analisis Tren Tenaga Kerja Berdasarkan Gender, Golongan, dan Sektor Usaha Menggunakan Metode K-Means Muhammad Deraya Kautsar; Muhammad Bimo Krisyono; Muhammad Hafidz Diaz Alghany; Rizky Wahyu Saputra; Zurnan Alfian; Jupron, Jupron
PESHUM : Jurnal Pendidikan, Sosial dan Humaniora Vol. 4 No. 6: Oktober 2025
Publisher : CV. Ulil Albab Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56799/peshum.v4i6.10439

Abstract

Studi ini membahas analisis dan pengelompokan data ketenagakerjaan di Indonesia berdasarkan gender, golongan karyawan, dan sektor usaha dengan menggunakan pendekatan data mining. Studi ini dilatarbelakangi oleh ketimpangan distribusi tenaga kerja serta perbedaan struktur dan pendapatan antarkelompok kerja. Tiga studi kasus dianalisis, yaitu: 1) distribusi karyawan berdasarkan golongan dan gender; 2) perbandingan pendapatan pria dan wanita menurut jenis pekerjaan; dan 3) tren pertumbuhan tenaga kerja pada sektor Usaha Mikro, Kecil, dan Menengah (UMKM) dan usaha besar. Metode pengelompokan K-Means digunakan untuk melakukan segmentasi data, sedangkan analisis deskriptif digunakan untuk mengevaluasi pertumbuhan angkatan kerja. Data diperoleh dari buku referensi dan dikonversi ke format digital untuk keperluan analisis. Evaluasi hasil pengelompokan menggunakan Indeks Davies-Bouldin menunjukkan bahwa kualitas klaster bervariasi. Hasil studi mengungkap ketimpangan distribusi tenaga kerja berbasis gender dan menegaskan peran sektor UMKM yang dominan dan stabil dalam penyerapan tenaga kerja. Temuan ini diharapkan dapat mendukung kebijakan pengelolaan sumber daya manusia dan strategi pengembangan ketenagakerjaan di Indonesia.
Analisis Klasterisasi Data pada Berbagai Bidang Menggunakan Algoritma K-Means: Studi Kasus dalam Kriminalitas, Ekonomi, Politik, Administrasi Digital, dan Perdagangan Mohamad Rizky Naoval Pratama; Rayhan Apriansyah; Juliano Krizza Yoga; April Petra Malonovi Marbun; Salman Alfarisi; Zurnan Alfian
PESHUM : Jurnal Pendidikan, Sosial dan Humaniora Vol. 4 No. 6: Oktober 2025
Publisher : CV. Ulil Albab Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56799/peshum.v4i6.10448

Abstract

The K-Means algorithm is one of the most popular clustering techniques in data mining that is used to group data based on similarity of characteristics. This study aims to evaluate the application of the K-Means algorithm in five different domains: crime, digital administration, international trade, politics, and macroeconomics. Each case study uses specific datasets from reliable sources, such as BAPAS Purwokerto crime data, the level of digitization of institutions in Korea, Indonesia's export-import in 1988–1997, the results of political party elections, and Indonesia's macroeconomic indicators in 1980. The results of the analysis showed that K-Means was able to effectively group data and provide hidden patterns that are useful in the decision-making process in each field. Cluster quality evaluation was carried out using metrics such as the Silhouette Score and the Davies-Bouldin Index. This study confirms the flexibility of K-Means in handling data from various sectors and opens opportunities for the development of advanced clustering methods for multidomain analysis.
Analisis Klaster Data Ekonomi dengan Algoritma K-Means pada Beragam Dataset Nasional dan Internasional Authira Dwi Khairunnisa; Muhamad Faizal Muzaki; Muhammad Fiqri Hardiansyah; Shifa Azzahra Ramadhanti; Siti Syahla; Zurnan Alfian
PESHUM : Jurnal Pendidikan, Sosial dan Humaniora Vol. 4 No. 6: Oktober 2025
Publisher : CV. Ulil Albab Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56799/peshum.v4i6.10488

Abstract

Penelitian ini mengkaji penerapan algoritma pengelompokan K-Means untuk menganalisis lima set data terkait isu ekonomi dan sosial dari berbagai domain dan periode waktu. Data yang digunakan meliputi skor GCG negara-negara Asia, realisasi investasi asing di Indonesia, indeks korupsi global, tingkat kesiapan e-Government, serta data pertumbuhan ekonomi dan tingkat pengangguran di Indonesia. Penelitian ini bertujuan untuk mengidentifikasi pola atau klaster yang dapat memberikan wawasan dalam pengambilan keputusan. Evaluasi kinerja model dilakukan dengan mengukur dua metrik, yaitu Silhouette Score dan Inertia. Hasil analisis menunjukkan bahwa algoritma K-Means dapat menghasilkan klaster yang informatif, yang berpotensi digunakan untuk mendukung kebijakan dan keputusan strategis. Skor evaluasi terbaik diperoleh pada set data terkait investasi asing, dengan Silhouette Score sebesar 0,671, sementara pengelompokan terlemah ditemukan pada data pertumbuhan ekonomi dan pengangguran dengan Silhouette Score yang lebih rendah, yaitu sebesar 0,291. Hasil ini memberikan pemahaman yang lebih mendalam tentang kekuatan dan keterbatasan K-Means dalam berbagai konteks ekonomi dan 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