Article Per Year (5 Year)
p-Index From 2021 - 2026
3.279
P-Index
This Author published in this journals
All Journal BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan CAUCHY: Jurnal Matematika Murni dan Aplikasi BAREKENG: Jurnal Ilmu Matematika dan Terapan Sarwahita : Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat Parameter: Journal of Statistics
Dadan Kusnandar
Department Of Statistics, Tanjungpura University
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search
Journal : BIMASTER

 1   2 
PENERAPAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MK-NN) DALAM KLASIFIKASI KELULUSAN MAHASISWA (Studi Kasus: Prodi Statistika Universitas Tanjungpura) Aipassa, Ezra Amarya; Kusnandar, Dadan; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74062

Abstract

Salah satu pencapaian mahasiswa dalam meraih gelar sarjana adalah dengan lulus tepat waktu. Namun, tidak semua mahasiswa mampu menyelesaikan waktu studinya dengan tepat waktu. Suatu teknik yang memanfaatkan fungsi dari klasifikasi data mining diperlukan untuk memperoleh informasi dari data guna memprediksi kelulusan mahasiswa. Penelitian ini menggunakan algoritma Modified K-Nearest Neighbor (MK-NN) dalam klasifikasi kelulusan mahasiswa. Algoritma MK-NN merupakan pengembangan dari metode K-Nearest Neighbor (KNN) dimana dalam proses MK-NN menambah dua tahapan yaitu validitas dan weight voting. Penelitian ini bertujuan untuk menerapkan algoritma MK-NN dan mendapatkan nilai akurasi terbaik dalam klasifikasi kelulusan mahasiswa berdasarkan K-Optimal. Variabel dependen yang digunakan yaitu status kelulusan mahasiswa  serta variabel independen (X) yang digunakan yaitu IPK semester 1  hingga IPK semester 4 (  dan SKS semester 1  hingga SKS semester 4 ). Langkah-langkah dalam penelitan ini adalah mengumpulkan data lulusan mahasiswa Program Studi Statistika Universitas Tanjungpura angkatan 2013-2018 sebanyak 186 data. Setelah itu, mendeskripsikan data menggunakan statistik deskriptif, lalu men-normalisasi seluruh variabel (X), selanjutnya mencari K-Optimal menggunakan 10-fold cross validation, menghitung jarak euclidean antardata training yang kemudian divalidasi dan menghitung jarak euclidean data training dan data testing, hasil perhitungan jarak tersebut akan dimasukkan beserta nilai validasi data training pada perhitungan weight voting yang selanjutnya akan diklasifikasikan menggunakan algorima MK-NN. Sebanyak 130 data digunakan sebagai data training dan 56 data digunakan sebagai data testing. Hasil penelitian menunjukkan bahwa 49 data testing diprediksi dengan tepat, sedangkan tujuh data tidak tepat diprediksi sehingga akurasi yang diperoleh sebesar 87,5% dengan K-Optimal=9.  Kata kunci: akurasi, validitas, weight voting
PERBANDINGAN METODE ARIMA DAN NNAR UNTUK MERAMALKAN SUHU UDARA DI KOTA PONTIANAK Yusril, Alqaida; Kusnandar, Dadan; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.77243

Abstract

Kenaikan suhu global yang tinggi menyebabkan terjadinya perubahan iklim di Indonesia. Pontianak merupakan salah satu kota yang merasakan dampak langsung dari perubahan iklim dan akan sangat sulit dikendalikan jika tidak bisa memprediksi cuaca yang tidak menentu. Penelitian ini bertujuan untuk meramalkan suhu yang akurat dengan membandingkan metode Autoregressive Integrated Moving Average (ARIMA) dan Neural Network Autoregressive (NNAR). Penelitian ini dilakukan pada data suhu udara dengan mengolah data menggunakan metode ARIMA kemudian dilanjutkan metode NNAR. Kedua metode tersebut dipilih metode terbaik berdasarkan hasil nilai MAPE terkecil untuk melakukan peramalan pada data rata-rata suhu di Kota Pontianak di bulan Januari 2023. Data yang digunakan dalam penelitian ini merupakan data sekunder rata-rata suhu harian di Kota Pontianak sebanyak 365 data dari tanggal 1 Januari 2022 - 31 Desember 2022 yang diperoleh dari BMKG di Kota Pontianak. Hasil penelitian menunjukkan model NNAR (17,8) memiliki nilai MAPE sebesar 2,7% lebih kecil dari pada nilai MAPE model ARIMA (1,0,0) yaitu sebesar 2,9% dan hasil peramalan pada bulan Januari 2023 dengan model NNAR (17,8) menunjukkan suhu udara di Kota Pontianak cenderung turun dan naik setiap harinya dengan suhu tertingginya sebesar 27,66℃ dan suhu terendahnya sebesar 26,91℃.Kata Kunci : Peramalan, ARIMA, NNAR, Suhu Udara
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DENGAN NORMALISASI Z-SCORE DALAM KLASIFIKASI PENERIMA BANTUAN SOSIAL DESA SERUNAI Safitri, Novi; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74063

Abstract

Beberapa program pemerintah dalam menanggulangi masalah kemiskinan, diantaranya Program Keluarga Harapan (PKH), Bantuan Pangan Non Tunai (BPNT), Bantuan Sosial Tunai (BST), dan Bantuan Langsung Tunai (BLT) dana desa. Desa Serunai merupakan desa yang berada di Kecamatan Salatiga Kabupaten Sambas, telah menerapkan pemberian bantuan sosial sejak tahun 2020. Penentuan penerima bantuan sosial yang dilakukan dengan cara manual dapat menjadi penyebab ketidaktepatan sasaran penerima bantuan. Oleh karenanya penelitian ini bertujuan mengklasifikasikan penerima bantuan sosial dan mencari akurasi terbaik menggunakan algoritma K-Nearest Neighbor dengan normalisasi z-score. Penerima bantuan sosial diklasifikasikan menjadi tiga, yaitu penerima PKH, penerima BLT dana desa dan tidak menerima bantuan. Klasifikasi penerima bantuan menggunakan perhitungan jarak Euclidean dengan sembilan parameter K, yaitu . Perhitungan akurasi dilakukan dengan confusion matrix. Data yang digunakan adalah data Pemutakhiran Keluarga Desa Serunai Tahun 2022 yang berdomisili di Dusun Kemboja, diperoleh dari website BKKBN dan kantor Desa Serunai, sebanyak 205 data dengan delapan variabel atribut dan satu variabel kelas. Data dibagi menjadi data latih (training) dan data uji (testing), dengan proporsi 90:10, 80:20, dan 70:30. Hasil penelitian menunjukkan bahwa klasifikasi terbaik diperoleh pada proporsi 90:10 dengan parameter , dimana dari 20 individu yang diprediksi, terdapat sepuluh individu diklasifikasikan sebagai penerima PKH (kelas 1), satu individu diklasifikasikan sebagai penerima BLT dana desa (kelas 2) dan sembilan individu diklasifikasikan sebagai bukan penerima bantuan (kelas 3).  Jika disandingkan dengan data aktual terdapat dua individu yang salah diklasifikasikan sehingga didapatkan akurasi sebesar 90%, dengan recall sebesar 100% dan presisi sebesar 80%.  Kata Kunci: klasifikasi, normalisasi z-score, jarak Euclidean.
Co-Authors Aipassa, Ezra Amarya Andani, Wirda Anugrahnu, Joannes Fregis Philosovio Ayuni, Anisa Putri Cahyani, Cristy Framedia Debataraja, Naomi Nessyana Evy Sulistianingsih Fadhillah, Rahmi Febriani, Nindy Febryanti, Winda Fiqriah, Isnaini Handayany, Indry Hendra Perdana HUDA, NUR’AINUL MIFTAHUL Hutami, Bintang Ratna Imro'ah, Nurfitri IMRO’AH, NURFITRI Lestari, Fika Dian Martha, Shantika NESSYANA DEBATARAJA, NAOMI Neva Satyahadewi Novi Safitri Oprasianti, Risky Prianti, Sabrina Eka Rahmawati, Fenti Nurdiana Riswanda, Giovani Parasta Rizki, Setyo Wira Rossie Wiedya Nusantara Simanjuntak, Martina Tamtama, Ray Utari, Shindy Wuri, Hastri Sastia Yusril, Alqaida