Article Per Year (5 Year)
p-Index From 2021 - 2026
3.13
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 : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
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.
Pelatihan Infografis Untuk Pegawai PPN Pemangkat Martha, Shantika; Debataraja, Naomi Nessyana; Rizki, Setyo Wira; Imro'ah, Nurfitri; Perdana, Hendra; Kusnandar, Dadan; Satyahadewi, Neva; Tamtama, Ray
Insan Cita : Jurnal Pengabdian Kepada Masyarakat Vol. 7 No. 1 (2025): Februari 2025-Insan Cita: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32662/insancita.v7i1.2658

Abstract

PPN Pemangkat sebagai sentra perikanan mempunyai beberapa keunggulan, yaitu lokasi strategis, dekat dengan fishing ground dan daerah pemasaran. Dengan berbagai keunggulan tersebut diharapkan dapat meningkatkan kualitas perekonomian masyarakat sekitar. Pentingnya ketersediaan informasi tentang PPN Pemangkat untuk masyarakat dapat menjadi faktor pendukung untuk meningkatkan kualitas perekonomian masyarakat yang terhubung dengan keberadaan PPN Pemangkat seperti nelayan. Infografis sangat diperlukan untuk penyajian data di PPN Pemangkat. Baik itu data tentang kapal, nelayan maupun hasil tangkapan. Infografis dapat menyederhanakan informasi yang rumit, sehingga informasi data lebih dapat dipahami untuk semua kalangan. Untuk itu pelatihan infografis bagi pegawai PPN Pemangkat sangat diperlukan. Hasil dari kegiatan ini yaitu bertambahnya pengetahuan serta kemampuan pegawai PPN Pemangkat dalam mengolah data melalui pembuatan infografis menggunakan excel.
WATER QUALITY ANALYSIS IN THE RESIDENTIAL AREAS OF PONTIANAK CITY USING THE GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION METHOD NESSYANA DEBATARAJA, NAOMI; Kusnandar, Dadan; Lestari, Fika Dian; Anugrahnu, Joannes Fregis Philosovio
Parameter: Journal of Statistics Vol. 5 No. 2 (2025)
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tadulako

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22487/27765660.2025.v5.i2.17900

Abstract

Water quality is a key indicator of a community’s health and welfare, yet it has deteriorated significantly due to pollution caused by human activities. This study aimed to evaluate Geographically Weighted Logistic Regression’s (GWLR) ability to handle spatial nonstationarity in the relationship between explanatory factors and water quality status in Pontianak City, and to compare its performance with logistic regression. Three modelling approaches were applied to classify water as polluted or non-polluted: (i) logistic regression with spatially invariant) parameters; (ii) GWLR with a fixed Gaussian kernel, producing spatially varying parameters using a fixed bandwidth; and (iii) GWLR with an adaptive Gaussian kernel, producing spatially varying parameters using an adaptive bandwidth. Model performance was compared using Akaike’s Information Criterion (AIC) and classification accuracy. The GWLR model with a fixed Gaussian kernel produced an AIC of 22.52, whereas the logistic regression model produced a slightly lower AIC of 22.39; both models achieved a classification accuracy of 92.86%, with the adaptive-kernel GWLR showing comparable classification performance. These results indicate that, for the parameter settings considered, GWLR offered performance comparable to, but not substantially better than logistic regression for modelling the factors affecting water quality, despite its capacity to address spatial nonstationarity.
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 Tamtama, Ray Utari, Shindy Wuri, Hastri Sastia Yusril, Alqaida