Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika
Mu’adz, A. Muhammad
Unknown Affiliation
Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perbandingan Penggerombolan Tingkat Pencemaran Udara dengan K- Medoid dan CLARA berdasarkan Indeks Kualitas Udara (IKU) di Provinsi Sulawesi Selatan Thaha, Irwan; Wahyuni, Maya Sari; Sutamrin, Sutamrin; Mu’adz, A. Muhammad
Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika Vol. 7 No. 1 (2024): Sustainable Development Goal in Mathematics and Mathematics Education
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/proximal.v7i1.3074

Abstract

Analisis statistika multivariat yang pada akhirnya menghasilkan sejumlah gerombol. Pengelompokan dilakukan pada objek/pengamatan (baris) dalam data yang memiliki kemiripan sangat besar dengan objek/pengamatan lainnya dalam satu gerombol. Kemiripan tersebut diukur menggunakan jarak euclidean. Analisis gerombol terbagi menjadi dua yaitu hierarki dan non-hierarki. Penelitian ini menerapkan analisis gerombol non-hierarki yaitu metode k-medoid untuk menggerombolkan kabupaten/kota beserta empat sektornya yaitu transportasi, industri/agro industri, pemukiman, perkantoran/komersial di Provinsi Sulawesi Selatan berdasarkan indikator penyusun nilai Indeks Kualitas Udara (IKU) tahun 2019 dan 2020. IKU ditetapkan sebagai salah satu instrumen untuk mengukur tingkat pencemaran udara di suatu wilayah, baik secara nasional maupun di Provinsi dan Kabupaten/Kota. IKU dikategorikan berdasarkan enam status Indeks Kualitas Lingkungan Hidup (IKLH). Untuk mendapatkan hasil gerombol dari metode k-medoid dan CLARA maka dilakukan penggerombolan berdasarkan perhitungan nilai IKU yaitu k = 6. Peneliti menggunakan confusion matrix untuk membandingkan hasil gerombol berdasar hasil gerombol metode k-medoid dan CLARA.. Dari penelitian yang dilakukan diperoleh hasil algoritma k-medoid untuk data 2019 maupun 2020 memiliki presentase Accuracy, Precision dan Recall lebih tinggi dibanding metode CLARA. Hasil tersebut membuktikan bahwa metode k-medoid mempunyai performa lebih baik bila dibandingkan dengan CLARA, karena mempunyai tinngkat akurasi dan recall lebih tinggi bila dibandingkan dengan CLARA. Itu disebabkan karena CLARA tergantung pada pemilihan dan ukuran sampel.
Perbandingan Penggerombolan Tingkat Pencemaran Udara dengan K- Medoid dan CLARA berdasarkan Indeks Kualitas Udara (IKU) di Provinsi Sulawesi Selatan Thaha, Irwan; Wahyuni, Maya Sari; Sutamrin, Sutamrin; Mu’adz, A. Muhammad
Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika Vol. 7 No. 1 (2024): Sustainable Development Goal in Mathematics and Mathematics Education
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/proximal.v7i1.3074

Abstract

Analisis statistika multivariat yang pada akhirnya menghasilkan sejumlah gerombol. Pengelompokan dilakukan pada objek/pengamatan (baris) dalam data yang memiliki kemiripan sangat besar dengan objek/pengamatan lainnya dalam satu gerombol. Kemiripan tersebut diukur menggunakan jarak euclidean. Analisis gerombol terbagi menjadi dua yaitu hierarki dan non-hierarki. Penelitian ini menerapkan analisis gerombol non-hierarki yaitu metode k-medoid untuk menggerombolkan kabupaten/kota beserta empat sektornya yaitu transportasi, industri/agro industri, pemukiman, perkantoran/komersial di Provinsi Sulawesi Selatan berdasarkan indikator penyusun nilai Indeks Kualitas Udara (IKU) tahun 2019 dan 2020. IKU ditetapkan sebagai salah satu instrumen untuk mengukur tingkat pencemaran udara di suatu wilayah, baik secara nasional maupun di Provinsi dan Kabupaten/Kota. IKU dikategorikan berdasarkan enam status Indeks Kualitas Lingkungan Hidup (IKLH). Untuk mendapatkan hasil gerombol dari metode k-medoid dan CLARA maka dilakukan penggerombolan berdasarkan perhitungan nilai IKU yaitu k = 6. Peneliti menggunakan confusion matrix untuk membandingkan hasil gerombol berdasar hasil gerombol metode k-medoid dan CLARA.. Dari penelitian yang dilakukan diperoleh hasil algoritma k-medoid untuk data 2019 maupun 2020 memiliki presentase Accuracy, Precision dan Recall lebih tinggi dibanding metode CLARA. Hasil tersebut membuktikan bahwa metode k-medoid mempunyai performa lebih baik bila dibandingkan dengan CLARA, karena mempunyai tinngkat akurasi dan recall lebih tinggi bila dibandingkan dengan CLARA. Itu disebabkan karena CLARA tergantung pada pemilihan dan ukuran sampel.
Co-Authors Sutamrin, Sutamrin Thaha, Irwan Wahyuni, Maya Sari