Article Per Year (5 Year)
p-Index From 2020 - 2025
1.845
P-Index
This Author published in this journals
All Journal Jurnal Penyuluhan Techno.Com: Jurnal Teknologi Informasi Kubik Teorema: Teori dan Riset Matematika Jambura Journal of Mathematics KUBIK: Jurnal Publikasi Ilmiah Matematika Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi MATHunesa: Jurnal Ilmiah Matematika
Jumansyah, L.M. Risman Dwi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Education Engineering Mathematics

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Perbandingan Metode K-Means dan OPTICS dalam Penggerombolan Kemiskinan Multidimensi di Indonesia Sari, Devi Permata; Rizqi, Tasya Anisah; Fitrianto, Anwar; M.S, Erfiani; Jumansyah, L.M. Risman Dwi
KUBIK Vol 9 No 2 (2024): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v9i2.39877

Abstract

Kemiskinan multidimensi tetap menjadi tantangan serius di Indonesia meskipun telah mengalami penurunan dalam beberapa tahun terakhir. Penelitian ini bertujuan menganalisis dan membandingkan pola kemiskinan multidimensi di 34 provinsi Indonesia menggunakan metode K-Means dan OPTICS Clustering. Data kemiskinan multidimensi yang digunakan mencakup aspek ekonomi, pendidikan, ketenagakerjaan, dan standar hidup dari Badan Pusat Statistik. Analisis statistik deskriptif mengungkapkan kesenjangan signifikan antar provinsi dalam berbagai dimensi kemiskinan, dengan korelasi tertinggi sebesar 0,4 antara dimensi pendidikan dan status ketenagakerjaan. K-Means Clustering mengidentifikasi 5 cluster provinsi dengan karakteristik beragam, menunjukkan adanya trade-off antara akses fasilitas dan tingkat kemiskinan. Sementara itu, OPTICS Clustering menghasilkan 2 cluster utama, dengan cluster 1 terdiri dari 24 provinsi yang memiliki kondisi cenderung homogen dan cluster 2 terdiri dari 7 provinsi dengan karakteristik yang berbeda secara signifikan. Perbandingan performa menunjukkan OPTICS unggul dengan nilai Silhouette Index dan WCSS yang lebih baik dibandingkan K-Means. Temuan ini memberikan kontribusi penting dalam analisis kemiskinan multidimensi di Indonesia dan dapat dimanfaatkan untuk merancang program pengentasan kemiskinan yang lebih terlokalisasi sesuai karakteristik masing-masing cluster.
Perbandingan Metode K-Means dan OPTICS dalam Penggerombolan Kemiskinan Multidimensi di Indonesia Sari, Devi Permata; Rizqi, Tasya Anisah; Fitrianto, Anwar; M.S, Erfiani; Jumansyah, L.M. Risman Dwi
KUBIK Vol 9 No 2 (2024): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v9i2.39877

Abstract

Kemiskinan multidimensi tetap menjadi tantangan serius di Indonesia meskipun telah mengalami penurunan dalam beberapa tahun terakhir. Penelitian ini bertujuan menganalisis dan membandingkan pola kemiskinan multidimensi di 34 provinsi Indonesia menggunakan metode K-Means dan OPTICS Clustering. Data kemiskinan multidimensi yang digunakan mencakup aspek ekonomi, pendidikan, ketenagakerjaan, dan standar hidup dari Badan Pusat Statistik. Analisis statistik deskriptif mengungkapkan kesenjangan signifikan antar provinsi dalam berbagai dimensi kemiskinan, dengan korelasi tertinggi sebesar 0,4 antara dimensi pendidikan dan status ketenagakerjaan. K-Means Clustering mengidentifikasi 5 cluster provinsi dengan karakteristik beragam, menunjukkan adanya trade-off antara akses fasilitas dan tingkat kemiskinan. Sementara itu, OPTICS Clustering menghasilkan 2 cluster utama, dengan cluster 1 terdiri dari 24 provinsi yang memiliki kondisi cenderung homogen dan cluster 2 terdiri dari 7 provinsi dengan karakteristik yang berbeda secara signifikan. Perbandingan performa menunjukkan OPTICS unggul dengan nilai Silhouette Index dan WCSS yang lebih baik dibandingkan K-Means. Temuan ini memberikan kontribusi penting dalam analisis kemiskinan multidimensi di Indonesia dan dapat dimanfaatkan untuk merancang program pengentasan kemiskinan yang lebih terlokalisasi sesuai karakteristik masing-masing cluster.
Analisis Pola Konvergensi Transpor Kelembapan Udara di Indonesia Bagian Barat Menggunakan K-Means dengan Pembobotan Statistik dan Hierarchical Shape-Based Clustering Pratiwi, Asri; Azis, Tukhfatur Rizmah; Fitrianto, Anwar; Erfiani, Erfiani; Jumansyah, L.M. Risman Dwi
KUBIK Vol 9 No 2 (2024): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v9i2.39753

Abstract

This study analyzes the convergence patterns of Vertically Integrated Moisture Transport (VIMT) in the western region of Indonesia using the K-Means method with statistical weighting and Hierarchical Shape-Based Clustering based on Dynamic Time Warping (DTW). Daily data on specific humidity, zonal wind speed, and meridional wind speed from 2020–2023 were used to calculate VIMT. Clustering methods were utilized to identify grouping patterns in moisture transport data. The results showed that moisture convergence significantly increased during the rainy season (November–February). Using the K-Means method, five clusters with clearer separations were obtained compared to the four clusters produced by the Hierarchical Clustering method. Performance evaluation using Silhouette and Calinski-Harabasz scores indicated that the K-Means method was superior, with scores of 0.37 and 104.88 compared to 0.13 and 96.34 for the Hierarchical method. This provides an understanding of the moisture transport patterns, serving as a reference for predicting weather and climate patterns, thereby supporting efforts to mitigate the impacts of extreme weather in Western Indonesia.
Co-Authors Amanda, Nabila Aristawidya, Rafika Asri Pratiwi, Asri Azis, Tukhfatur Rizmah Devi Permata Sari Erfiani Erfiani Erfiani Fauziah, Monica Rahma Fitrianto, Anwar Hasnataeni, Yunia Indah, Yunna Mentari Josua Sahala M.S, Erfiani mutiah, siti Neonnub, Jefrianus Nugraha, Adhiyatma Riska Yulianti, Riska Rizqi, Tasya Anisah Simamora, Ture Siregar, Indra Rivaldi Uswatun Hasanah Veronika Yuneriati Beyleto