Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science)
Ajarwiro, Cweto Bolodiko
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search
Journal : CESS (Journal of Computer Engineering, System and Science)

 1 
Analisis Pengelompokan UMKM Berdasarkan Kategori Menggunakan Algoritma K-Means dan K-Medoids Ajarwiro, Cweto Bolodiko; Maimunah, Maimunah; Sukmasetya, Pristi
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i1.54632

Abstract

Sektor Usaha Mikro Kecil dan Menengah (UMKM) menjadi salah satu faktor utama yang mendorong pertumbuhan ekonomi Indonesia. Jumlah kategori UMKM yang banyak perlu dilakukan pengelompokan agar dapat membantu pemerintah dalam mendukung pengembangan UMKM. Dalam penelitian ini dilakukan pengelompokan UMKM berdasarkan kategori menggunakan algoritma K-Means dan K-Medoids. Data yang digunakan dalam penelitian ini adalah data UMKM Kota Magelang yang diambil dari PeRSADA sebanyak 3491. Pada tahap pengolahan data dilakukan pengecekan tipe data, penanganan data yang hilang, pelabelan dan penjumlahan kategori UMKM. Setalah data diolah maka dilakukan pengelompokan data menggunakan algoritma K-Means dan K-Medoids. Pengelompokan kategori UMKM menggunakan algoritmat K-Means dan K-Medoids menghasilkan 3 klaster. Pengelompokan menggunaka K-Means menghasilkan klaster tinggi sebanyak 1 kategori, klaster sedang 3 kategori, dan klaster rendah 60 kategori. Pengelompokan menggunakan K-Medoids menghasilkan klaster tinggi 1 kategori, klaster sedang 2 kategori, dan klaster rendah 61 kategori. Berdasarkan nilai DBI, algoritma K-Means mempunyai nilai 0,496 sedangkan algoritma K-Medoids bernilai 0,499. Dengan demikian klastering UMKM Kota Magelang menggunakan K-Means lebih baik daripada algoritma K-Medoids. Melalui pengelompokan UMKM berdasarkan kategori dapat membantu memberikan informasi untuk pengembangan UMKM.
Analisis Pengelompokan UMKM Berdasarkan Kategori Menggunakan Algoritma K-Means dan K-Medoids Ajarwiro, Cweto Bolodiko; Maimunah, Maimunah; Sukmasetya, Pristi
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 1 (2024): January 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i1.54632

Abstract

Sektor Usaha Mikro Kecil dan Menengah (UMKM) menjadi salah satu faktor utama yang mendorong pertumbuhan ekonomi Indonesia. Jumlah kategori UMKM yang banyak perlu dilakukan pengelompokan agar dapat membantu pemerintah dalam mendukung pengembangan UMKM. Dalam penelitian ini dilakukan pengelompokan UMKM berdasarkan kategori menggunakan algoritma K-Means dan K-Medoids. Data yang digunakan dalam penelitian ini adalah data UMKM Kota Magelang yang diambil dari PeRSADA sebanyak 3491. Pada tahap pengolahan data dilakukan pengecekan tipe data, penanganan data yang hilang, pelabelan dan penjumlahan kategori UMKM. Setalah data diolah maka dilakukan pengelompokan data menggunakan algoritma K-Means dan K-Medoids. Pengelompokan kategori UMKM menggunakan algoritmat K-Means dan K-Medoids menghasilkan 3 klaster. Pengelompokan menggunaka K-Means menghasilkan klaster tinggi sebanyak 1 kategori, klaster sedang 3 kategori, dan klaster rendah 60 kategori. Pengelompokan menggunakan K-Medoids menghasilkan klaster tinggi 1 kategori, klaster sedang 2 kategori, dan klaster rendah 61 kategori. Berdasarkan nilai DBI, algoritma K-Means mempunyai nilai 0,496 sedangkan algoritma K-Medoids bernilai 0,499. Dengan demikian klastering UMKM Kota Magelang menggunakan K-Means lebih baik daripada algoritma K-Medoids. Melalui pengelompokan UMKM berdasarkan kategori dapat membantu memberikan informasi untuk pengembangan UMKM.
Co-Authors Maimunah, Maimunah Sukmasetya, Pristi