Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal J-Com (Journal of Computer)
Anggraini, Sylvia
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENGGUNAAN K-MEANS METHOD DALAM KLASIFIKASI TINGKAT KESEJAHTERAAN PENDUDUK (STUDI KASUS: KANTOR KEPALA DESA PONDOK BUNGUR) Anggraini, Sylvia; Nasution, Akmal; Sibuea, Mustika Fitri Larasati
J-Com (Journal of Computer) Vol 4, No 2 (2024): JULI 2024
Publisher : LPPM STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v4i2.3214

Abstract

Kualitas hidup keluarga mencerminkan kesejahteraan masyarakat, yang diukur melalui berbagai aspek kehidupan seperti pendidikan, pekerjaan, penghasilan, kepemilikan, kondisi tempat tinggal, serta akses ke air bersih dan listrik. Untuk menentukan tingkat kesejahteraan di masyarakat, tiga kriteria dari semua variabel tersebut digunakan untuk membedakan apakah mereka berada pada cluster tinggi, menengah, atau rendah. Pondok Bungur, sebuah desa di Kabupaten Asahan dengan 10 dusun, kebanyakan penduduknya memiliki pendapatan rendah, tidak memiliki barang kebutuhan sekunder, menggunakan air bukan dari PDAM, dan memiliki akses daya listrik rendah. Karena belum ada klasifikasi yang jelas mengenai kesejahteraan, bantuan sosial sering kali tidak tepat sasaran. Sebagai solusi, teknik data mining dengan algoritma k-means diterapkan untuk mengklasifikasikan tingkat kesejahteraan di desa tersebut. Penelitian ini menemukan bahwa 2 dusun berada pada tingkat kesejahteraan tinggi (20%), 3 dusun pada tingkat menengah (30%), dan 5 dusun pada tingkat rendah (50%). Dusun 2 dan 5 merupakan yang paling sejahtera, sementara Dusun 1, 4, dan 9 memiliki tingkat kesejahteraan menengah. Sisa 50% dusun yang masih berada pada tingkat rendah perlu diprioritaskan dalam pemberian bantuan.
KLASTERISASI PENYAKIT MENULAR DI INDONESIA MENGGUNAKAN METODE K-MEANS CLUSTERING Muhammad, Hafiz; Anggraini, Sylvia
J-Com (Journal of Computer) Vol. 4 No. 1 (2024): Maret 2024
Publisher : STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v4i1.3033

Abstract

bstract: Disease is an abnormal condition in which the body or mind experiences discomfort or dysfunction in the person it affects. Every day the number of people suffering from infectious diseases always increases with different types of diseases. Therefore, there is a need for a grouping to help the government find information about the diseases most commonly suffered by citizens. In this research, patient disease data was grouped using multidimensional clustering data mining techniques. K-Means Clustering is a non-hierarchical data clustering method that groups data in the form of one or more clusters. Data that has the same characteristics is grouped in one cluster and data that has different characteristics is grouped in another cluster so that the data in one cluster has a small level of variation. This research aims to make the government pay more attention to areas that have high rates of infectious diseases both from the environment and other things. The results of research from 34 provinces and 8 infectious diseases show data where 32 areas are very vulnerable, 2 areas are vulnerable and 2 areas are quite vulnerable.Keywords: Data Mining, Disease Cases, K-MeansAbstrak: Penyakit adalah suatu keadaan abnormal dimana tubuh ataupun pikiran mengalami ketidaknyamanan atau disfungsi terhadap orang yang dipengaruhinya. Setiap harinya jumlah warga yang menderita penyakit menular selalu bertambah dengan jenis penyakit yang berbeda. Oleh sebab itu, perlu adanya pengelompokan untuk membantu pihak pemerintah menemukan informasi mengenai penyakit yang paling banyak diderita oleh warga. Pada penelitian ini dilakukan pengelompokkan data penyakit pasien menggunakan teknik data mining clustering multidimensi. K-Means Clustering merupakan salah satu metode data clustering non-hirarki yang mengelompokkan data dalam bentuk satu atau lebih cluster. Data-data yang memiliki karakteristik yang sama dikelompokkan dalam satu cluster dan data yang memiliki karakteristik berbeda dikelompokkan dengan cluster yang lain sehingga data yang berada dalam satu cluster memiliki tingkat variasi yang kecil. Penelitian ini bertujuan agar pemerintah lebih perhatian terhadap daerah yang memilki angka tinggi terhadap penyakit menular baik dari lingkungan maupun dari hal lainnya. Hasil dari penelitian dari 34 Provinsi dan 8 Penyakit menular menunjukkan data dimana 32 daerah dengan sangat rawan, 2 daerah rawan dan 2 daerah cukup rawan.Kata kunci: Data Mining, Kasus Penyakit, K-Means
PENGGUNAAN K-MEANS METHOD DALAM KLASIFIKASI TINGKAT KESEJAHTERAAN PENDUDUK (STUDI KASUS: KANTOR KEPALA DESA PONDOK BUNGUR) Anggraini, Sylvia; Nasution, Akmal; Sibuea, Mustika Fitri Larasati
J-Com (Journal of Computer) Vol. 4 No. 2 (2024): JULI 2024
Publisher : STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/j-com.v4i2.3214

Abstract

Kualitas hidup keluarga mencerminkan kesejahteraan masyarakat, yang diukur melalui berbagai aspek kehidupan seperti pendidikan, pekerjaan, penghasilan, kepemilikan, kondisi tempat tinggal, serta akses ke air bersih dan listrik. Untuk menentukan tingkat kesejahteraan di masyarakat, tiga kriteria dari semua variabel tersebut digunakan untuk membedakan apakah mereka berada pada cluster tinggi, menengah, atau rendah. Pondok Bungur, sebuah desa di Kabupaten Asahan dengan 10 dusun, kebanyakan penduduknya memiliki pendapatan rendah, tidak memiliki barang kebutuhan sekunder, menggunakan air bukan dari PDAM, dan memiliki akses daya listrik rendah. Karena belum ada klasifikasi yang jelas mengenai kesejahteraan, bantuan sosial sering kali tidak tepat sasaran. Sebagai solusi, teknik data mining dengan algoritma k-means diterapkan untuk mengklasifikasikan tingkat kesejahteraan di desa tersebut. Penelitian ini menemukan bahwa 2 dusun berada pada tingkat kesejahteraan tinggi (20%), 3 dusun pada tingkat menengah (30%), dan 5 dusun pada tingkat rendah (50%). Dusun 2 dan 5 merupakan yang paling sejahtera, sementara Dusun 1, 4, dan 9 memiliki tingkat kesejahteraan menengah. Sisa 50% dusun yang masih berada pada tingkat rendah perlu diprioritaskan dalam pemberian bantuan.
Co-Authors Hafiz Muhammad Mustika Fitri Larasati Sibuea Nasution, Akmal