Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Fithriyani, Nurul Muna
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ALGORITMA K-MEANS UNTUK MENINGKATKAN SEGMENTASI POLA KEKERASAN Fithriyani, Nurul Muna; Martanto, Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5795

Abstract

Abstrak. Meningkatnya angka kekerasan terhadap perempuan dan anak-anak di berbagai wilayah telah menimbulkan kebutuhan mendesak akan strategi yang efektif untuk mengidentifikasi dan mengelompokkan daerah-daerah yang rawan kekerasan. Penelitian ini bertujuan untuk mengembangkan metode klasterisasi berbasis algoritma K-Means dalam upaya meningkatkan segmentasi pola kekerasan, khususnya dalam kasus yang melibatkan perempuan dan anak. Dengan menggunakan data kekerasan dari berbagai wilayah, algoritma K-Means diterapkan untuk mengelompokkan kasus berdasarkan karakteristik tertentu yang relevan. Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki potensi yang kuat dalam segmentasi data kekerasan dan mampu memberikan hasil yang lebih optimal dibandingkan metode lain pada kasus yang dipelajari. Penelitian ini memberikan wawasan baru dalam pengelompokan data sosial menggunakan pendekatan klasterisasi, yang pada akhirnya dapat meningkatkan upaya penanganan kasus kekerasan di berbagai wilayah. Penelitian ini menggunakan tahapan Knowladge Discovery in Database (KDD). Data yang diperoleh bersumber dari situs portal https://www.kaggle.com/datasets . Metode k-means clustering yang berfungsi untuk memecah dataset menjadi beberapa kelompok/cluster. Berdasarkan hasil penelitian ini terdapat 2 cluster yaitu cluster 0 dengan jumlah anggota 1573 dan cluster 1 dengan jumlah anggota 3431. pengukuran kinerja menggunakan DBI, K=2 dengan tingkat kinerja 0,459 maka tingkat kinerja yang terbaik karena tingkat dalam dex mendekati 0.133 
ALGORITMA K-MEANS UNTUK MENINGKATKAN SEGMENTASI POLA KEKERASAN Fithriyani, Nurul Muna; Martanto, Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5795

Abstract

Abstrak. Meningkatnya angka kekerasan terhadap perempuan dan anak-anak di berbagai wilayah telah menimbulkan kebutuhan mendesak akan strategi yang efektif untuk mengidentifikasi dan mengelompokkan daerah-daerah yang rawan kekerasan. Penelitian ini bertujuan untuk mengembangkan metode klasterisasi berbasis algoritma K-Means dalam upaya meningkatkan segmentasi pola kekerasan, khususnya dalam kasus yang melibatkan perempuan dan anak. Dengan menggunakan data kekerasan dari berbagai wilayah, algoritma K-Means diterapkan untuk mengelompokkan kasus berdasarkan karakteristik tertentu yang relevan. Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki potensi yang kuat dalam segmentasi data kekerasan dan mampu memberikan hasil yang lebih optimal dibandingkan metode lain pada kasus yang dipelajari. Penelitian ini memberikan wawasan baru dalam pengelompokan data sosial menggunakan pendekatan klasterisasi, yang pada akhirnya dapat meningkatkan upaya penanganan kasus kekerasan di berbagai wilayah. Penelitian ini menggunakan tahapan Knowladge Discovery in Database (KDD). Data yang diperoleh bersumber dari situs portal https://www.kaggle.com/datasets . Metode k-means clustering yang berfungsi untuk memecah dataset menjadi beberapa kelompok/cluster. Berdasarkan hasil penelitian ini terdapat 2 cluster yaitu cluster 0 dengan jumlah anggota 1573 dan cluster 1 dengan jumlah anggota 3431. pengukuran kinerja menggunakan DBI, K=2 dengan tingkat kinerja 0,459 maka tingkat kinerja yang terbaik karena tingkat dalam dex mendekati 0.133 
Co-Authors Dikananda, Arif Rinaldi Martanto . Rohman, Dede