Claim Missing Document
Check
Articles

Found 3 Documents
Search

Evaluasi Kinerja Pelayanan Pegawai Kantor Camat Padangsidimpuan Utara Menggunakan Pendektan Fuzzy Inference System Sugeno Subarja, Roy Efendi; Hendrik, Billy
Indo Green Journal Vol. 1 No. 3 (2023): Green 2023
Publisher : Published by Institut Teknologi Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/green.v1i3.17

Abstract

Penelitian ini bertujuan untuk mengevaluasi kinerja pelayanan pegawai di Kantor Camat Padangsidimpuan Utara dengan memanfaatkan Pendekatan Fuzzy Inference System Sugeno. Metode ini memungkinkan untuk mengukur dan menganalisis berbagai aspek kinerja pelayanan, termasuk efisiensi, responsifitas, dan kepuasan masyarakat. Data evaluasi dikumpulkan melalui survei kepada stakeholder terkait dan dianalisis menggunakan model Fuzzy Inference System Sugeno yang telah dikembangkan. Penelitian ini menghasilkan hasil evaluasi yang lebih akurat dan dapat memberikan rekomendasi yang lebih terperinci untuk pengambilan keputusan terkait peningkatan kinerja pelayanan. Temuan dari penelitian ini dapat menjadi landasan bagi pihak terkait di Kantor Camat Padangsidimpuan Utara untuk mengimplementasikan strategi dan kebijakan yang bertujuan untuk meningkatkan kualitas pelayanan. Selain itu, metodologi yang digunakan dalam penelitian ini juga dapat diadaptasi dan diterapkan dalam evaluasi kinerja pelayanan di kantor-kantor Camat lainnya atau lembaga pemerintah lainnya untuk memperoleh informasi yang lebih akurat dan mendalam terkait dengan kinerja pelayanannya.
Evaluasi Kinerja Pelayanan Pegawai Kantor Camat Padangsidimpuan Utara Menggunakan Pendektan Fuzzy Inference System Sugeno Subarja, Roy Efendi; Hendrik, Billy
Indo Green Journal Vol. 1 No. 3 (2023): Green 2023
Publisher : Published by Institut Teknologi Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/green.v1i3.17

Abstract

Penelitian ini bertujuan untuk mengevaluasi kinerja pelayanan pegawai di Kantor Camat Padangsidimpuan Utara dengan memanfaatkan Pendekatan Fuzzy Inference System Sugeno. Metode ini memungkinkan untuk mengukur dan menganalisis berbagai aspek kinerja pelayanan, termasuk efisiensi, responsifitas, dan kepuasan masyarakat. Data evaluasi dikumpulkan melalui survei kepada stakeholder terkait dan dianalisis menggunakan model Fuzzy Inference System Sugeno yang telah dikembangkan. Penelitian ini menghasilkan hasil evaluasi yang lebih akurat dan dapat memberikan rekomendasi yang lebih terperinci untuk pengambilan keputusan terkait peningkatan kinerja pelayanan. Temuan dari penelitian ini dapat menjadi landasan bagi pihak terkait di Kantor Camat Padangsidimpuan Utara untuk mengimplementasikan strategi dan kebijakan yang bertujuan untuk meningkatkan kualitas pelayanan. Selain itu, metodologi yang digunakan dalam penelitian ini juga dapat diadaptasi dan diterapkan dalam evaluasi kinerja pelayanan di kantor-kantor Camat lainnya atau lembaga pemerintah lainnya untuk memperoleh informasi yang lebih akurat dan mendalam terkait dengan kinerja pelayanannya.
Fuzzy C-Means and K-Means Methods Comparison for the Detection of Diabetes Subarja, Roy Efendi; Hendrik, Billy
Journal of Computer Science Advancements Vol. 1 No. 5 (2023)
Publisher : Yayasan Adra Karima Hubbi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70177/jsca.v1i5.620

Abstract

The necessity for precise and effective disease detection techniques has increased due to the rising incidence of diabetes. The main objective of this study is to assess how well the fuzzy C-Means and K-Means clustering algorithms detect diabetes. Based on pertinent medical data, the study attempts to examine how well these two clustering approaches identify cases of diabetes. For testing, a dataset with a variety of health and diagnostic indicator variables was used. Metrics including sensitivity, specificity, accuracy, and F1-score were used to evaluate the detection performance of the Fuzzy C-Means and K-Means algorithms that were used to cluster the dataset. Based on several evaluation criteria, the results show that both clustering approaches have promising potential for diabetes identification. However, their performance varies. This study sheds light on the advantages and disadvantages of clustering algorithms and advances our understanding of their suitability for diabetes identification. Improved diagnosis precision and early diabetes management intervention could result from more optimization and validation of these algorithms