Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Penelitian Multidisiplin Bangsa
Farhatun, Dini
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Public Health Social Sciences

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

Found 2 Documents
Search

 1 
Manfaat Sistem Informasi Manajemen Berbasis Aplikasi Siks-Ng Dalam Memudahkan Pendataan Masyarakat Penerimaan Bantuan Farhatun, Dini
Jurnal Penelitian Multidisiplin Bangsa Vol. 1 No. 6 (2024): November
Publisher : Amirul Bangun Bangsa Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpnmb.v1i6.80

Abstract

Tujuan dari penelitian ini adalah untuk menguraikan program, prosedur, dan keuntungan penggunaan sistem informasi manajemen berbasis teknologi oleh operator atau pengelola desa, serta memanfaatkan aplikasi SIKS-NG sesuai dengan aturan resmi. pendataan bantuan warga masyarakat untuk mendapatkan bantuan yang memang layak dan pantas untuk di data. dengan hasil dari pengamatan wawancara dan observasi dari Sistem Informasi Manajemen Berbasis Teknologi Aplikasi. Tujuan kesejahteraan sosial adalah mensejahterakan warga masyarakat sekaligus memenuhi kebutuhan materi, spritual, dan sosial. Hal ini memungkinkan orang untuk menjalani kehidupan terhormat, tumbuh sebagai individu, dan memenuhi kewajiban sosial mereka. Melalui observasi partisipan secara lisan dan tertulis terhadap sistem informasi manajemen berbasis aplikasi SIKS-NG di kantor balai desa. metodologi penulis gunakan penelitian kualitatif sehingga menghasilkan data deskriptif. Di kantor Balai Desa Dahari Indah Kecamatan Talawi Kabupaten Batu Bara terdapat sistem informasi manajemen berbasis aplikasi SINK-NG. Sistem ini digunakan untuk berbagai proses yang diperlukan, seperti perbaikan proses dan pengajuan data. Pemerintah juga akan  menyempurnakan Data Terpadu Kesejahtera Sosil (DTKS) yang berisi kontenpemutakhiran dan usulan data atau bantuan baru.
KLASIFIKASI TIPE KACA MENGGUNAKAN METODE K-NEAREST NEIGHBOR Ayyub, Muhammad Azwar Al; Simangunsong, Weny Nur Afdilla; Farhatun, Dini; Dea, Emi; Agustin, Selfina; Rahman, Zulfa Ar; Ridho, Muhammad
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 9, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5745

Abstract

Abstract: Glass is a material that is widely used in various fields, such as construction, the automotive industry, and household appliances. Each type of glass has different characteristics based on its chemical composition and production process. Problems arise when the process of identifying glass types is still done manually, which is time-consuming, costly, and prone to error. This study aims to apply the K-Nearest Neighbor (K-NN) method in classifying glass types based on their chemical content attributes. The data in this study was sourced from Kaggle, namely the Glass Identification Dataset. The data used consisted of several chemical features, such as Na, Mg, Al, Si, K, Ca, Ba, and Fe, with seven categories of glass classes. The results showed that the K-NN method was able to classify glass types well and could be an effective solution to assist in the automatic glass identification process. Keyword: Classification, K-Nearest Neighbor, Data Mining, Types of Glass. Abstrak: Kaca merupakan material yang banyak digunakan dalam berbagai bidang, seperti konstruksi, industri otomotif, dan peralatan rumah tangga. Setiap jenis kaca memiliki karakteristik yang berbeda berdasarkan komposisi kimia dan proses produksinya. Permasalahan muncul ketika proses identifikasi jenis kaca masih dilakukan secara manual, sehingga membutuhkan waktu, biaya, dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan untuk menerapkan metode K-Nearest Neighbor (K-NN) dalam mengklasifikasikan jenis kaca berdasarkan atribut kandungan kimianya. Data dalam penelitian ini bersumber dari Kaggle, yaitu Glass Identification Dataset. Data yang digunakan terdiri dari beberapa fitur kimia, seperti Na, Mg, Al, Si, K, Ca, Ba, dan Fe, dengan tujuh kategori kelas kaca. Hasil penelitian menunjukkan bahwa metode KNN mampu mengklasifikasikan jenis kaca dengan baik dan dapat menjadi solusi yang efektif untuk membantu proses identifikasi kaca secara otomatis. Kata kunci: Klasifikasi, K-Nearest Neighbor, Data Mining, Jenis Kaca.
Co-Authors Agustin, Selfina Ayyub, Muhammad Azwar Al Dea, Emi Muhammad Ridho Rahman, Zulfa Ar Simangunsong, Weny Nur Afdilla