Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Fourier MATHunesa: Jurnal Ilmiah Matematika Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
Etis Sunandi
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Mathematics

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

Found 3 Documents
Search

 1 
Optimasi Strategi Penjualan dengan FP-Growth: Mengungkap Pola Pembelian Tersembunyi melalui Market Basket Analysis Anggun Paila; Ranisyah Anggraini; Nurul Azizah; Della Anggraini; Etis Sunandi
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 3 (2025): EDISI MEI 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i3.10893

Abstract

Algoritma FP-Growth merupakan salah satu metode yang efisien untuk menemukan pola frekuensi tinggi dalam dataset yang besar. Algoritma ini bekerja dengan membangun FP-Tree yang memampatkan data transaksi tanpa menghasilkan kandidat itemset yang berlebihan. Dengan pendekatan ini, FP-Growth mampu mengurangi waktu komputasi secara signifikan dan meningkatkan kinerja pada dataset yang kompleks. Penelitian ini membahas implementasi algoritma FP-Growth untuk menemukan pola asosiasi pada dataset transaksi penjualan. Hasil yang dicapai dalam penelitian ini menggunakan minimum support 0,2% dan minimum confidence 50% mendapatkan 13 aturan asosiasi yaitu terdapat 7 item yang dibeli tanpa syarat, jika memberi Vareebadd Phone maka akan membeli USB-C Charging Cable, jika membeli Google Phone maka membeli Wired Headphones atau USB-C Charging Cable, dan jika membeli iPhone maka akan membeli Apple Airpods Headphones, Wired Headphones, atau Lightning Charging Cable. Berdasarkan aturan asosiasi maka dapat membantu pengelola toko dalam pengambilan keputusan strategis, seperti pengaturan tata letak produk dan strategi promosi yang lebih efektif.
ANALISIS HIERARCHICAL CLUSTERING (SINGLE LINKAGE) DAN K-MEDOIDS PADA DATA PENGHASILAN DAN DEMOGRAFI AREA KOMUNITAS CHICAGO salsa, Salsadilla Azizi Firda; Haikal Agung Widiyanto; Regina Adelisa; Etis Sunandi
Jurnal Fourier Vol. 14 No. 2 (2025)
Publisher : Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/fourier.2025.142.68-79

Abstract

Penelitian ini menganalisis metode Hierarchical Clustering Single Linkage dan K-Medoids dalam mengelompokkan data pendapatan dan demografi di Chicago. Dengan menggunakan data sekunder dari situs Kaggle, penelitian ini mengelompokkan 77 komunitas area berdasarkan kesamaan karakteristik sosial dan ekonomi. Hasil analisis dengan metode Hierarchical Clustering Single Linkage menunjukkan bahwa terdapat satu komunitas area yang terpisah dalam klaster kedua, sementara sisanya tergabung dalam satu klaster utama. Sebaliknya, metode K-Medoids menghasilkan dua klaster yang lebih seimbang dalam distribusi datanya. Berdasarkan visualisasi clustering, metode K-Medoids dianggap lebih baik karena mampu membagi data secara lebih seimbang. Namun, jika ditinjau dari nilai Silhouette Score dan Dunn Index, metode Hierarchical Clustering Single Linkage lebih unggul karena memiliki nilai yang lebih tinggi, menunjukkan fragmentasi klaster yang lebih jelas. Dengan demikian, pemilihan metode terbaik bergantung pada tujuan analisis, di mana K-Medoids lebih sesuai untuk interpretasi distribusi data yang lebih merata, sedangkan Hierarchical Clustering Single Linkage lebih optimal dalam kriteria klaster yang jelas.   This study analyzes the Hierarchical Clustering Single Linkage and K-Medoids methods in clustering income and demographic data of communities in Chicago. Using secondary data from the Kaggle website, this study clusters 77 community areas based on similarities in social and economic characteristics. The analysis using the Hierarchical Clustering Single Linkage method reveals that one community area is isolated in the second cluster, while the rest are grouped into a single main cluster. In contrast, the K-Medoids method produces two clusters with a more balanced distribution. Based on clustering visualization, the K-Medoids method is considered superior as it provides a more evenly distributed classification. However, when evaluated using the Silhouette Score and Dunn Index, the Hierarchical Clustering Single Linkage method outperforms K-Medoids due to its higher values, indicating clearer cluster separation. Thus, the choice of the best method depends on the analytical objective, where K-Medoids is more suitable for interpreting a more balanced data distribution, while Hierarchical Clustering Single Linkage is optimal for achieving distinct cluster separation.
MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA POLA DATA CURAH HUJAN DI KOTA BENGKULU Novelisa Syendra Wanti; Yuliana Martha Siallagan; Stevani Aprilya Sagala; Idhia Sriliana; Etis Sunandi
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p563-570

Abstract

Curah hujan merupakan unsur iklim yang memiliki pola fluktuatif, bersifat periodik, dan cenderung tidak linear sehingga memerlukan metode pemodelan yang fleksibel. Penelitian ini bertujuan untuk memodelkan pola data curah hujan di Kota Bengkulu menggunakan regresi nonparametrik dengan pendekatan deret Fourier. Data yang digunakan merupakan data curah hujan dan variabel meteorologi serta klimatologi periode 2021–2025. Pemilihan model terbaik dilakukan berdasarkan nilai Generalized Cross Validation (GCV), Mean Squared Error (MSE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi R2. Hasil penelitian menunjukkan bahwa model terbaik pada stasiun Meteorologi diperoleh pada osilasi ke-5 dengan nilai GCV sebesar 53798,75, MSE sebesar 8607,885, MAPE sebesar 52,2%, dan R2sebesar 61,2%. Sementara itu, model terbaik pada stasiun Klimatologi juga diperoleh pada osilasi ke-5 dengan nilai GCV sebesar 56742,6, MSE sebesar 9078,819, MAPE sebesar 74,09%, dan R2sebesar 60,9%. Hasil visualisasi menunjukkan bahwa model deret Fourier mampu mengikuti pola fluktuasi dan pola periodik curah hujan pada kedua stasiun pengamatan. Namun, nilai MAPE yang masih cukup besar menunjukkan bahwa tingkat akurasi prediksi model belum optimal, terutama pada data stasiun Klimatologi.Kata Kunci: regresi nonparametrik, deret Fourier, curah hujan, GCV, Kota Bengkulu.
Co-Authors Anggun Paila Della Anggraini Haikal Agung Widiyanto Idhia Sriliana Novelisa Syendra Wanti Ranisyah Anggraini Regina Adelisa salsa, Salsadilla Azizi Firda Stevani Aprilya Sagala Yuliana Martha Siallagan