Claim Missing Document
Check
Articles

Found 2 Documents
Search

The Clustering Tindak Kekerasan Dalam Rumah Tangga Di Kota Samarinda Menggunakan Algoritma K-Means Stepanus Ginting, Roni; Hamdani, Hamdani; Septiariani, Anindita; Alameka, Faza
METIK JURNAL (AKREDITASI SINTA 3) Vol. 6 No. 2 (2022): METIK Jurnal
Publisher : LPPM Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/metik.v6i2.378

Abstract

Peran Kepolisian Resort Samarinda dalam membantu keamanan dan penegakan hukum sesuai dengan Pasal 5 Undang-Undang No. 23 Tahun 2004 dapat menggunakan data kdrt untuk clustering tingkat kdrt berdasarkan tinggi, sedang dan rendah. Clustering atau mengelompokkan data dapat dilakukan dengan menerapkan algoritma K-Means. Penerapan algoritma ini menggunakan 3 metode perhitungan jarak yaitu, Euclidean Distance, Minkowski Distance dan Manhattan Distance Dan hasil perhitungan algoritma kmeans dengan menggunakan Euclidean Distance Mendapatkan 2 Cluster di C1,9 cluster di C2 dan 1 cluster di C3,Selanjutnya menggunakan Manhattan Distance Dan hasil yang di dapat yaitu 3 Cluster di C1, 8 cluster di C2 dan 1 cluster di C3 dan yang terakhir Menggunakan , Minkowski Distance Distance Mendapatkan 2 Cluster di C1,9 cluster di C2 dan 1 cluster di C3. Penggunaan 3 metode ini dimaksudkan untuk mengetahui perhitungan jarak yang lebih ideal untuk digunakan. Selain menggunakan metode perhitungan jarak, digunakan juga metode pengukuran jarak yaitu SSE (Sum of Squared Errors) dan ketiga metode perhitungan tersebut mendapatkan hasil SSE (Sum of Squared Errors) nya sebagai berikut.Euclidean Distance=1,2535, Minkowski Distance=1,2418 dan Manhattan Distance=5,7154.
Pengelompokan Provinsi Penghasil Padi Di Indonesia Menggunakan Hierarchical Agglomerative Clustering Ali, Vigo Santri; Septiariani, Anindita; Puspitasari, Novianti
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 10, No 1 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v10i1.26235

Abstract

Produksi padi merupakan salah satu indikator penting dalam ketahanan pangan di Indonesia dan memiliki karakteristik yang berbeda antar provinsi. Perbedaan tersebut perlu dianalisis untuk memperoleh pola pengelompokan provinsi yang memiliki karakteristik serupa. Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan luas panen, produksi, dan produktivitas padi menggunakan metode Hierarchical Agglomerative Clustering (HAC) dengan pendekatan Average Linkage. Data yang digunakan merupakan data sekunder yang diperoleh dari instansi resmi dan dianalisis menggunakan beberapa ukuran jarak, yaitu Manhattan, Euclidean, dan Minkowski. Untuk menentukan kualitas dan jumlah cluster optimal digunakan metode Silhouette Coefficient. Hasil penelitian menunjukkan bahwa pengelompokan terbaik diperoleh pada tiga cluster, di mana setiap cluster memiliki karakteristik produksi padi yang berbeda. Cluster yang terbentuk mampu menggambarkan perbedaan tingkat produksi dan produktivitas padi antar provinsi secara jelas. Hasil pengelompokan ini diharapkan dapat menjadi bahan pertimbangan bagi pengambil kebijakan dalam perencanaan dan evaluasi sektor pertanian, khususnya komoditas padi.