Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business Riau Jurnal Teknik Informatika
Maar, Halili
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 3 Documents
Search

 1 
Perbandingan Data Mining Menggunakan Metode Decision Tree C4.5 dan Naïve Bayes dalam Penentuan Penjurusan Siswa (Studi Kasus : SMA PGRI 109 Kota Tangerang) Maar, Halili
Riau Jurnal Teknik Informatika Vol. 4 No. 2 (2025): Juli 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i2.3448

Abstract

Student majors are carried out in high school in accordance with the interests and carried out by students registering with the aim to provide opportunities for students to develop competencies, competencies, and academic abilities in a collection of scientific subjects. In this study, the data used are data on the results of the entrance examinations held at school for students who have passed the entrance examination at SMA PGRI 109 Kota Tangerang. In this study using the Decision Tree C4.5 Algorithm and the Naive Bayes Algorithm by using two data mining classification algorithms, to find out which algorithm gets a model or value with a higher verification result.
Analisis Pertumbuhan Penduduk, Obligasi AS, Pertanian, dan Insentif Fiskal terhadap PDB Sektoral Indonesia dan Riil Aziz, Nasrul; Diasaputra, Ayoga Ugi; Saputra, Andriyan; Rifanka, Aswangga Rakhi Prawira; Ikhsan, Rizqi Muhammad; Maar, Halili; Alfian, Zurnan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1422

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh lintas sektor dari faktor global dan domestik terhadap Produk Domestik Bruto (PDB) sektoral dan riil Indonesia. Faktor-faktor yang dikaji mencakup pertumbuhan penduduk historis, yield obligasi Amerika Serikat (AS), distribusi sektor pertanian di Asia Pasifik, serta insentif perpajakan sektoral di Indonesia. Metode yang digunakan adalah analisis kuantitatif melalui pendekatan regresi linear sederhana, visualisasi tren, serta segmentasi dengan klasterisasi K-Means. Dataset yang digunakan meliputi data penduduk dari Koloniaal Verslag (1874–1892), yield obligasi dari The Wall Street Journal (2005), distribusi output sektoral dari ADB (1970–2006), serta PDB dan insentif fiskal dari BPS dan Kemenkeu (2013–2022). Hasil analisis menunjukkan bahwa terdapat korelasi positif antara tenor obligasi dan yield (+0,85), penurunan kontribusi sektor pertanian, serta efisiensi relatif dari belanja fiskal terhadap sektor jasa dan industri. Model regresi memberikan dasar prediktif, sementara klasterisasi menggambarkan segmentasi sektoral ekonomi nasional. Penelitian ini menyimpulkan bahwa sinergi antara indikator global dan domestik penting untuk memahami arah pembangunan ekonomi makro Indonesia.
Penerapan K-Means dalam Klasterisasi Dimensi Budaya Hofstede di Tingkat Global Fauzan, Indra; Ariansya, Jaswa; Satrio, Muhammad Aji; Faqih, Muhamad Haikal; Sihite, Rizky Ramadany; Maar, Halili
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1440

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pola budaya global melalui penerapan algoritma K-Means clustering pada dimensi budaya Hofstede, yaitu Individualism (IDV), Power Distance (PDI), Uncertainty Avoidance (UAI), dan Masculinity (MAI). Data yang digunakan berasal dari dataset Hofstede Insights, mencakup 16 negara dengan skor dimensi budaya yang telah divalidasi secara internasional. Proses klasterisasi dilakukan dengan pendekatan data-driven, di mana jumlah klaster optimal ditentukan menggunakan metode Elbow (k=3) berdasarkan pengukuran inertia. Hasil menunjukkan tiga kelompok budaya utama: (1) negara individualistik (Cluster 0: AS, Australia, Kanada), (2) negara dengan keseimbangan budaya (Cluster 1: Jerman, Prancis, Italia), dan (3) negara hierarkis (Cluster 2: Indonesia, Negara-negara Arab, India). Klasterisasi ini memberikan wawasan strategis untuk perusahaan multinasional dan organisasi internasional dalam merancang komunikasi lintas budaya, strategi pemasaran, dan manajemen sumber daya manusia yang lebih efektif. Selain itu, penelitian ini membuka peluang pengembangan model prediktif budaya dengan integrasi data longitudinal dan dimensi tambahan seperti Long-Term Orientation (LTO) serta Indulgence (IVR). Dengan pendekatan berbasis data, penelitian ini memperkenalkan kerangka kerja sistematis untuk memahami dinamika budaya di era globalisasi.
Co-Authors Ariansya, Jaswa Aziz, Nasrul Diasaputra, Ayoga Ugi Faqih, Muhamad Haikal Fauzan, Indra Ikhsan, Rizqi Muhammad Rifanka, Aswangga Rakhi Prawira Saputra, Andriyan Satrio, Muhammad Aji Sihite, Rizky Ramadany Zurnan Alfian