Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Innovative and Creativity
Ghany Rahmat Sa’adi
Universitas Pamulang
Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Konsistensi Metode Elbow dan Silhouette Score dalam Klasterisasi pada Dataset Multisektor Nita Sutantri; Vinna Yunitasari; Ghany Rahmat Sa’adi; Syerikha Ananda; Zurnan Alfian
Journal of Innovative and Creativity Vol. 5 No. 2 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i2.1690

Abstract

Penelitian ini menganalisis konsistensi metode Elbow dan Silhouette Score dalam menentukan jumlah klaster optimal pada dataset multisektor menggunakan algoritma K-Means. Empat dataset dari sektor publik digunakan dalam penelitian ini, yaitu data mediasi peradilan (2006-2009), data koperasi simpan pinjam 2013, data penanganan kasus korupsi KPK (2004-2016), dan laporan keuangan PT Bank Artha Makmur 2017. Penelitian kuantitatif eksploratif ini menerapkan teknik preprocessing menggunakan StandardScaler, visualisasi data dengan PCA, dan evaluasi klasterisasi menggunakan kedua metode validasi. Hasil penelitian menunjukkan bahwa pada tiga dataset (mediasi peradilan, koperasi SP 2013, dan kasus korupsi KPK), kedua metode memberikan rekomendasi jumlah klaster yang konsisten. Namun, pada dataset laporan keuangan bank terjadi diskrepansi dimana Elbow Method merekomendasikan K=3 sedangkan Silhouette Score mengindikasikan K=2 sebagai optimal. Analisis lebih lanjut dengan pertimbangan domain knowledge mendukung pemilihan K=3 untuk dataset keuangan berdasarkan visualisasi PCA dan relevansi bisnis. Penelitian ini menyimpulkan bahwa kombinasi kedua metode validasi dengan pertimbangan konteks domain dapat meningkatkan akurasi penentuan klaster optimal, terutama pada data dengan kompleksitas tinggi. Temuan ini memberikan kontribusi pada pengembangan metodologi klasterisasi yang lebih robust untuk aplikasi di sektor publik.
Co-Authors Nita Sutantri Syerikha Ananda Vinna Yunitasari Zurnan Alfian