cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andy Sapta
Contact Email
sapta@royal.ac.id
Phone
-
Journal Mail Official
lppm_stmik@royal.ac.id
Editorial Address
-
Location
Kab. asahan,
Sumatera utara
INDONESIA
JURTEKSI
Published by STMIK Royal Kisaran
ISSN : 24071811     EISSN : 25500201     DOI : -
Core Subject : Science,
Computer Science & IT
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) is a scientific journal which is published by STMIK Royal Kisaran. This journal published twice a year on December and June. This journal contains a collection of research in information technology and computer system.
Arjuna Subject : -
Articles 685 Documents
 61   62   63   64   65 
APPLICATION OF THE MAUT METHOD IN RECIPIENTS INDONESIA SMART PROGRAM (PIP) IN 014673 MEKAR SARI ELEMENTARY SCHOOL Sapriyanti, Sapriyanti; Risnawati, Risnawati; Saputra, Endra
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 4 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.3465

Abstract

Abstract: Many children drop out or stop school due to economic constraints, especially personal costs such as not being able to buy school supplies, educational development donations and so on. Therefore, the government has a policy to help by issuing the Smart Indonesia Program (PIP) as a goal to help students' personal costs in pursuing education. As the smart Indonesia program progresses, many parents of students complain because the selection of students receiving PIP assistance is not on target and does not comply with the provisions. As with the data collection of students receiving the Smart Indonesia Program (PIP) assistance at State Elementary School 014673 Mekar Sari Village, it is also not optimal where the recording system is still inputted into Microsoft Excel. Therefore, a system is needed that is integrated with a calculation processing technique, namely a decision support system used at State Elementary School 015673 Mekar Sari Village to determine prospective recipients of the Smart Indonesia Program assistance who are truly worthy and appropriate. For this reason, this study uses the Multi-Attribute Utility Theory (MAUT) method to find students who are eligible for PIP benefits in the determination process.Keywords: maut method; mekar sari elementary school; smart indonesia program.  Abstrak: Banyaknya anak yang putus atau berhenti sekolah dikarenakan kendala ekonomi terutama pada biaya pribadi seperti tidak mampu membeli perlengkapan sekolah, uang sumbangan pembinaan pendidikan dan lain sebagainya. Maka dari itu pemerintah memiliki kebijakan untuk membantu dengan mengeluarkan Program Indonesia Pintar (PIP) sebagai tujuan untuk membantu biaya pribadi siswa dalam menempuh pendidikan. Seiring berjalannya program indonesia pintar banyak kalangan orang tua siswa mengeluh dikarenakan dalam pemilihan siswa penerima bantuan PIP tidak tepat sasaran dan tidak sesuai dengan ketentuan. Seperti halnya dengan pendataan siswa penerima bantuan Program Indonesia Pintar (PIP) di Sekolah Dasar Negeri 014673 Desa Mekar Sari juga belum optimal dimana masih sistem pencatatan lalu di input ke Microsoft Excel. Maka dibutuhkan sebuah sistem yang sudah terintegrasi dengan sebuah teknik pengolahan perhitungan yaitu sistem pendukung keputusan yang digunakan pada Sekolah Dasar Negeri 015673 Desa Mekar Sari untuk penentuan calon penerima bantuan Program Indonesia Pintar yang benar layak dan pantas. Untuk itu penelitian ini menggunakan metode Multi-Attribute Utility Theory (MAUT) untuk mencari siswa yang layak mendapat manfaat PIP dalam proses penentuannya.Kata kunci: metode maut; program indonesia pintar; sd negeri mekar sari.
DEEP LEARNING FOR CALCULATING BRAIN TUMOR VOLUME IN 3D MRI IMAGES USING HYBRID ACTIVE CONTOUR SEGMENTATION METHOD Yuma, Febby Madonna; Ramadhani, Andrew
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 4 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.3470

Abstract

Abstract: Brain cancer is a serious medical condition that requires intensive and meticulous care. One of the critical steps in identifying brain cancer is the accurate measurement of tumor volume. Magnetic Resonance Imaging (MRI) is one of the most important diagnostic tools used in the medical field for brain visualization. In this discussion, we will explain how the Active Contour method can be used to calculate brain tumor volume in MRI images and how 3D visualization can assist doctors in making better diagnoses and treatment decisions. The Active Contour method, also known as the “Snake,” is an image processing technique used to identify the contours or edges of objects in images. This method works by defining an initial curve around the desired object and then iteratively shifting the curve to match the actual contour of the object in the image. In this study, the Active Contour method will be applied to brain MRI images to identify tumor edges. This research represents an important step in improving the care of brain cancer patients, enabling more accurate diagnoses and more effective treatmentsKeywords: active contour; brain cancer diagnosis; 3D visualization; tumor volume  Abstrak: Kanker otak merupakan kondisi medis yang bersifat serius dimana memerlukan perawatan yang intensif dan teliti. Salah satu langkah penting dalam mengidentifikasi kanker otak adalah dengan mengukur volume tumor secara akurat. Citra Magnetic Resonance Imaging (MRI) adalah salah satu alat diagnostik yang paling penting dalam bidang medis yang digunakan untuk visualisasi otak. Dalam pembahasan ini, akan dijelaskan bagaimana metode Active Contour dapat digunakan untuk menghitung volume tumor otak pada citra MRI dan bagaimana visualisasi 3D dapat membantu dokter dalam diagnosis dan perawatan yang lebih baik. Metode Active Contour, juga dikenal sebagai “Snake,” yaitu teknik pengolahan citra yang digunakan untuk mengidentifikasi kontur atau tepi objek dalam citra. Metode ini bekerja dengan mendefinisikan suatu kurva awal di sekitar objek yang diinginkan dan kemudian menggeser kurva tersebut secara iteratif untuk menyesuaikan dengan kontur objek yang sesungguhnya dalam citra. Dalam penelitian ini, metode Active Contour akan diterapkan pada citra MRI otak untuk mengidentifikasi tepi tumor. Penelitian ini merupakan langkah penting dalam meningkatkan perawatan pasien yang terkena kanker otak dan memungkinkan diagnosis yang lebih tepat dan perawatan yang lebih efektif.Kata kunci: active contour; diagnosis tumor otak; visualisasi 3D; volume tumor
ANALYSIS OF DC MOTOR ROTATION SPEED ON THE BURNER STOVE FLAME USING OIL AS FUEL: A CASE STUDY IN TOMUANHOLLBUNG VILLAGE Afandi, Adi Mas; Ananda, Ricki
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 4 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.3497

Abstract

Abstract: Due to the successful conversion from LPG stoves to electric stoves, which are unsupported by the village’s electricity supply—averaging 450 watts—while government-provided stoves have a power rating of 900 watts, making them unsuitable for use in Tomuanhollbung Village. To address this issue, the research team designed a stove that uses waste oil (35,000 kJ/kg) and incorporated embedded system technology, utilizing the French design research method. The research results indicated that by using a DC motor with specifications of 12VDC/3A, 3800 rpm, and a valve diameter of 9.7 x 9.5 x 3.3 cm, a power output of 36W was achieved, with a pressure of 288.7 Pa or 0.00289 bar and an angular velocity of 398.1 rad/s. When the burner stove was first ignited, the flame appeared yellow. With a voltage of 3.7VDC/3A, it produced a rotation of 3795 rpm, a yellow flame, a flame height of 8 cm from the stove, and a flame width diameter of approximately 18 cm. At a voltage of 3.7VDC, the pressure measured 0.000964 bar, with a flame temperature of 275°C (as measured by an infrared sensor). A voltage of 7.4VDC resulted in a pressure of 0.0192 bar and a flame temperature of 350°C, while a voltage of 11.8VDC produced a pressure of 0.0289 bar with a maximum flame temperature of 420°C. For fuel consumption over 10 minutes at 3.7VDC/3A, the flame height reached 7-10 cm, with a wind pressure of 0.000964 bar and a fuel consumption of 0.237 grams.                                                          Keywords : embedded system burner stove; microcontroller; snail dc  motor. Abstrak: Dilatar belakangi masalah kelangkaan elpiji didesa tomuanhollbung, serta tidak berhasilnya konversi kompor elpiji  menuju kompor listrik karena daya listrik rumah masyarakat berdaya 450wat,  daya kompor pemerintah 900watt, sehingga tidak bisa digunakan. Dari masalah tersebut, tujuan utama penelitian ini merancang kompor berbahan bakar oli bekas, yang mampu mengatasi masalah kelangkaan gas elpiji dan tidak terpakainya kompor dari pemerintah psat.  Metode penelitian ini menggnakan metode prototype sehingga menghasilkan satu produk kompor burner dengan mengatur kecepatan motor DC. Hasil penelitian mendapati data pengujian mendapati bahwa dengan menggunakan motor DC Keong spesifikasi tegangan 12VDC/3A, 3800 rpm, dengan diameter katup 9,7 x 9.5 x 3.3cm menghasilkan daya 36W, dengan tekanan 288.7Pa atau 0.00289bar kecepatan sudut 398.1 rad/s. Ketika kompor burner pertama kali dinyalakan, warna api berwarna kunig. Jika tegangan 3.7VDC/3A akan menghasilkan putaran 3795rpm  nyala api kuning, tinggi api 8cm dari tunggku kompor, dan diameter lebar keluarnya api dari tungku berkisar 18cm. Tegangan 3,7VDC maka menghasilkan tekanan 0.000964bar, nyala api 275 0C (pembacaan sensor infrared).  Tegangan 7.4VDC menghasilkan tekanan 0.0192 bar, nyala api 350 0C, dan Tegangan 11.8 VDC tekanan 0.0289 bar, nyala api maksimal 420 0C.  Untuk konsumsi bahan bakar selama 10 menit, dengan tegangan 3.7VDC/3A mendapati nyala api setinggi 7-10 cm, tekanan angin senilai 000964 bar dan konsumsi bahan bakar 0.237 gram. Kesimpulan penelitian ini mendapati bahwa nyala api kompor burner bisa di atur seperti nyala api kompor elpiji pada umum nya.                                                     Kata kunci: kompor burner embedded system, microcontroller, motor dc keong.
HEART DISEASE RISK PREDICTION: EVALUATING MACHINE LEARNING ALGORITHMS WITH FEATURE REDUCTION USING LDA Nasution, Nurliana; Nasution, Feldiansyah; Hasan, Mhd Arief
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 1 (2024): Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i1.3498

Abstract

Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.             Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM  Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan. Kata kunci: linear discriminant analysis (LDA);  machine learning; penyakit jantung; reduksi fitur; SVM.
ANDROID-BASED SMART SYSTEM FOR FRUIT SELECTION TO PREVENT TODDLER STUNTING Riansah, Wahyu; Lumban Gaol, Nur Yanti
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 1 (2024): Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i1.3502

Abstract

Abstract: Preventing stunting in toddlers is crucial for improving children's health and growth. Stunting occurs due to chronic nutritional deficiencies during the first 1,000 days of a child's life, affecting their height, cognitive development, and immune system, which can reduce their future potential. Fruits play an important role in a toddler's diet because they are rich in vitamins, minerals, fiber, antioxidants, and other bioactive compounds that support physical growth and brain development. However, selecting the right fruits is vital because some fruits can cause digestive issues or allergies in toddlers. To assist parents in choosing the right fruits, a mobile-based expert system using the Certainty Factor method has been developed. This system provides recommendations based on the toddler's health condition and evaluates the nutritional content of fruits. With this system, parents can ensure that their toddlers receive optimal nutrition, contributing to stunting prevention and ensuring that the toddlers grow up healthy, intelligent, and with full potential in the future Choosing the right fruits and maintaining a balanced nutrition are crucial parts of supporting the sustainability of stunting prevention efforts.            Keywords: certainty factor method; expert system; fruit selection; stunting prevention; toddler nutrition  Abstrak: Pencegahan stunting pada batita sangat penting untuk meningkatkan kualitas kesehatan dan pertumbuhan anak. Stunting terjadi akibat kekurangan gizi kronis pada 1.000 hari pertama kehidupan batita, memengaruhi tinggi badan, perkembangan kognitif, dan sistem imun anak, yang berisiko mengurangi potensi masa depan mereka. Buah-buahan memiliki peran penting dalam pola makan batita, karena kaya akan vitamin, mineral, serat, antioksidan, dan senyawa bioaktif yang mendukung pertumbuhan fisik dan perkembangan otak. Namun, pemilihan buah yang tepat sangat penting karena beberapa buah dapat menyebabkan masalah pencernaan atau alergi pada batita. Untuk membantu orang tua dalam memilih buah yang sesuai, dikembangkan sistem pakar berbasis mobile dengan metode Certainty Factor. Sistem ini memberikan rekomendasi berdasarkan kondisi kesehatan batita, serta mengevaluasi kandungan nutrisinya. Dengan sistem ini, orang tua dapat memastikan bahwa batita mendapatkan nutrisi yang optimal dengan berkontribusi dalam pencegahan stunting dengan memastikan batita tumbuh sehat, cerdas, dan memiliki potensi penuh di masa depan. Pemilihan buah yang tepat dan nutrisi yang seimbang menjadi bagian penting dalam mendukung upaya keberlanjutan pencegahan stunting. Kata kunci: batita; metode certainty factor; pemilihan buah; pencegahan stunting; sistem cerdas  
APPLICATION OF SIMPLE ADDITIVE WEIGHTING METHOD IN SELECTING ACCESSORY SUPPLIERS AT AL-FAZZA COSMETIC STORE Rani, Maha; Christy, Tika; Ardiansyah, Ricki; Sovia, Rini
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 1 (2024): Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i1.3507

Abstract

AbstractAl-Fazza Cosmetic Store is a store engaged in the sale of cosmetics. In an effort to develop and increase sales value, Al-Fazza Store began selling various accessories such as bracelets, necklaces, hair clips and headscarves. To get quality goods and maximum profit, supplier selection is important. However, supplier selection is a problem because each supplier has its own advantages and disadvantages and uniqueness. To help select suppliers at the Al-Fazza Cosmetic Store, the decision support system can provide decision recommendations quickly and accurately based on the criteria given by the decision maker. The method that will be used in processing data and determining decisions in this decision support system is simple additive weighting (saw). The decision results provided by this method can be used as recommendations by decision makers in determining the best supplier. Keywords: simple additive weighting; information systems; decision support systems; suppliers Abstrak: Toko Kosmetik Al-Fazza merupakan toko yang bergerak di bidang penjualan kosmetik. Dalam upaya untuk mengembangkan dan meningkatkan nilai penjualan, Toko Al-Fazza mulai menjual berbagai aksesoris seperti gelang, kalung, jepit rambut, dan jilbab. Untuk mendapatkan barang yang berkualitas dan keuntungan yang maksimal, pemilihan supplier merupakan hal yang penting. Akan tetapi, pemilihan supplier menjadi suatu permasalahan karena setiap supplier memiliki kelebihan dan kekurangan serta keunikannya masing-masing untuk membantu pemilihan supplier pada Toko Kosmetik Al-Fazza. Sistem pendukung keputusan tersebut dapat memberikan rekomendasi keputusan secara cepat dan tepat berdasarkan kriteria yang diberikan oleh pengambil keputusan. Metode yang akan digunakan dalam pengolahan data dan penentuan keputusan pada sistem pendukung keputusan ini adalah simple additive weighting (saw). Hasil keputusan yang diberikan oleh metode ini dapat digunakan sebagai rekomendasi oleh pembuat keputusan dalam menentukan supplier terbaik. Kata kunci: simple additive weighting; sistem informasi; sistem penunjang keputusan;pemasok
IMPLEMENTATION OF FORWARD CHAINING IN EXPERT SYSTEM FOR COMPUTER TROUBLESHOOTING Putra, M Soekarno; Solikin, Imam; Duit, Valentino Sewein; Choiriyah, Mutiara
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 2 (2025): Maret 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i2.3517

Abstract

Abstract: CV. Ria Kencana Ungu (RKU), as a research partner in the field of computer service, needs to improve the quality of customer service and efficiency in the process of troubleshooting computer damage. To meet these needs, an expert system based on the forward chaining method was developed that is able to diagnose damage automatically. This system was developed using the waterfall method, with systematic stages from analysis to implementation. The implementation results show that the system can identify the type of damage with an accuracy rate of 89% based on validation tests on 100 real troubleshooting cases. The evaluation metric uses a comparison between the results of the system diagnosis and the results of the technician's analysis. Although the system is able to increase service efficiency by up to 40% compared to conventional methods, several obstacles were found, such as the limited initial knowledge base that impacts the accuracy of the diagnosis and the difficulty of users in understanding the system interface. Therefore, further development is needed to expand the knowledge base and improve the user experience. This study aims to develop a forward chaining-based expert system to improve efficiency, accuracy, and speed of problem solving at CV. Ria Kencana Ungu (RKU) and to increase customer satisfaction through more responsive and precise services..            Keywords: expert system; computer troubleshooting; forward chaining method  Abstrak: CV. Ria Kencana Ungu (RKU), sebagai mitra penelitian di bidang layanan servis komputer, membutuhkan peningkatan kualitas layanan pelanggan dan efisiensi dalam proses troubleshooting kerusakan komputer. Untuk memenuhi kebutuhan tersebut, dikembangkan sistem pakar berbasis metode forward chaining yang mampu mendiagnosis kerusakan secara otomatis. Sistem ini dikembangkan menggunakan metode waterfall, dengan tahapan yang sistematis dari analisis hingga implementasi. Hasil implementasi menunjukkan bahwa sistem dapat mengidentifikasi jenis kerusakan dengan tingkat akurasi sebesar 89% berdasarkan uji validasi terhadap 100 kasus troubleshooting nyata. Metrik evaluasi menggunakan perbandingan antara hasil diagnosis sistem dan hasil analisis teknisi. Meskipun sistem mampu meningkatkan efisiensi layanan hingga 40% dibandingkan metode konvensional, beberapa kendala ditemukan, seperti keterbatasan basis pengetahuan awal yang berdampak pada akurasi diagnosis dan kesulitan pengguna dalam memahami antarmuka sistem. Oleh karena itu, pengembangan lebih lanjut diperlukan untuk memperluas basis pengetahuan dan meningkatkan pengalaman pengguna. Penelitian ini bertujuan mengembangkan sistem pakar berbasis forward chaining untuk meningkatkan efisiensi, akurasi, dan kecepatan troubleshooting di CV. Ria Kencana Ungu (RKU) serta meningkatkan kepuasan pelanggan melalui layanan yang lebih responsif dan presisi. Kata kunci: sistem pakar; troubleshooting komputer; metode forward chaining
THE SYSTEM TO PREDICT VOLCANIC ERUPTIONS WITH BACKPROPAGATION METHOD Sy, Yulia Jihan; Kurnia, Rahmi Putri; G, Katrina Flomina
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 2 (2025): Maret 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i2.3529

Abstract

Abstract: This system for predicting volcanic eruptions will produce information that can help BMKG in making decisions to provide warnings to residents around the mountain. This will also help in mitigating volcanic eruptions, evacuating residents in volcanic eruptions. By using artificial neural networks with the backpropagation method, it can be used to predict volcanic eruptions. To conduct this test, criteria and factors that influence this volcanic eruption are needed. This method is tested using Matlab 6.1 software. In this test, various patterns will be carried out to compare the results of the network. From the various patterns tested, it can be seen that the number of epochs used affects the test results and will achieve the desired goal. The more epochs used, the faster the goal will be achieved. Where in the 4-2-1 pattern the goal was found in the 7th epoch with an error value of 0.0987135. This 4-2-1 pattern states that this network is tested with 4 input layers, 2 hidden layers and 1 output layer. The α value (α = learning rate) used is the Default value of 0.1. With this backpropagation method, you get more accurate results by getting smaller error values.            Keywords: backpropagation, matlab 6.1, layer, epoch, goal Abstrak: Sistem untuk memprediksi gunung meletus ini akan menghasilkan informasi yang bisa membantu BMKG dalam mengambil keputusan untuk memberikan peringatan kepada warga sekitar gunung. Hal ini juga akan membantu dalam mitigasi bencana gunung meletus , evakuasi warga sekitar dalam bencana gunung meletus. Dengan menggunakan jaringan saraf tiruan dengan metode backpropagation bisa digunakan untuk memprediksi gunung meletus. Untuk melakukan pengujian ini dibutuhkan kriteria dan faktor yang mempengaruhi gunung meletus ini. Metode ini diuji dengan menggunakan software Matlab 6.1. Pada pengujian ini akan dilakukan dengan berbagai pola untuk membandingkan hasil dari jaringan tersebut. Dari berbagai pola yang diuji dapat dilihat bahwa jumlah epoch yang dipakai mempengaruhi hasil pengujian dan akan mencapai goal yang diinginkan. Semakin banyak epoch yang dipakai maka akan semakin cepat goal tersebut dicapai. Dimana pada pola 4-2-1 goal ditemukan pada epoch ke 7 dengan nilai eror 0,0987135. Pola 4-2-1 ini menyatakan bahwa jaringan ini diuji dengan 4 jumlah input layer, 2 hidden layer dan 1 output layer. Nilai α  (α = learning rate) yang digunakan adalah nilai Default yaitu 0.1. Dengan metode backpropagation ini mendapatkan hasil yang lebih akurat dengan mendapatkan nilai eror yang lebih kecil . Kata kunci: backpropagation ; epoch ; goal ; layer ; matlab 6.1
OPTIMIZATION OF K-MEANS AND K-MEDOIDS CLUSTERING USING DBI SILHOUETTE ELBOW ON STUDENT DATA Hartama, Dedy; Oktaviani, Selli
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 2 (2025): Maret 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i2.3531

Abstract

Abstract: Clustering methods such as K-Means and K-Medoids are often used to analyze data, including student data, due to their efficiency. However, this method has weaknesses, such as sensitivity to selecting cluster centers (centroids) and cluster results that depend on medoid data. Clustering, an essential technique in data analysis, aims to reveal the natural structure of the data, even in the absence of labeled information. The study, conducted with complete objectivity, compared the performance of two popular clustering methods, K-Means, and K-Medoids, on student data. Three evaluation metrics, namely the Davies-Bouldin Index (DBI), silhouette score, and elbow method, were used to compare clustering and determine the ideal number of clusters for the two algorithms. The data taken in this study are in the form of names, attendance, assignments, formative, midterm exams, final exams, and quality numbers. Based on the existing optimization results, it can be concluded that the K-Means method excels in grouping Student Data. The best results were obtained from the K-Means Algorithm with the Silhouette Coefficient Method with a value of 0.7509 in cluster 2, and the Elbow Method with a value of 1428076.08 in cluster 2, DBI K-Medoids with a value of 0.7413 in cluster 3. So, the best cluster lies in 3 clusters.            Keywords: clustering; davies-bouldin indek; elbow method; k-means; k-medoids; silhouette score;  Abstrak : Metode clustering seperti K-Means dan K-Medoids sering digunakan untuk menganalisis data, termasuk data siswa, karena efisiensinya. Namun, metode ini memiliki kelemahan, seperti sensitivitas terhadap pemilihan pusat klaster (centroids) dan hasil klaster yang bergantung pada data medoid. Clustering, sebuah teknik penting dalam analisis data, bertujuan untuk mengungkapkan struktur alami dari data, bahkan tanpa adanya informasi berlabel.  Penelitian ini, yang dilakukan dengan objektivitas penuh, membandingkan kinerja dua metode clustering populer, yaitu K-Means dan K-Medoids, pada data mahasiswa. Tiga metrik evaluasi, yaitu Davies-Bouldin Index (D.B.I.), silhouette score, dan metode elbow, digunakan untuk membandingkan clustering dan menentukan jumlah cluster yang ideal untuk kedua algoritma tersebut. data yang diambil dalam penelitian ini berupa nama, kehadiran, tugas, formatif, ujian tengah semester, ujian akhir semester, angka mutu. Berdasarkan hasil optimasi yang ada, dapat disimpulkan bahwasannya metode K-Means unggul dalam pengelompokkan Data Mahasiswa. Sehingga di peroleh hasil terbaik dari Algoritma K-Means dengan Metode Silhouette Coefficient dengan nilai 0,7509 di cluster 2, dan Elbow Method dengan nilai 1428076,08 di cluster 2, DBI K-Medoids dengan nilai 0,7413 di cluster 3. Sehingga cluster terbaik terletak pada 3 cluster. Kata kunci: klasterisasi; davies-bouldin indek; elbow method; k-means; k-medoids; silhouette score;
COMPARATIVE ANALYSIS OF K-MEANS, X-MEANS AND K-MEDOIDS IN CLASSIFYING MARRIAGE CHOICED ADMIST QUARTER-LIFE CRISIS Ariza, Disya Nurul; Ningsih, Rahayu; Muryani, Sri; Ferliyanti, Herlina; Wahidin, Ahmad Jurnaidi
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 1 (2024): Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i1.3554

Abstract

Abstract: Bekasi Regency, being one of the key cities in Indonesia, offers a suitable setting to study the intricacies of marriage decision-making during a quarter-life crisis. This study focuses on the application of clustering algorithms to categorize individuals based on their marriage choices. Data was collected from a questionnaire completed by 110 respondents from Bekasi Regency, specifically individuals aged 18 to 30 who are single, including 80 women and 30 men. Data analysis was conducted using the RapidMiner software to evaluate the effectiveness of three clustering algorithms K-Means, X-Means, and K-Medoids in categorizing marriage decision patterns among young people experiencing a Quarter Life Crisis in Bekasi Regency. Results indicate that each algorithm has its own strengths and limitations in handling Quarter Life Crisis data.The results of the analysis show that the K-medoids algorithm provides the best clustering results with the lowest DBI value of 0.195, followed by the X-Means algorithm with a value of 0.199 and K-Means with a value of 0.207. These results can help understand the pattern of marriage decisions in the Quarter Life Crisis phase and help provide insights for policymakers in Bekasi Regency to make more effective intervention programs.            Keywords: K-Means; K-Medoids; X-Means  Abstrak: Sebagai salah satu kota besar di Indonesia, Kabupaten Bekasi memberikan konteks yang tepat untuk mempelajari kompleksitas pengambilan keputusan pernikahan di tengah krisis seperempat usia. Penelitian ini berfokus pada pemanfaatan algoritma clustering untuk mengelompokkan individu berdasarkan pilihan pernikahan mereka. Data diambil dari kuesioner yang diisi oleh 110 responden di Kabupaten Bekasi, yang terdiri dari individu lajang berusia 18 hingga 30 tahun, yaitu 80 perempuan dan 30 laki-laki. Analisis data dilakukan dengan perangkat lunak RapidMiner untuk mengevaluasi efektivitas tiga algoritma pengelompokan—K-Means, X-Means, dan K-Medoids—dalam mengelompokkan pola keputusan pernikahan di kalangan pemuda yang menghadapi Quarter Life Crisis di Kabupaten Bekasi. Hasilnya menunjukkan bahwa setiap algoritma memiliki keunggulan dan kelemahannya masing-masing dalam memproses data Quarter Life Crisis. Hasil analisis menunjukkan bahwa algoritma K-medoids memberikan hasil clustering terbaik dengan nilai DBI terendah yaitu 0.195, diikuti oleh algoritma X-Means dengan nilai 0.199 dan K-Means dengan nilai 0.207. Hasil ini dapat membantu memahami pola keputusan menikah pada fase Quarter Life Crisis dan membantu memberikan wawasan bagi pembuat kebijakan di Kabupaten Bekasi membuat program intervensi yang lebih efektif.  Kata kunci: K-Means; K-Medoids; X-Means 

Page 63 of 69 | Total Record : 685

 61   62   63   64   65 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 1 (2025): Desember 2025 Vol. 11 No. 4 (2025): September 2025 Vol 11, No 3 (2025): Juni 2025 Vol. 11 No. 3 (2025): Juni 2025 Vol 11, No 2 (2025): Maret 2025 Vol. 11 No. 2 (2025): Maret 2025 Vol. 11 No. 1 (2024): Desember 2024 Vol 11, No 1 (2024): Desember 2024 Vol 10, No 4 (2024): September 2024 Vol. 10 No. 4 (2024): September 2024 Vol. 10 No. 3 (2024): Juni 2024 Vol 10, No 3 (2024): Juni 2024 Vol. 10 No. 2 (2024): Maret 2024 Vol 10, No 2 (2024): Maret 2024 Vol 10, No 1 (2023): Desember 2023 Vol. 10 No. 1 (2023): Desember 2023 Vol 9, No 4 (2023): September 2023 Vol. 9 No. 4 (2023): September 2023 Vol 9, No 3 (2023): Juni 2023 Vol 9, No 2 (2023): Maret 2023 Vol 9, No 1 (2022): Desember 2022 Vol 8, No 3 (2022): Agustus 2022 Vol 8, No 2 (2022): April 2022 Vol 8, No 1 (2021): Desember 2021 Vol 7, No 3 (2021): Agustus 2021 Vol 7, No 2 (2021): April 2021 Vol 7, No 1 (2020): Desember 2020 Vol 6, No 3 (2020): August 2020 Vol 6, No 2 (2020): April 2020 Vol 6, No 1 (2019): December 2019 Vol 5, No 2 (2019): Juni 2019 Vol 5, No 1 (2018): Desember 2018 Vol 4, No 2 (2018): Juni 2018 Vol 4, No 1 (2017): Desember 2017 More Issue