cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
MIND (Multimedia Artificial Intelligent Networking Database) Journal
ISSN : 25280015     EISSN : 25280902     DOI : -
Core Subject : Science,
Arjuna Subject : -
Articles 209 Documents
Ornamental Plants Classification Using Integration of Convolution With Capsule Network FATONI, MOHAMMAD; ERNASTUTI, ERNASTUTI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 8, No 2 (2023): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v8i2.158-172

Abstract

AbstrakKlasifikasi tanaman hias bertujuan untuk mempermudah media sosial tanaman hias dalam mengategorikan citra, sehingga sistem dapat merekomendasikan konten sesuai dengan preferensi pengguna. Pengguna berpotensi merasa cepat bosan apabila konten hanya ditampilkan secara acak. Penelitian ini melakukan Integration of Convolution with Capsule Network (ICCN) dengan menggabungkan beberapa lapisan strided convolution dan Capsule Network (CapsNet) untuk menghasilkan model klasifikasi yang memiliki komputasi lebih rendah dibandingkan original CapsNet dan mampu mengatasi permasalahan invariant of translation pada Convolutional Neural Network (CNN). Sebanyak 3 lapisan convolution dengan kernel berukuran 3x3 dan stride 2 ditambahkan pada CapsNet untuk membantu mengekstraksi citra dan mengurangi jumlah parameter yang dilatih. Hasil penelitian menunjukkan ICCN yang diusulkan memiliki jumlah parameter 2 kali lebih sedikit daripada original CapsNet dan memiliki akurasi lebih tinggi dibandingkan dengan CNN yaitu sebesar 95% sementara CNN berakurasi 93%.Kata kunci: tanaman hias, klasifikasi citra, cnn, capsnet, integrasiAbstractThe aim of ornamental plant classification is to assist ornamental plant social media in categorizing images, so the system is able to recommend content based on user preferences. Showing content randomly can lead to user boredom. This research implements Integration of Convolution with Capsule Network (ICCN) by combining several layers of strided convolution with Capsule Network (CapsNet) to create a classification model that has lower computation compared to the original CapsNet and able to address the issue of invariant of translation in Convolutional Neural Network (CNN). There are 3 convolutional layers with 3x3 kernel and stride of 2 added to CapsNet to assist in image extraction and reduce the number of trainable parameters. The research results showed that the proposed ICCN has 2 times fewer trainable parameters than the original CapsNet and achieves higher accuracy than CNN, with 95% accuracy, while CNN has an accuracy of 93%.Keywords: ornamental plants, image classification, cnn, capsnet, integration
Pengujian Parameter Algoritma Genetika dan Feed-Forward Neural Networks pada Permainan Ular Klasik BISRY, AHMAD; RAMDANI, CECEP MUHAMAD SIDIK; YULIYANTI, SITI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.135-152

Abstract

AbstrakKonfigurasi parameter yang tepat sangat penting untuk memaksimalkan kinerja dari sebuah algoritma. Algoritma genetika dan neural networks memerlukan pemilihan parameter yang sesuai dalam penggunaannya. Pada permainan ular, performa diukur dari score dan efisiensi runtime. Penelitian ini menguji parameter untuk menemukan konfigurasi optimal bagi kedua algoritma. Permainan ular digunakan sebagai model eksperimen karena metrik kinerja yang jelas, seperti score yang didapat dan beberapa rintangan yang ada. Sebanyak 60 eksperimen dilakukan untuk membandingkan jumlah generasi dan populasi, mutation chance, dan jumlah neuron pada hidden layer. Hasil penelitian menunjukkan konfigurasi dengan generasi lebih besar dari populasi adalah yang paling optimal, menghasilkan score setara dengan generasi dan populasi yang sama besar, namun dengan runtime lebih efisien. Mutation chance 0.1% merupakan yang terbaik dibandingkan dengan 0.2% sampai 0.5%. Selain itu, hidden layer dengan 16 neuron lebih efisien dibandingkan 24 neuron, baik dari segi score maupun runtime.Kata kunci: Algoritma genetika, neural networks, Permainan ular klasikAbstract Appropriate parameter configuration is crucial to maximizing algorithm performance. Genetic algorithms and neural networks require careful parameter selection. In the game of Snake, performance is measured by score and runtime efficiency. This research tests parameters to find optimal configurations for both algorithms. Snake serves as an experimental model due to clear performance metrics such as score and various obstacles. Sixty experiments compare generation and population sizes, mutation chances, and neuron counts in hidden layers. Findings indicate that configurations with larger generations than populations are optimal, yielding scores similar to equal-sized generations and populations but with more efficient runtime. A 0.1% mutation chance outperforms rates of 0.2% to 0.5%. A hidden layer with 16 neurons proves more efficient than 24 neurons in both score and runtime aspects.Keywords: Genetic algorithm, neural networks, classic snake game
Penggunaan Metode Deep Learning untuk Pengembangan Sistem Komunikasi Cerdas bagi Penyandang Disabilitas NINGSIH, NORMA; RAMADHANI, AFIFAH DWI; SANTOSO, DJOKO; RAMADHANI, BINTANG DESTA; GHOFIQI, ILYASA AYASY EL
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.206-219

Abstract

ABSTRAKKomunikasi merupakan kebutuhan mendasar bagi mahluk hidup agar dapat berinteraksi dengan lingkungan sekitar. Di dunia, orang-orang disabilitas khususnya tuna rungu dan sulit mendengar sebagian besar berkomunikasi menggunakan bahasa isyarat Penelitian ini mengembangkan sistem klasifikasi Bahasa Isyarat Indonesia (SIBI) menggunakan model Convolutional Neural Network (CNN) VGG16 dan VGG19 yang diintegrasikan dengan aplikasi berbasis web. Sistem ini dirancang untuk membantu komunikasi dengan penyandang disabilitas melalui klasifikasi gerakan tangan secara real-time menggunakan gambar atau webcam. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 96,4% dengan nilai loss 0,1055, menunjukkan performa yang stabil dan generalisasi yang baik tanpa indikasi overfitting. Evaluasi menggunakan confusion matrix menunjukkan distribusi prediksi yang akurat pada 24 kelas isyarat tangan, dengan precision, recall, dan f1-score yang tinggi untuk setiap kelas. Sistem ini diharapkan dapat menjadi alat bantu komunikasi yang efektif bagi penyandang disabilitas dalam kehidupan sehari-hari. Kata kunci: Deep Learning, VGG16, Klasifikasi, SIBI, DisabilitasABSTRACTCommunication is a basic need for living things to interact with their environment. In the world, people with disabilities, especially deaf and hard of hearing, mostly communicate using sign language. This study develops an Indonesian Sign Language (SIBI) classification system using the VGG16 and VGG19 Convolutional Neural Network (CNN) models integrated with a web-based application. This system is designed to assist communication with people with disabilities through real-time hand gesture classification using images or webcams. The test results show that the model achieves an accuracy of 96.4% with a loss value of 0.1055, indicating stable performance and good generalization without any indication of overfitting. A confusion matrix evaluation shows an accurate prediction distribution across 24 hand gesture classes, with high precision, recall, and f1-score for each class. This system is expected to be an effective communication tool for people with disabilities in everyday life.Keywords: Deep Learning, VGG16, Classification, SIBI, Disability
Sistem Evaluasi Lahan Penentuan Tanaman menggunakan Metode Forward Chaining SAFITRI, NADIA AYU; ATTHOILLAH, EDY; NAJAMUDDIN, AHMAD NANDA; FAUZI, HILMIY AHMAD; HIKMAH, LAILATUL; PRASETYO, DAFIT ARI; FITRI, ZILVANHISNA EMKA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.153-165

Abstract

ABSTRAKSistem Evaluasi Lahan merupakan sistem untuk menilai kesesuaian suatu lahan bagi berbagai jenis tanaman. Kurangnya pengetahuan petani tentang tingkat kesuburan tanah untuk jenis tanaman tertentu menyebabkan kegagalan dalam usaha pertanian mereka. Kandungan unsur NPK (Nitrogen, Phospor, dan Kalium) dalam tanah menentukan tingkat kesuburan lahan. Penelitian ini bertujuan mengembangkan sistem evaluasi lahan menggunakan teknologi pengolahan citra tanah dan metode forward chaining untuk menentukan kesesuaian lahan dan memberikan rekomendasi tanaman. Hasil penelitian menghasilkan tingkat akurasi dalam prediksi nilai kandungan Nitrogen sebesar 96,6%, Phospor sebesar 91,03%, dan Kalium sebesar 94,69% serta memberikan rekomendasi tanaman yang tepat. Sistem evaluasi lahan ini diharapkan dapat membantu petani meningkatkan produktivitas pertanian mereka.Kata kunci: pertanian, unsur hara NPK, pengolahan citra, sistem pakar, forward chaining ABSTRACTA land evaluation system is a system for assessing the suitability of land for different types of crops. The lack of farmers' knowledge about the soil fertility level for certain crops led to failure in their agricultural endeavors. The soil's content of NPK elements (Nitrogen, Phosphorus, and Potassium) determines soil fertility. The research aims to develop an evaluation system of soil using soil image processing technology and forward chaining methods to determine soil suitability and give plant recommendations. The results of the research yield accuracy in the prediction of nitrogen content values of 96.6%, phosphorus of 91.03%, and potassium of 94.69% and give the correct plant recommendation. This land evaluation system is expected to help farmers increase their agricultural productivity.Keywords: agriculture, NPK hara element, image processing, expert system, forward chaining
Influence of Data Scaling and Train/Test Split Ratios on LightGBM Efficacy for Obesity Rate Prediction FAHRUDIN, NUR FITRIANTI; PUTRA, KURNIA RAMADHAN; UMAROH, SOFIA; LAUTAN, GAMAS BLOORY
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.220-234

Abstract

AbstrakNormalisasi adalah proses yang tidak dapat dilewatkan dalam data mining yang membantu menyesuaikan nilai atribut data ke skala yang sama. Dalam konteks data mining, perbedaan skala antar atribut dapat menyebabkan kesalahan dalam pemodelan atau interpretasi hasil. Penggunaan normalisasi dalam pra-pemrosesan masih diperdebatkan, terutama ketika menggunakan algoritma dari kelompok pohon keputusan.  Penelitian ini membandingkan model dengan data yang dinormalisasi dan tidak dinormalisasi dengan menggunakan metode normalisasi, MinMaxScaler, MaxAbsScaler, dan RobustScaler. Hasil penelitian menunjukkan bahwa model LightGBM tanpa normalisasi memiliki tingkat akurasi sebesar 96,6 dalam mengklasifikasikan tingkat obesitas pada data saat ini. Tidak hanya normalisasi yang mempengaruhi hasil klasifikasi, tetapi juga jumlah rasio antara data pelatihan dan pengujian. Penelitian menunjukkan bahwa semakin besar persentase data yang digunakan untuk pelatihan, semakin tinggi tingkat akurasinya. Pada dataset obesitas, rasio 80:20 memiliki akurasi hingga 97%.Kata kunci: Decision Tree, LightGBM, Obesitas, Data Mining, KlasifikasiAbstractNormalization is an essential process in data mining that helps adjust the values of data attributes to the same scale. In data mining, differences in attribute scales can lead to errors in modeling or interpreting results. Normalization in preprocessing is still debated, particularly when using algorithms from the decision tree family. This study compares models with normalized and non-normalized data using normalization methods such as MinMaxScaler, MaxAbsScaler, and RobustScaler. The results show that the LightGBM model without normalization achieved an accuracy rate of 96.6% in classifying obesity levels in the current dataset. Not only does normalization affect classification results, but the ratio between training and testing data also plays a role. The study indicates that the larger the percentage of data used for training, the higher the accuracy rate. In the obesity dataset, an 80:20 ratio resulted in an accuracy rate of up to 97%.Keywords: Decision Tree, LightGBM, Obesity, Data Mining, Classification
Klasifikasi Sentimen Pada Buzzer Politik Jelang Pemilu 2024 menggunakan Metode Lexicon-based NURHASANAH, YOULLIA INDRAWATY; NAUFAL, MUHAMMAD THORIQ
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.166-178

Abstract

ABSTRAKPemilu merupakan sebuah momen dimana masyarakat memiliki peran untuk berpartisipasi dalam pemerintahan. Media sosial, khususnya media sosial X menjadi salah satu yang diminati untuk menyebarkan informasi. Informasi yang tersebar dalam jumlah banyak sangat sulit untuk disaring dengan baik oleh masyarakat. Mempengaruhi opini publik dengan menggunakan kata-kata kasar, memanipulasi informasi, dan membuat konten negatif merupakan peran buzzer politik di dalam media sosial. Sehingga dibutuhkan alat untuk filterisasi sentimen publik yang beredar. Alat yang digunakan adalah analisis sentimen. Penelitian bertujuan untuk melakukan klasifikasi sentimen buzzer politik dalam media sosial X menggunakan model lexicon-based yang ditingkatkan kamusnya sesuai dengan studi kasus yang dilakukan (corpus-based). Dengan menggunakan 1031 data, didapatkan sentimen positif (bukan buzzer) sebesar 63.69%,  sentimen negatif (buzzer politik) sebesar 31.94%, dan sentimen netral sebesar 4.37%. Sehingga disimpulkan bahwa model lexicon-based mampu menjelaskan sentimen X.Kata Kunci: Analisis sentimen, Lexicon-based, Buzzer, X, PemiluABSTRACTElection is a moment where people have a role to participate in the government. Social media, especially X social media, is one of the most popular ways to disseminate information. Information that is spread in large quantities is very difficult for the public to filter properly. Influencing public opinion by using harsh words, manipulating information, and creating negative content is the role of political buzzers in social media. So a tool is needed to filter public sentiment that is circulating. The tool used is sentiment analysis. The research aims to classify the sentiment of political buzzers in social media X using a lexicon-based model that is enhanced by the dictionary according to the case study conducted (corpus-based). By using 1031 data, positive sentiment (not buzzer) is 63.69%, negative sentiment (political buzzer) is 31.94%, and neutral sentiment is 4.37%. So it is concluded that the lexicon-based model is able to explain X sentiment.Keywords: Sentimen analyzed, Lexicon-based, Buzzer, X , Election
Fine-Tuning LLaMA-2-Chat untuk ChatBot Penerjemah Bahasa Gaul menggunakan LoRA dan QLoRA SUSILO, ANDRI; CHRISTANTI, VINY; LAURO, MANATAP DOLOK
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.248-260

Abstract

AbstrakBahasa gaul, yang berkembang pesat di kalangan generasi Z dan Alpha, sering kali sulit dipahami oleh generasi lain atau dalam konteks formal. Bahasa ini memiliki variasi yang tidak terstruktur dan terus berubah, memerlukan model bahasa yang adaptif untuk memahaminya. Penelitian ini bertujuan untuk mengukur kualitas hasil terjemahan fine-tuning model LLaMA-2 dalam menerjemahkan bahasa gaul ke bahasa formal, dengan menggunakan metrik evaluasi BLEU Score sebagai alat utama. Selain itu, pendekatan LoRA dan QLoRA digunakan untuk meningkatkan efisiensi fine-tuning dengan mengurangi kebutuhan komputasi dan memori. Dataset yang digunakan terdiri dari data media sosial dan data buatan yang diformat dalam bentuk percakapan untuk menangkap konteks secara lebih baik. Hasil evaluasi menunjukkan skor BLEU terbaik sebesar 0.0369, yang menegaskan bahwa model masih perlu disempurnakan untuk menghasilkan terjemahan bahasa gaul yang optimal.Kata kunci: bahasa gaul, LLaMA-2, LoRA, QLoRAAbstractSlang, which is growing rapidly among generations Z and Alpha, is often difficult for other generations to understand or in formal contexts. This language has unstructured variations and is constantly changing, requiring adaptive language models to understand it. This research aims to measure the quality of the translation results of fine-tuning the LLaMA-2 model in translating slang into formal language, using the BLEU Score evaluation metric as the main tool. Additionally, LoRA and QLoRA approaches are used to improve fine-tuning efficiency by reducing computing and memory requirements. The dataset used consists of social media data and artificial data formatted in conversational form to better capture context. The evaluation results show the best BLEU score of 0.0369, which confirms that the model still needs to be refined to produce optimal slang translations.Kata Kunci: slang language, LLaMA-2, LoRA, QloRA
Identifikasi Intensitas Makan Ikan Budidaya Akuaponik berdasarkan Kualitas Air dan Pergerakan Ikan PRATAMA, MULKI REZKA BUDI; ALFATAH, REZA FIKRI; SUSILA, JAYA KUNCARA ROSA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.235-247

Abstract

AbstrakPemberian pakan ikan dapat ditentukan melalui pengamatan perilaku, kualitas air, dan ukuran ikan. Salah satu metode otomatisasi yang digunakan adalah ANFIS (Adaptive Neuro Fuzzy Inference System), dengan masukan berupa kualitas air (kekeruhan dan NH3) serta aktivitas gerak ikan menggunakan inframerah (IR). Sistem ini mendukung keputusan pemberian pakan secara optimal. Validasi alat dilakukan menggunakan model regresi linier dan evaluasi kinerja berdasarkan Mean Relative Error (MRE). Hasil menunjukkan akurasi perangkat mencapai 95,77%, lebih tinggi 6,55% dibandingkan perangkat tanpa kualitas air (89,22%). Model ini terbukti andal dan dapat diterapkan pada sistem akuaponik berbasis industri untuk meningkatkan efisiensi pemberian pakan ikan. Kata kunci: Akuaponik; biologi otomatis; rekayasa sistem; robotika; instrumentasiAbstractFish feeding can be determined by observing behavior, water quality, and fish size. One automation method used is ANFIS (Adaptive Neuro Fuzzy Inference System), which uses inputs such as water quality (turbidity and NH3) and fish movement activity detected by infrared (IR). This system supports optimal feeding decision-making. The tool validation was conducted using a linear regression model, and its performance was evaluated based on the Mean Relative Error (MRE). The results showed that the device achieved an accuracy of 95.77%, 6.55% higher than devices without water quality input (89.22%). This model has proven reliable and can be applied to industry-based aquaponic systems to enhance the efficiency of fish feeding.Keywords: Aquaponics; automated biology; systems engineering; robotics; instrumentation
Perbandingan Metode Content-based, Collaborative dan Hybrid Filtering pada Sistem Rekomendasi Lagu PUTRA, KURNIA RAMADHAN; RACHMAN, MOHAMMAD ADITIYA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.179-193

Abstract

AbstrakSistem rekomendasi dapat dimanfaatkan untuk membantu pengguna menemukan item atau informasi sesuai preferensi mereka, termasuk lagu. Metode seperti Collaborative Filtering (CF), Content-Based Filtering (CBF), dan Hybrid Filtering digunakan untuk meningkatkan kualitas rekomendasi berdasarkan interaksi pengguna dan karakteristik konten. Penelitian ini membandingkan efektivitas ketiga metode tersebut dalam rekomendasi lagu menggunakan dataset dengan 68.330 entri data. Metode CF dan CBF diterapkan secara terpisah, lalu dikombinasikan dalam pendekatan hybrid untuk mengevaluasi peningkatan hasil. CF mencapai presisi 49.9%, CBF 39.5%, sedangkan hybrid CF-CBF mencatat presisi tertinggi sebesar 50.7%. Sebaliknya, hybrid CBF-CF menghasilkan presisi terendah, yaitu 38.4%. Kesimpulannya, pendekatan hybrid CF-CBF lebih unggul dalam merekomendasikan lagu sesuai preferensi pengguna dibandingkan metode lainnya.Kata kunci: sistem rekomendasi, rekomendasi lagu, content-based filtering, collaborative filtering, hybrid filtering AbstractRecommender systems can be utilized to assist users in discovering items or information that align with their preferences, including music. Methods such as Collaborative Filtering (CF), Content-Based Filtering (CBF), and Hybrid Filtering enhance recommendation quality based on user interactions and content characteristics. This study compares the effectiveness of these three methods in music recommendation using a dataset containing 68,330 entries. CF and CBF were implemented separately and combined in a hybrid approach to evaluate performance improvements. CF achieved a precision of 49.9% and CBF 39.5%, while the hybrid CF-CBF approach recorded the highest precision at 50.7%. In contrast, the hybrid CBF-CF approach yielded the lowest precision, at 38.4%. In conclusion, the hybrid CF-CBF approach outperforms other methods in delivering music recommendations tailored to user preferences.Keywords: recommendation system, song recommendation, content-based filtering, collaborative filtering, hybrid filtering
Pemetaan Wilayah Desa di Kabupaten Kediri dengan Data Mining PAMUNGKAS, CATUR ARTA; DONORIYANTO, DWI SUKMA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.124-134

Abstract

ABSTRAKKediri yang terdiri dari beberapa wilayah memiliki kelebihan dan kekurangan sehingga perlu diketahui potensi wilayahnya agar dapat mencukupi satu sama lain. Potensi wilayah ini dapat dilakukan dengan pemetaan menggunakan metode complate linkage, metode klasifikasi, dan analisis biplot berdasarkan potensi wilayah tiap desa. Dengan metode ini penyebaran dan sifat data secara heterogen serta heterogen dapat diketahui. Maka penelitian ini memiliki tujuan untuk mengetahui pengelompokan desa, keragaman variabel potensi, dan korelasi keunggulan tiap wilayahnya. Penelitian ini memanfaatkan data dari Badan Pusat Statistik tahun 2018 hingga 2023 agar mudah diketahui wilayah yang memiliki kekuatan komoditas wilayah dengan melihat sumber daya manusianya. Hasil dari penelitian ini menunjukkan nilai complate linkage sebesar 17859125, pada metode kalsifikasi variabel jumlah SMA homogen dan variabel kepala keluarga heterogen, sedangkan untuk analisis biplot menghasilkan nilai sebesar 75,6%.Kata kunci: Analisis Biplot, Data Mining, Kediri, Faktor variabel, Pemetataan wilayahABSTRACTKediri has several regions that have advantages and disadvantages, so it is necessary to know the potential of the regions so that they can be sufficient for each other. This regional potential can be done by mapping using the complate linkage method, classification method, and biplot analysis based on the regional potential of each village. With this method, the distribution and heterogeneous nature of data can be known. So this research aims to determine village groupings, the diversity of potential variables, and the correlation between the advantages of each region. This research utilizes data from the Badan Pusat Statistik 2018 to 2023 so that it is easy to identify regions that have regional commodity strengths by looking at their human resources. The results of this research show a complate linkage value of 17859125, in the classification method for the variable number of homogeneous high school students and the variable for heterogeneous family heads, while the biplot analysis produces a value of 75.6%.Keywords: Area mapping, Biplot Analysis, Data Mining, Kediri, Variable factors