cover
Contact Name
Mudriyah
Contact Email
digitechuniversityreview@gmail.com
Phone
+6287811122936
Journal Mail Official
digitechuniversityreview@gmail.com
Editorial Address
Jl. Kates 5 No. 47 Tembok Banjaran, Kecamatan Adiwerna, Kabupaten Tegal
Location
Kab. bantul,
Daerah istimewa yogyakarta
INDONESIA
SITEDI
ISSN : 3043977     EISSN : 30473977     DOI : -
Sistem Informasi dan Teknologi Digital (SITEDI) is a peer-reviewed journal published by Universitas Teknologi Digital. The journal focuses on the latest advancements and research in the fields of information systems, technology, and digital innovations. Our mission is to provide a platform for researchers, academics, and practitioners to share their findings, enhance knowledge, and contribute to the development of technology and digital information systems.
Articles 44 Documents
Keterkaitan Luas Panen, Curah Hujan, dan Suhu terhadap Hasil Produksi Padi di Wilayah Sumatera Menggunakan K-Means: The Relationship between Harvest Area, Rainfall and Temperature on Rice Production Results in the Sumatra Region Using K-Means Fadhillah, Muhammad Helmy; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.84

Abstract

Penelitian ini bertujuan untuk mengevaluasi hubungan antara luas panen, curah hujan, dan suhu terhadap produksi padi di Sumatera dengan menggunakan metode K-Means. Data yang dianalisis mencakup informasi mengenai manufaktur, panen, hujan curah, kelembapan, dan rata-rata suhu, yang dikumpulkan dari sumber terbuka untuk periode 1993 hingga 2020. Analisis dilakukan menggunakan perangkat lunak RapidMiner melalui pendekatan data mining dengan fokus pada teknik klasterisasi. Data mentah diproses terlebih dahulu agar hanya data numerik yang relevan digunakan. Klasterisasi K-Means diterapkan dengan jumlah klaster k=5k=5, menghasilkan lima kelompok: Cluster0 (31 data), Cluster1 (84 data), Cluster2 (7 data), Cluster3 (66 data), dan Cluster4 (36 data), dengan total 224 data. Iterasi dilakukan hingga hasil klasterisasi mencapai kestabilan dan menghasilkan model yang optimal. Evaluasi klasterisasi memanfaatkan Indeks Davies-Bouldin (DBI), di mana nilai DBI yang rendah menunjukkan keberhasilan klasterisasi dalam memisahkan data ke dalam kelompok yang jelas. Temuan menunjukkan bahwa metode K-Means mampu mengelompokkan data produksi padi secara efektif berdasarkan faktor-faktor agronomis yang dianalisis, memberikan pemahaman yang lebih baik tentang distribusi produksi yang dipengaruhi oleh kondisi iklim dan luas panen. Pendekatan ini diharapkan dapat menjadi dasar untuk pengambilan keputusan strategis dalam meningkatkan hasil pertanian, khususnya di daerah dengan karakteristik serupa. Selain itu, penelitian ini menekankan pentingnya penerapan teknologi data mining untuk meningkatkan efisiensi dan ketepatan analisis dalam sektor pertanian di Indonesia.
Penerapan Algoritma K-Means Untuk Segmentasi Pelanggan Pada Dataset Wholesale Customer: Application of K-Means Algorithm for Customer Segmentation on Wholesale Customer Dataset Mariadin, Farhan Habli; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.86

Abstract

Penelitian ini menunjukkan penerapan kalkulasi K-Means dalam pembagian klien dengan memanfaatkan kumpulan data Klien Diskon. Pembagian klien merupakan prosedur penting dalam memahami desain pemanfaatan dan membuat langkah-langkah untuk meningkatkan efektivitas. Dalam pertimbangan ini, penanganan penambangan informasi dilakukan dengan menggunakan program komputer RapidMiner, dengan tahapan pengumpulan informasi, penanganan informasi awal, dan investigasi pengelompokan menggunakan kalkulasi K-Means. Hasil pengelompokan menunjukkan bahwa informasi dikumpulkan menjadi lima kluster dengan kualitas yang dinilai menggunakan File Davies-Bouldin (DBI). Nilai DBI sebesar -0,947 menunjukkan bahwa pengelompokan tersebut memiliki kualitas yang baik, dengan setiap kluster mencerminkan desain pemanfaatan klien yang berbeda. Pertimbangan ini menunjukkan bahwa kalkulasi K-Means dapat digunakan secara efektif untuk pembagian klien, memberikan pengalaman utama bagi perusahaan dalam membuat pilihan bisnis
Analysis of Data Entry and Statistical Compilation Processes in the Division of Data and Encryption, Department of Communication and Informatics : Analisis Proses Kerja Entri dan Penyusunan Data Statistik pada Bidang Data dan Persandian di Dinas Komunikasi dan Informatika Vilda Ferlinda Feronicha; Rizki Prasetyo Tulodo
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.88

Abstract

ABSTRAK Keterbukaan informasi publik merupakan aspek penting dalam mewujudkan tata kelola pemerintahan yang baik, khususnya di era digital yang menuntut transparansi dan akuntabilitas. Penelitian ini dilakukan pada Dinas Komunikasi dan Informatika (Diskominfo) Kabupaten Tegal sebagai mitra penelitian, dengan tujuan untuk menganalisis proses kerja entri data survei, penyusunan metadata statistik, serta optimalisasi data sektoral yang mendukung keterbukaan informasi publik. Penelitian menggunakan metode deskriptif kualitatif dengan teknik pengumpulan data melalui observasi, wawancara, dan dokumentasi. Hasil penelitian menunjukkan bahwa proses entri data dilakukan secara sistematis menggunakan perangkat lunak Microsoft Excel, sedangkan penyusunan metadata mengikuti pedoman Badan Pusat Statistik (BPS). Optimalisasi data sektoral dilaksanakan melalui perubahan status data dari privat menjadi publik pada portal data.tegalkab.go.id. Temuan ini memperlihatkan bahwa pemanfaatan teknologi informasi dapat meningkatkan efektivitas pengelolaan data sektoral, memperkuat transparansi, serta mendorong keterlibatan masyarakat dalam pemanfaatan data publik. Penelitian ini memberikan kontribusi nyata bagi pemerintah daerah dalam penguatan tata kelola data serta bagi mahasiswa sebagai pengalaman praktis dalam pengelolaan data di lingkungan pemerintahan. ABSTRACT Public information disclosure is an essential aspect in realizing good governance, particularly in the digital era that demands transparency and accountability. This study was conducted at the Department of Communication and Informatics (Diskominfo) of Tegal Regency as the research partner, with the objective of analyzing the work processes of survey data entry, statistical metadata compilation, and sectoral data optimization to support public information disclosure. The study employed a qualitative descriptive method with data collection techniques consisting of observation, interviews, and documentation. The findings show that data entry was carried out systematically using Microsoft Excel, while metadata compilation followed the guidelines of the Central Bureau of Statistics (BPS). Sectoral data optimization was implemented through the conversion of data status from private to public on the data.tegalkab.go.id portal. These results indicate that the utilization of information technology enhances the effectiveness of sectoral data management, strengthens transparency, and encourages public engagement in data use. This study contributes significantly to the improvement of regional government data governance and provides students with practical experience in data management within a governmental environment.
Analisa Faktor Stres pada Mahasiswa Menggunakan Algoritma K-Means Clustering : Analysis of Stress Factors in Student Using the K-Means Clustering Algorithm Riyo Iman Purwanto Pratama; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.89

Abstract

Stres merupakan salah satu masalah yang sering dialami mahasiswa akibat berbagai tekanan akademis dan sosial. Penelitian ini bertujuan untuk menganalisis faktor-faktor penyebab stres pada mahasiswa menggunakan algoritma K-Means Clustering. Data yang digunakan mencakup 21 atribut, seperti tingkat kecemasan, kualitas tidur, tekanan darah, riwayat kesehatan mental, dan faktor sosial lainnya. Pengolahan data dilakukan dengan perangkat lunak RapidMiner, yang menghasilkan lima cluster dengan distribusi data yang bervariasi. Cluster 3 memiliki jumlah anggota tertinggi (344), sedangkan Cluster 1 memiliki jumlah terendah (48). Hasil evaluasi menggunakan indeks Davies-Bouldin menunjukkan nilai -1.139, yang mengindikasikan kualitas clustering yang baik dengan pemisahan antarcluster yang jelas dan kekompakan dalam cluster. Analisis lebih lanjut mengungkapkan bahwa cluster dengan karakteristik umum dapat digunakan untuk memahami pola stres secara luas, sedangkan cluster dengan karakteristik unik dapat menjadi fokus intervensi khusus. Penelitian ini memberikan wawasan mendalam yang dapat digunakan oleh institusi pendidikan dalam merancang strategi berbasis data untuk mengelola stres mahasiswa secara efektif.