Implementasi Algoritma K-Means untuk Klasterisasi Peserta Olimpiade Sains Nasional Tingkat SMA

Hasanah, Miftahul; Defit, Sarjon; Nurcahyo, Gunadi Widi

doi:10.37034/jsisfotek.v1i3.6

Cited by 4 publications

(4 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Referensi penelitian keempat menghasilkan sistem yang dapat mengelompokkan siswa ke kelas-kelas unggulan yang ada pada sekolah tersebut [12]. Dan pada penelitian kelima menghasilkan rekomendasi siswa yang kompeten untuk mengikuti OSN dari pengolahan semua data akademik siswa tersebut [13].…”

Section: Penelitian Sejenisunclassified

Penerapan Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan PKH Menggunakan Metode Clustering K-Means Pada Desa Kuala Dendang

Amaliyah,

Jasmir,

Rianti

2023

JAKAKOMUNAMA

View full text Add to dashboard Cite

Program Keluarga Harapan (PKH) dimaknai sebagai program pemberian bantuan sosial bersyarat kepada Keluarga Miskin (KM) setelah ditetapkan sebagai keluarga penerima manfaat PKH. Bantuan ini sangat bermanfaat bagi warga yang membutuhkan. Namun nyatanya penerimaan bantuan PKH ini masih belum merata dan belum tepat sasaran. Dalam pengelolaan data PKH, selain tingkat akurasi data, efisiensi waktu dalam pengelolaan data juga sangat penting. Terdapat kerumitan dalam pengelolaan data yang sangat besar untuk menentukan warga yang menjadi prioritas utama untuk mendapatkan bantuan PKH pada Desa Kuala Dendang. Untuk itu penulis menggunakan data mining dengan metode clustering k-means untuk mempermudah pengelolaan data tersebut. Dalam analisis penulis menggunakan data tahun 2020 dengan memakai 6 atribut yaitu nama KK, tunjangan, kondisi rumah, kepemilikan rumah, julah penghasilan, dan status kesejahteraan.Lalu data tersebut diolah dengan menggunakan tools SPSS. Setelah itu diperoleh hasil 3 cluster yaitu Cluster 1 sebagai prioritas pertama memiliki 114 anggota dengan presentase 11%, Cluster 2 sebagai prioritas kedua memiliki 690 anggota dengan presentase 68%, dan Cluster 3 sebagai prioritas ketida memiliki 218 anggota dengan presentase 21%.

show abstract

Section: Penelitian Sejenisunclassified

Penerapan Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan PKH Menggunakan Metode Clustering K-Means Pada Desa Kuala Dendang

Amaliyah,

Jasmir,

Rianti

2023

JAKAKOMUNAMA

View full text Add to dashboard Cite

show abstract

“…Klasterisasi adalah sebuah proses menggabungkan satu set objek fisik atau abstrak ke dalam kelas dari objek yang sama, sehingga objek data dengan tingkat kemiripan maksimum berada dalam klaster yang sama, sebaliknya klaster berbeda akan ditempati oleh objek data dengan tingkat kemiripan minimum (Rohmatullah, Rahmalia, & Pradana, 2019). Untuk menerapkan klasterisasi, dapat menggunakan algoritma K-Means, yang merupakan salah satu metode cluster analysis non hirarki yang berusaha untuk mempartisi objek yang ada ke dalam satu atau lebih klaster atau kelompok objek berdasarkan karakteristiknya, sehingga objek yang mempunyai karakteristik yang sama dikelompokkan dalam satu klaster yang sama, dan objek yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam klaster yang lain (Hasanah, Defit, & Nurcahyo, 2021).…”

Section: Pendahuluanunclassified

Klasterisasi Tingkat Penjualan pada Startup Panak.id dengan Algoritma K-Means

Harjono,

Utami,

Putri

2023

jitika

View full text Add to dashboard Cite

Pengolahan data penjualan merupakan salah satu cara bagi perusahaan dalam menunjang pengambilan keputusan ke depannya. Salah satu cara mengolah data penjualan yaitu melakukan klasterisasi dengan teknik data mining yang hadir sebagai solusi perusahan untuk bisa mengolah data penjualan yang dimiliki dengan melakukan proses yang menghasilkan pengetahuan baru. Pengetahuan yang didapatkan dari data-data yang dimiliki biasa disebut sebagai Knowledge Discovery in Database (KDD) yang terdiri dari langkah-langkah seperti; pemilihan data, pembersihan data, pencarian pola (data mining), dan interpretasi. Pada penelitian ini, penulis akan membahas teknik dan aplikasi data mining menggunakan algoritma K-Means yang diaplikasikasikan dengan bahasa pemrograman Python. Penelitian dilakukan di perusahaan startup Panak.id dengan mengakses data penjualan produk olahan ternak pada periode Juli 2021 – Juli 2022. Hasil penelitian menunjukkan tingkat penjualan produk didominasi oleh produk-produk yang masuk ke dalam kategori kurang laris. Hal ini menunjukkan bahwa dari banyaknya jenis produk yang ditawarkan oleh Panak.id, masih banyak produk yang kurang diminati oleh masyarakat. Dari pengetahuan tersebut, pihak perusahaan dapat mengambil keputusan terkait strategi penjualan maupun inovasi pada produk-produk yang kurang laris dengan harapan dapat lebih meningkatkan penjualan. Selain itu, pihak perusahaan juga dapat menjadikan pengetahuan ini sebagai prediksi dalam hal pengontrolan stok agar produk-produk yang kurang laku dapat lebih terawasi produksinya untuk menghindari penumpukan stok di gudang.

show abstract

“…Infeksi Saluran Pernafasan Akut (ISPA) adalah Penyakit yang dapat menyerang salah satu bagian atau lebih dari saluran pernafasan, mulai dari hidung hingga alveoli [1]. KDD adalah suatu metode yang dapat kita gunakan untuk menghasilkan pengetahuan dari database yang ada [2]. Mining diartikan dari sejumlah besar material dasar [3].…”

Section: Pendahuluanunclassified

Data Mining Menggunakan Algoritma K-Means untuk Klasifikasi Penyakit Infeksi Saluran Pernafasan Akut

Ariyanto

2022

jsisfotek

View full text Add to dashboard Cite

Acute Respiratory Infection (ISPA) is. Diseases that can attack one or more parts of the respiratory tract, from the nose (upper tract) to the alveoli (lower tract) including adnexal tissues such as sinuses, middle ear cavity, and pleura. And ISPA is also a type of infectious disease, especially to people who have abnormalities in the immune system, the elderly, and children whose immune systems are not yet fully formed. ISPA is a contagious disease in the world caused by the main cause of morbidity and mortality. And ISPA can reach four million people die every year and 98% of them are caused by lower respiratory tract infections. In Indonesia even ranks first cause of death in children and adults. ISPA in Indonesia ranks first cause of death in children and adults. ISPA also occupies the list of 10 most diseases. To get precise and fast accuracy in classifying the symptoms of ISPA. In this study, there were 250 patient data sourced from the Rahmatan Lil Alamin Clinic. Furthermore, the data is processed using RapidMiner software. Produced 3 clusters, namely cluster C1 (Ordinary ISPA) with 141 members, cluster C2 (Medium ISPA) with 17 members, C3 (severe ISPA) cluster with 7 members. . The test results for cluster 1 get 62 data sets, cluster 2 get 60 data sets and cluster 3 get 43 data sets. because the number of data sets from cluster 3 is smaller, the cluster can be called optimal.

show abstract

Implementasi Algoritma K-Means untuk Klasterisasi Peserta Olimpiade Sains Nasional Tingkat SMA

Cited by 4 publications

References 0 publications

Penerapan Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan PKH Menggunakan Metode Clustering K-Means Pada Desa Kuala Dendang

Penerapan Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan PKH Menggunakan Metode Clustering K-Means Pada Desa Kuala Dendang

Klasterisasi Tingkat Penjualan pada Startup Panak.id dengan Algoritma K-Means

Data Mining Menggunakan Algoritma K-Means untuk Klasifikasi Penyakit Infeksi Saluran Pernafasan Akut

Contact Info

Product

Resources

About