Article Per Year (5 Year)
p-Index From 2019 - 2024
3.562
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Ilmiah FIFO STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Journal Zetroem Jurnal ABDIMAS (Pengabdian kepada Masyarakat) UBJ Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Journal of Information Technology (JIfoTech) Journal of Practical Computer Science (JPCS) JSITP Kapas: Kumpulan Artikel Pengabdian Masyarakat Nusantara Journal of Computers and its Applications
Fauzan Natsir
Universitas Indraprasta PGRI
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Nusantara Journal of Computers and its Applications

 1 
ADAPTIVE AFFINITY PROPAGATION UNTUK PENGELOMPOKAN KEHADIRAN MAHASISWA PEMBELAJARAN DARING SELAMA PANDEMI DENGAN NILAI AKHIR Millati Izzatillah; Fauzan Natsir; Siti Anisah; Opitasari Opitasari
NJCA (Nusantara Journal of Computers and Its Applications) Vol 6, No 2 (2021): Desember 2021
Publisher : Computer Society of Nahdlatul Ulama (CSNU) Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36564/njca.v6i2.286

Abstract

Clustering merupakan metode pengelompokan data dengan mudah dan bertujuan untuk melihat korelasi antar data atribut. Clustering adalah proses pengelompokan titik-titik data yang diambil berdasarkan kesamaan nilai untuk menentukan pusat cluster (exemplar). Affinity Propagation (AP) dan Adaptive Affinity Propagation (AAP) adalah algoritma clustering yang dapat menghasilkan jumlah cluster, anggota cluster, dan contoh dari setiap cluster. Penelitian ini dilakukan untuk mengetahui algoritma yang lebih efektif dalam pengelompokan data. AAP merupakan pengembangan dari algoritma AP yang telah melakukan beberapa perbaikan dalam clustering data. Peneliti juga mengimplementasikan dan menguji kedua algoritma tersebut dengan MATLAB 2021 menggunakan data presensi siswa dalam pembelajaran daring di masa pandemi dengan data nilai akhir sebanyak 500 data. Hasil dari penelitian ini adalah algoritma AP menghasilkan lebih banyak klaster daripada algoritma AAP, klaster AP 5 menggunakan preferensi minimum dan 8 klaster menggunakan preferensi median, klaster AAP 3 menggunakan preferensi minimum dan 2 klaster menggunakan preferensi median. Pemrosesan data runtime AAP lebih cepat daripada AP menggunakan preferensi minimum atau median. Algoritma terbaik dalam clustering data secara optimal adalah Adaptive AP. Hasil lainnya adalah terdapat korelasi antara pengelompokan kehadiran siswa terhadap pembelajaran daring di masa pandemi dengan nilai akhir.
Co-Authors Abdurahman . Achmad Zacky Bahrudin Adiya Riana Agam Sufiandi ajat sudrajat ARI IRAWAN Arif Rahman Hakim Asky Avia Chandra Faris Abdurrahman Deddy Andrean Fahreza Dila Arista Ega Shela Marsiani Fadhil Hazami Fery Rahmawan Asma Gina Nur Rahmadhaniah Imam Riadi Imam Wahyudin Intan Vandini Kristiningsih . Magfirah Damelia Fitri marco viraldy rumokoy Millati Izzatillah Mohamad Dodi Noviansyah Muhammad Fickri Nandang Suwela Narayana Sakti Aji Ni Ketut Pertiwi Anggraeni Ni Ketut Pertiwi Anggraeni Opitasari Opitasari Redo Abeputra Sihombing Redo Abeputra Sihombing Redo Abeputra Sihombing Riza Mahdiah Santy Handayani Siti Anisah siti istianah Sri Mulyani Triyadi Triyadi Triyadi Triyadi Triyadi Yasmin Zainab Aqilah Yudi prayudi