Article Per Year (5 Year)
p-Index From 2019 - 2024
1.347
P-Index
This Author published in this journals
All Journal ULUL ALBAB MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) OPSI Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Mantik Jurnal Mnemonic Journal of Computer Networks, Architecture and High Performance Computing Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer
Ririen Kusumawati
Unknown Affiliation
Religion Arts Humanities Computer Science & IT Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Mnemonic

 1 
EVALUASI CLUSTERING K-MEANS DAN K-MEDOID PADA PERSEBARAN COVID-19 DI INDONESIA DENGAN METODE DAVIES-BOULDIN INDEX (DBI) Fathurrahman, Fathurrahman; Harini, Sri; Kusumawati, Ririen
Jurnal Mnemonic Vol 6 No 2 (2023): Mnemonic Vol. 6 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i2.6642

Abstract

Tingginya persebaran Covid-19 di Indonesia, dan persebaran di tiap-tiap daerah yang berbeda-beda, menjadikan perlu adanya pengelompokan daerah dengan masing-masing tingkat penyebarannya, untuk mengetahui kemiripan karakteristik atau kriteria dari setiap daerah dengan tingkat penyebaran Covid-19 yang akan terkumpul dalam suatu cluster tertentu. Penelitian ini menggunakan komparasi analisis cluster menggunakan K-Means dan K-Medoid untuk menganalisis perseberan virus Covid-19 di indonesia. Analisis komparasi kedua algoritma dibuktikan dengan adanya nilai davies bouldin index (DBI) sebagai parameter evaluasi menggunakan Bahasa Pemrograman Python Version 3 yang dijalankan pada tools Jupyter Notebook. Langkah penelitian dimulai dari import library atau modul yang digunakan dalam berbagai tahapan dalam penelitian ini. Tahapan yang dilakukan antara lain melakukan pre-processing berupa proses binning data hingga normalisasi data. Selanjutnya, menampilkan visualisasi data sebaran Covid-19. Kemudian, melakukan modeling Algoritma K-Means dan K-Medoids. Hingga diakhiri dengan langkah terakhir berupa evaluasi menggunakan Davies-Bouldin Index (DBI). Setelah dilakukan evaluasi DBI, K-Means mendapatkan nilai 0.9762331449809145, sedangkan K-Medoids mendapatkan nilai 0.9809235412405508. Karena K-Means memiliki nilai DBI yang lebih rendah dibandingkan K-medoids, maka dapat dikatakan K-Means menghasilkan klasterisasi yang lebih baik dalam klasterisasi data sebaran Covid-19 di Indonesia.
SISTEM REKOMENDASI MATERI PEMROGRAMAN WEB PADA MEDIA PEMBELAJARAN BERBASIS WEB MENGGUNAKAN MULTI-CRITERIA RECOMMENDER SYSTEM Wahyuliningtyas, Lia; Miftachul Arif, Yunifa; Kusumawati, Ririen
Jurnal Mnemonic Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i1.8128

Abstract

Dalam kurikulum merdeka, pembelajaran yang dilakukan fokus terhadap pengembangan karakter, kompetensi siswa dan mengasah minat bakat. Sehingga jumlah materi pembelajaran yang diberikan kepada siswa tidak harus tuntas atau lebih sedikit. Selain itu pada kurikulum merdeka tidak lagi membebani siswa dengan ketercapaian skor minimal karena penilaian tidak lagi menggunakan nilai Kriteria Ketuntasan Minimal (KKM). Hal tersebut menyebabkan guru kesulitan menentukan apakah materi yang telah dijelaskan sudah dapat dipahami karena nilai tidak menjadi patokan dalam keberhasilan seorang siswa. Padahal apabila guru tidak mengetahui pemahaman seoarang siswa, guru akan kesulitan untuk lanjut pada materi selanjutnya. Implementasi Multi-Criteria Recommender System (MCRS) dapat memberikan kemudahan guru untuk dapat memprediksi apakah siswa dapat lanjut ke materi selanjutnya dan merekomendasikan modul mana yang cocok untuk siswa tersebut. Sistem rekomendasi yang akan dibangun berupa media pembelajaran berbasis web agar siswa dapat lebih tertarik dan dapat membantu guru dalam meningkatkan hasil belajar. Metode yang digunakan adalah collaborative filtering dengan membandingkan antara adjusted cosine similarity, cosine based similarity dan spearman rank order correlation. Berdasarkan implementasi MCRS menggunakan metode collaborative filtering menunjukkan bahwa hasil sistem rekomendasi tersebut memberikan dampak yang baik untuk proses belajar mengajar. Berdasarkan 3 algoritma yang diimplementasikan bahwa hasil prediksi yang paling baik adalah cosine based similarity karena nilai MAE yang didapatkan paling rendah yaitu sebesar 1,19 dan nilai akurasi sebesar 76%.
Co-Authors A, Miftahul Hikmah Putri Samudera Agus Sofiyan Anwar, Agus Sofiyan Cahyo Crysdian Dita Aisha Dwi Purbo Yuwono Fathurrahman Fathurrahman Fithriani Matondang, Fithriani Hidayah, Ika Arofatul Hidayah Imamudin, M Karami, Ahmad Fahmi M Imamuddin Miftachul Arif, Yunifa Muchammad Mustaqhfiri, Muchammad Santoso , Irwan Budi Sari, Nur Fitriyah Ayu Tunjung Silfiyah, Chilmiatus Sri Harini Subarkah, Aan Fuad totok chamidy Wahyuliningtyas, Lia Zainal Abidin Zainal Abidin