Article Per Year (5 Year)
p-Index From 2019 - 2024
1.642
P-Index
This Author published in this journals
All Journal IT JOURNAL RESEARCH AND DEVELOPMENT Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi Mitra Mahajana: Jurnal Pengabdian Masyarakat Jurnal J-PEMAS Indonesian Journal of Computer Science SATIN - Sains dan Teknologi Informasi
Edwar Ali
Jurusan STMIK Amik Riau
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Indonesian Journal of Computer Science

 1 
Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Program BPJS Ketenagakerjaan Adellia Meiriza; Edwar Ali; Rahmiati; Agustin
Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): Indonesian Journal of Computer Science Volume 12. No. 2 (2023)
Publisher : STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3184

Abstract

BPJS Ketenagakerjaan bertugas menyelenggarakan program jaminan sosial bagi para pekerja di Indonesia, seperti Jaminan Kecelakaan Kerja, Jaminan Hari Tua, Jaminan Pensiun, Jaminan Kematian, dan Jaminan Pemeliharaan Kesehatan. Pengelompokan program bukan penerima upah dapat menggunakan metode clustering. Dalam penelitian ini, peneliti membandingkan dua algoritma clustering yaitu K-Means dan K-Medoids untuk mengelompokkan program bukan penerima upah berdasarkan karakteristik yang dimiliki. Data yang digunakan dalam penelitian ini diperoleh dari BPJS Ketenagakerjaan cabang pekanbaru. Pengelompokan dilakukan dengan menggunakan jumlah cluster yang sama untuk kedua algoritma yaitu K = 3. Hasil dari penelitian menunjukkan bahwa K-Medoids menghasilkan kelompok yang lebih stabil dan robust dibandingkan dengan K-Means. Hasil nilai DBI menunjukkan bahwa K-Medoid lebih baik dari K-Means. Hasil ini dapat dijadikan rekomendasi kepada pendaftar yang akan mengambil program BPJS Ketenagakerjaan selain itu penggunaan K-Medoids sebagai algoritma clustering lebih efektif dibandingkan K-Means untuk pengelompokan program bukan penerima upah.
Co-Authors Adellia Meiriza Agnes Chrisnalia Agustin Asri - Asri -, Asri Didik Sudyana Efrizoni, Lusiana Fadliansyah Hasibuan Fika Ayu Lestari Hamdani - Hengki Setiawan Herwin Herwin, Herwin Junadhi Junadhi Koko Harianto Mardainis Muhammad Azmi Nova Indriyani Rahmaddeni Rahmaddeni Rahmiati Sharon - Sharon -, Sharon Susandri -, Susandri Susandri, Susandri Susanti, Susanti Triyani Arita Fitri Unang Rio Yansyah Saputra Wijaya