Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Journal of Development Research ILKOMNIKA: Journal of Computer Science and Applied Informatics
Riska Fitri Nur Alifah
Universitas Nahdlatul Ulama Blitar
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
K-Means Clustering for Determining Quality of Outdoor Temperature Based on BMKG Datasets Abd. Charis Fauzan; Muhammad Rizky Ramadhan; Nurul Aziz Tri Wahyuni; Riska Fitri Nur Alifah; Adi Diantoro; Huang-Cheng Kuo
Journal of Development Research Vol. 4 No. 1 (2020): Volume 4, Number 1, May 2020
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (879.698 KB) | DOI: 10.28926/jdr.v4i1.90

Abstract

The purpose of this study was to determine the quality of outdoor temperatures that are good for conducting activities. One of the factors that cause the body's healthy or not human temperature, either indoors or outdoors. The data used is the BMKG weather dataset. BMKG weather dataset is a type of quantitative data because it is numeric or nominal and can be calculated. At each day, BMKG also provides information about the temperature according to the state of each area. It is starting from the minimum temperature, maximum, average humidity, to the maximum wind speed. The method used is clustering using the k-means clustering with centroid value. This research resulted in outdoor temperature clustering, which is good, INTERMEDIATE, and bad quality. In the range of values 124.7 indicate good temperature, range values 133.1 indicate moderate temperature, range of values 146.8 indicate bad temperature. Based on research in 32 days produced 28 days of moderate temperature quality, two days of good temperature quality, and two days of poor quality.
Implementasi Algoritma K-Means Clustering Berbasis Jarak Manhattan untuk Klasterisasi Konsentrasi Bidang Mahasiswa Riska Fitri Nur Alifah; Abd. Charis Fauzan
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 5 No 1 (2023): Volume 5, Nomor 1, April 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v5i1.542

Abstract

Konsentrasi bidang studi merupakan pengkhususan studi atau jurusan mahasiswa terhadap suatu bidang studi yang sesuai dengan minat atau kemampuan mahasiswa. Sesuai dengan keputusan Ketua Program Studi mahasiswa diwajibkan untuk memilih konsentrasi bidang, konsentrasi bidang yang telah dipilih harus ditekuni mahasiswa sampai akhir semester. Dalam penentuan pememilihan konsentrasi bidang adalah salah satu hal yang sangat penting bagi mahasiswa karena berpengaruh terhadap kegiatan akademik mahasiswa selanjutnya. Tujuan penelitian ini adalah mengimplementasikan algoritma K-means Clustering dalam mengetahui konsentrasi bidang mahasiswa Ilmu Komputer Universitas Nahdlatul Ulama Blitar. Dengan demikian pengelompokan konsentrasi bidang mahasiswa dapat diimplementasikan dalam algoritma K-means Clustering dalam mengetahui konsentrasi bidang mahasiswa Ilmu Komputer Universitas Nahdlatul Ulama Blitar. Salah satu metode yang dapat digunakan dalam mengelompokkan mahasiswa sesuai dengan konsentrasi bidangnya yaitu metode K-Means Clustering. K-Means Clustering merupakan salah satu metode cluster analysis yang berusaha mempartisi data yang ada kedalam bentuk cluster atau kelompok berdasarkan karakteristiknya. Sehingga data yang memiliki kemiripan akan berada pada satu cluster sedangkan data yang memiliki ketidaksamaan akan berada pada cluster lain. Pada pengelompokan data konsentrasi bidang mahasiswa sebanyak 62 data menggunakan metode K-Means Clustering menunjukkan hasil berupa 4 cluster yaitu Sistem Informasi, Sistem Cerdas, Net-Centric Computing, dan Game Animasi. Berdasarkan dari perancangan, implementasi, pengujian dan pembahasan maka diperoleh kesimpulan bahwa metode K-Means dengan menggunakan jarak Manhattan dapat digunakan untuk mengklaster konsentrasi bidang mahasiswa. Tingkat kevalitan dihitung dengan metode Davies-Bouldin Index (DBI) menghasilkan nilai sebesar 0.27 yang merupakan baik karena semakin mendekati 0 maka tingkat kevalitan semakin baik.
Co-Authors Adi Diantoro Huang-Cheng Kuo Muhammad Rizky Ramadhan Nurul Aziz Tri Wahyuni