Article Per Year (5 Year)
p-Index From 2019 - 2024
2.17
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer CogITo Smart Journal Masyarakat Telematika Dan Informasi : Jurnal Penelitian Teknologi Informasi dan Komunikasi SENSITEK IT (INFORMATIC TECHNIQUE) JOURNAL INFOSYS (INFORMATION SYSTEM) JOURNAL DECODE: Jurnal Pendidikan Teknologi Informasi AJAD : Jurnal Pengabdian kepada Masyarakat International Journal Software Engineering and Computer Science (IJSECS) Jurnal Sains dan Ilmu Terapan Jurnal Elektronika dan Teknik Informatika Terapan
Fina Nasari
Politeknik Kampar
Aerospace Engineering Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : INFOSYS (INFORMATION SYSTEM) JOURNAL

 1 
Algoritma K-Means Untuk Mengelompokkan Suplier Obat (Studi Kasus: RS. Prima Husada Cipta Medan) Fahdin Zikri; Fina Nasari
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 5, No 1: InfoSys Agustus 2020
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.5.1.2020.01-11

Abstract

Obat merupakan zat yang berasal dari tumbuhan, hewan, mineral maupun zat kimia tertentu yang dapat digunakan untuk mengurangi rasa sakit, memperlambat proses penyakit dan atau menyembuhkan penyakit. Obat-obat yang diterima oleh RS. Prima Husada Cipta Medan merupakan obat yang telah dikirimkan oleh suplier-suplier nya. Dengan banyaknya data tersebut, maka bagian Farmasi RS. Prima Husada Cipta Medan mengalami kesulitan untuk menentukan tingkat pengiriman terhadap masing-masing supplier. Dari permasalahan yang ada, maka penulis ingin menerapkan data mining dengan algoritma K-Means (Clustering) menggunakan aplikasi RapidMiner untuk mengelompokkan data supplier, yang awalnya tidak tersusun/terstruktur bisa menjadi data yang terstruktur, selain itu penggalian informasi pada sebuah data yang berukuran sangat besar (memiliki jumlah field dan jumlah record yang banyak) tidak dapat dilakukan dengan mudah, maka daripada itu teknologi data mining adalah salah satu alat bantu untuk penggalian data berukuran besar dengan tingkat kerumitan yang cukup mudah. Pengolahan data mining yang dilakukan pada penelitian ini menggunakan tahapan Knowledge Discovery in Database (KDD), agar dapat menghasilkan informasi sesuai dengan tahapan yang telah ditentukan. Penelitian ini juga menggunakan tools RapidMiner agar dapat dilakukannya pengujian dengan perhitungan manual dan dengan menggunakan tools RapidMiner. Hasil akhir dari penelitian ini berbentuk informasi mengenai tingkat pengiriman dari para supplier yang terbagi menjadi 3 kelompok pengiriman yaitu tinggi, sedang, dan rendah.
Optimasi Metode K-Means dan K-Medoids Berdasarkan Jumlah Cluster dan Nilai DBI Dalam Pengelompokkan Produksi Kelapa Sawit Di Provinsi Riau Fina Nasari; Dahriani Hakim Tanjung; Fitri Handayani
INFOSYS (INFORMATION SYSTEM) JOURNAL Vol 7, No 2 (2023): InfoSys Februari 2023
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/infosys.7.2.2023.129-141

Abstract

Kelapa sawit merupakan salah satu jenis sumber daya alam yang terkenal didunia. Perkebunan kelapa sawit terbesar didunia berada di Indonesia. Provinsi  riau menjadi salah satu provinsi dengan produksi kelapa sawit tertinggi di Indonesia dengan luas kebun 2.8 juta Ha produksi 8.8 juta ton per tahun. Penyebaran kelapa sawit di provinsi riau hampir diseluruh kabupaten, sehingga perlu adanya pengelompokkan daerah produksi kelapa sawit. Clustering menjadi salah satu metode yang dapat  mengelompokkan data pada data yang sejenis. Proses clustering dapat menggunakan metode K-means atau K-medoids. Perlu adanya pengujian untuk melihat metode yang lebih optimal dalam proses cluster berdasarkan jumlah cluster dan nilai DBI untuk mendappatkan hasil pengelompokkan daerah produksi kelapa sawit terbaik. Pengujian menggunakan Tools Rapit Miner. Jumlah Cluster yang digunakan dalam pengujian ini adalah 2, 3 dan 5. Hasil penelitian ini menunjukkan Jumlah Cluster 2 menjadi cluster terbaik dengan nilai DBI untuk metode K-medoid -159796492242,667 dan metode K-Means -82338884292,014. Metode K-Medoid menjadi metode cluster terbaik dengan cluster yang dihasilkan berupa 7 kabupaten pada kelompok jumlah produksi Tinggi dan 5 kabupaten masuk pada kelompok jumlah produksi Rendah.
Co-Authors Alfa Saleh Andri Nofiar Andri Nofiar Am Andri Nofiar. Am Anggun Dinda Putri Milenia Antoni Pribadi Antoni Pribadi Charles Jhony Manto Sianturi Dahriani Hakim Tanjung Fahdin Zikri Fenty Kurnia Oktorina Fitri Fitri Handayani Helmi Kurniawan Kurniawan, Helmi Labuan Nababan Muhammad Ridwan Niken Ellani Patitis Nina Veronika Nur Asma Deli Nurhayati Nurhayati Putra, Tengku Indra Ria Eka Sari Slamet Triyanto Tengku Indra Putra Vivi Elvina Simanjutak