Article Per Year (5 Year)
p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika Informatics for Educators and Professional : Journal of Informatics INTERNAL (Information System Journal)
Anjar Permadi
STMIK IKMI Cirebon
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengelompokkan Dataset Bus Menggunakan Algoritma K-Means Anjar Permadi; Yudhistira Arie Wijaya
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 7 No 2 (2023): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2023)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/itbi.v8i1.2259

Abstract

Data mining is the process of finding information by identifying patterns from datasets. The process of finding this information can be done by grouping data into several groups from a dataset which in data mining is called the clustering method. Clustering is the process of partitioning a dataset into several subsets or groups based on the similarity of the characteristics of each data in the existing groups. The clustering method used in this research is K-Means which belongs to the Partition Clustering algorithm group. This method has also been widely used in solving problems related to sales clustering, forest fires, agriculture, transportation, and so on. In this study, the k-means algorithm was used to classify the Bus BB dataset based on data collected during 2022. In the process of converting raw datasets into useful information, the Knowledge Discovery in Database (KDD) process was used. In the early stages, data cleaning will be carried out, then data selection, data transformation, and data mining will be carried out using the Rapidminer software. Modeling results were evaluated using the Davies Bouldin Index (DBI) instrument. Based on the research that has been done, it can be seen that the K-Means algorithm can be used to group BB bus datasets. Which later can be used by companies as an illustration, this research can also be used as input for companies/service providers. Abstrak Bahasa Inggris maksimum 250 kata dalam satu alinea menggunakan huruf Arial 10, spasi 1. Abstrak berisi pendahuluan singkat, tujuan, metode dan hasil secara ringkas dan jelas. Penulisan singkatan yang tidak umum tidak diperkenankan kecuali didefinisikan sebelumnya.
Pengelompokan Terbaik Menggunakan Algoritma K-Means Pada Dataset Bus Biskita Bogor Anjar Permadi; Yudhistira Arie Wiyaja
INTERNAL (Information System Journal) Vol. 6 No. 1 (2023)
Publisher : Masoem University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Data mining merupakan proses penemuan informasi dengan mengidentifikasi pola dari dataset. Proses penemuan informasi tersebut dapat dilakukan dengan metode pengelompokan data ke dalam beberapa kelompok dari sebuah dataset yang dalam data mining disebut metode clustering. Clustering merupakan proses mempartisi dataset menjadi beberapa subset atau kelompok berdasarkan kesamaan karakteristik masing-masing data pada kelompok yang ada. Metode Clustering yang digunakan dalam penelitian ini adalah K-Means yang termasuk ke dalam golongan algoritma Partition Clustering. Metode ini juga sudah banyak digunakan dalam penyelesaian masalah terkait klasterisasi pejualan, kebakaran hutan, pertanian, transportasi, dan sebagainya. Pada penelitian digunakan algoritma k-means untuk mengelompokkan dataset bus Bisikita Bogor berdasarkan data yang diambil selama tahun 2022. Dalam melakukan proses mengubah dataset mentah menjadi suatu informasi yang bermanfaat, maka digunakan proses Knowledge Discovery in Database (KDD). Pada tahap awal akan dilakukan pembersihan data, selanjutnya dilakukan seleksi data, transformasi data, dan data mining dengan menggunakan perangkat lunak Rapidminer. Hasil pemodelan dievaluasi menggunakan instrumen Davies Bouldin Index (DBI). Berdasarkan penelitian yang telah dilakukan, dapat diketahui bahwa algoritma K-Means dapat digunakan untuk mengelompokan dataset bus biskita. Yang nantinya bisa dimanfaatkan oleh perusahaan sebagai gambaran, penelitian juga ini bisa digunakan sebagai masukan bagi perusahaan/penyedia jasa.
Data Mining Pengelompokan Dataset Bus Biskita Di Kota Bogor Menggunakan Metode K-Means Anjar Permadi
Jurnal Sarjana Teknik Informatika Vol 11, No 3 (2023): Oktober
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v11i3.25839

Abstract

Data mining merupakan proses penemuan informasi dengan mengidentifikasi pola dari dataset. Proses penemuan informasi tersebut dapat dilakukan dengan  metode pengelompokan data ke dalam beberapa kelompok dari sebuah dataset yang dalam data mining disebut metode clustering. Clustering merupakan proses mempartisi dataset menjadi beberapa subset atau kelompok berdasarkan kesamaan karakteristik masing-masing data pada kelompok yang ada. Metode Clustering yang digunakan dalam penelitian ini adalah K-Means yang termasuk ke dalam golongan algoritma Partition Clustering. Metode ini juga sudah banyak digunakan dalam penyelesaian masalah terkait klasterisasi pejualan, kebakaran hutan, pertanian, transportasi, dan sebagainya. Pada penelitian digunakan algoritma k-means untuk mengelompokkan dataset bus Bisikita Bogor berdasarkan data yang diambil selama tahun 2022. Dalam melakukan proses mengubah dataset mentah menjadi suatu informasi yang bermanfaat, maka digunakan proses Knowledge Discovery in Database (KDD). Pada tahap awal akan dilakukan pembersihan data, selanjutnya dilakukan seleksi data, transformasi data, dan data mining dengan menggunakan perangkat lunak Rapidminer. Hasil pemodelan dievaluasi menggunakan instrumen Davies Bouldin Index (DBI). Berdasarkan penelitian yang telah dilakukan, dapat diketahui bahwa algoritma K-Means dapat digunakan untuk mengelompokan dataset bus biskita. Yang nantinya bisa dimanfaatkan oleh perusahaan sebagai gambaran, penelitian juga ini bisa digunakan sebagai masukan bagi perusahaan/penyedia jasa.
Co-Authors Yudhistira Arie Wijaya Yudhistira Arie Wiyaja