Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal RJOCS (Riau Journal of Computer Science)
Efrida
Teknik Informatika, Fakultas Ilmu Komputer, UniversitasPasir Pengaraian
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : RJOCS (Riau Journal of Computer Science)

 1 
IDENTIFIKASI DAN KLASIFIKASI UMKM DI KABUPATEN ROKAN HULU MENGGUNAKAN METODE K-MEANS Erni Rouza; Basorudin; Efrida
RJoCS (Riau Journal of Computer Science) Vol. 7 No. 1 (2021): Riau Journal of Computer Science
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v7i1.1819

Abstract

Saat ini Dinas Koperasi UKM sudah memiliki Websitepemetaan UMKM berbasis GIS.Namun pada websiteUMKM saat ini hanya menampilkan titik lokasi UMKM di peta saja dan tidak menampilkan jumlah usaha mikro, kecil, dan menengah yang tersebar disetiap Kecamatan yang ada Kabupaten Rokan Hulu. Berdasarkan website pemetaan UMKM berbasis GIS tersebut Saya ingin mengembangkan website tersebut dengan menambahkan metode penetilian data mining dengan menggunakan algoritma K-Means.K-Means merupakan salah satu metode data clusteringnon hirarki yang mengelompokan data dalam bentuk satu atau lebih cluster/kelompok. Data-data yang memiliki karakteristik yang sama dikelompokan dalam satu clusteratau kelompok dan data yang memiliki karakteristik yang berbeda dikelompokan dengan clusteratau kelompok yang lain sehingga data yang berada dalam satu clusteratau kelompok memiliki tingkat variasi yang kecil. Inputan pada penelitian ini adalaha UMKM dengan variabel penilaian berdasarkan nilai aset dan nilai omset pertahunya yang kemudian diproses menggunakan algoritma K-Meanssehingga menghasilkan outputnya beru clusteratau pengelompokan UMKM itu sendiri. Terdapat 3 clusterpada penelitian ini yaitu cluster 1 Usaha Mikro, cluster2 Usaha Kecil dan cluster3 Usaha Menengah. Pada pengujian 14 data usaha, penelitian ini berhasil menerapan metode K-Means untuk identifikasi dan klasifikasi UMKM dengan hasil pengujian 29% data ke cluster1 sebanyak 4 data, 42% data ke cluster2 sebanyak 6 data dan 29% data ke cluster3 sebanyak 4 data.
Co-Authors Basorudin Erni Rouza, Erni