Article Per Year (5 Year)
p-Index From 2019 - 2024
4.621
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknologi Ilmu Komputer AMMA : Jurnal Pengabdian Masyarakat
Danar Dana, Raditya
Unknown Affiliation
Humanities Chemistry Computer Science & IT Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
ANALISIS PENGELOMPOKKAN DATASET PEMILU 2014 DAN 2019 DPR RI DI KOTA CIREBON MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Mulyana, Krisna; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8212

Abstract

Strategi politik merupakan perencanaan matang yang disusun dan dilaksanakan oleh seluruh partai politik dalam menyongsong tahun politik mendatang. Data perolehan suara sangat penting untuk dikaji lebih dalam agar menjadi informasi bermanfaat bagi peluang kemenangan. Namun, belum dilakukan analisis mendalam terhadap data Pemilu yang tersedia di KPU Kota Cirebon, utamanya data suara DPR RI. Oleh karena itu, penelitian ini bertujuan memanfaatkan teknik data mining agar dapat membantu mempercepat proses pengambilan keputusan strategis dengan menerapkan teknik clustering dalam mengolah data Pemilu untuk memetakan pola persaingan antar parpol dan koalisi di setiap daerah pemilihan. Metode Knowledge Discovery in Database (KDD) dengan Algoritma K-Means Clustering digunakan untuk menganalisis data pemilu. Tahapan KDD dimulai dari seleksi, pra-pemrosesan, transformasi data, klusterisasi dan evaluasi kluster. Penelitian juga mencari nilai parameter K, iterasi, dan measuretype optimal darip algoritma K-Means berdasarkan nilai DBI. Hasil penelitian ini memperoleh Nilai DBI dari iterasi 1 dan numerical measure sebagai measure type terbaik untuk mendapatkan nilai DBI terbaik yaitu 0,334 pada K=3, yang menunjukkan tingkat kompetisi partai yang berbeda di Kota Cirebon, yaitu C1 (tinggi) diperoleh 232 anggota, C2 (menengah) diperoleh 160 anggota, dan C3 (rendah) diperoleh 224 anggota. Hasil ini bermanfaat bagi parpol dalam merumuskan strategi memenangkan pemilu pada basis masa masing-masing.
KOMPARASI ALGORITMA K-MEANS DAN K-MEDOIDS CLUSTERING PADA DATA PENYEBARAN KASUS HIV DI PROVINSI JAWA BARAT Soni, Moh; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8274

Abstract

Dinas Kesehatan Jawa Barat mencatat kasus HIV pada tahun 2022 di Jawa Barat terus mengalami peningkatan. Situasi ini mencerminkan penularan HIV di Jawa Barat masih berlangsung di masyarakat hingga saat ini dan memerlukan upaya pencegahan. Berdasarkan permasalahan tersebut, penelitian ini melakukan pengelompokkan dengan metode perbandingan algoritma K-Means dan K-Medoids untuk melihat algoritma mana yang paling optimal dari segi performa nilai Davies-Boudien Index (DBI) dan waktu komputasi. Analisis cluster dilakukan berdasarkan wilayah, jenis kelamin dan umur. Proses penelitian menggunakan metode KDD (Knowledge Discovery in Databases) mencakup tahap Data selection, Pre-processing, Transformation, Data mining, dan Evalution/ interpretation. Hasil penelitian menunjukkan algoritma K-Means sebagai metode yang paling baik dan optimal dalam melakukan pengelompokkan dibandingkan dengan algoritma K-Medoids. Hasil pengujian optimal pada algoritma K-Means didapat pada K=4 dengan nilai validitas DBI 0,102, berbeda dengan algoritma K-Medoids yang menunjukkan klaster optimal pada K=3 dengan nilai DBI 0,130. Selain itu, dalam hal perbandingan kinerja kecepatan didapatkan bahwa K-Means memiliki waktu komputasi lebih cepat dibandingkan dengan algoritma K-Medoids yaitu 5 detik pada algoritma K-Means dan 5 menit pada K-Medoids. Hasil penelitian diharapkan dapat membantu pemerintah dalam perencanaan dan pengembangan strategi pencegahan HIV/AIDS di Jawa Barat serta dapat digunakan sebagai panduan untuk menentukan prioritas dalam penanganan penyebaran HIV.
DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS PADA DATA KUNJUNGAN WISATAWAN DI KABUPATEN KARAWANG Gustipartsani, Kamaludin; Rahaningsih, Nining; Danar Dana, Raditya; Yulia Mustafa, Iva
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8282

Abstract

Karawang merupakan sebuah Kabupaten di Provinsi Jawa Barat yang memiliki cukup banyak wisata di daerahnya. Dari berbagai tempat wisata yang ada di setiap Kecamatan di Kabupaten Karawang terdapat data jumlah kunjungan wisatawan setiap tahunnya. Pada data yang didapat dari situs web opendata.jabarprov.go.id masih terdapat banyak objek wisata yang sepi pengunjung. Hal tersebut dapat terjadi karena pengembangan wisata di Kabupaten Karawang masih kurang merata. Dalam hal ini, maka akan dilakukan pengelompokkan wisata yang ditujukan untuk dasar pengambilan keputusan terkait peningkatan pengelolaan objek wisata . Dengan menggunakan Knowledge Discovery in Database (KDD), penelitian ini akan menerapkan data mining clustering menggunakan algoritma K-Means. Implementasi data mining dilakukan dengan menggunakan tools RapidMiner. Analisa clustering bertujuan untuk mencari jumlah k yang optimal untuk pengelompokkan objek wisata. Hasil dari penelitian ini diperoleh jumlah k yang optimal adalah 3 dengan kelompok 1 sebagai kelompok jumlah wisatawan rendah, kelompok 2 sebagau kelompok jumlah wisatawan sedang, dan kelompok 3 sebagai kelompok jumlah wisatawan tinggi.
PENERAPAN DATA MINING UNTUK KLASIFIKASI PENJUALAN OBAT MENGGUNAKAN METODE K-NEAREST NEIGHBOR Sutra Safira, Meita; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8325

Abstract

Dalam era digital saat ini, perusahaan farmasi dan apotek mengumpulkan data penjualan yang melimpah, yang dapat digunakan untuk mengidentifikasi tren penjualan, pola pembelian pelanggan, dan memperbaiki strategi pemasaran. Penelitian ini bertujuan untuk menerapkan metode data mining, khususnya algoritma K-Nearest Neighbor (KNN) untuk mengklasifikasikan data penjualan obat. KNN adalah algoritma yang telah terbukti efektif dalam klasifikasi data. Dalam penelitian ini, telah dikumpulkan data penjualan obat dari apotek selama periode tertentu, termasuk atribut seperti jenis obat, Jumlah Penjualan, dan keterangan penjualan. Penelitian ini menggunakan metode Knowledge Discovery in Database dengan tahapan data selection, preprocessing, trasformasi, data mining, dan evaluasi. Serta dalam proses penggolahannya menggunakan tool Rapidminer. Hasil pada proses evaluasi menunjukan akurasi pada masing-masing parameter adalah akurasi k-5 sebesar 91.08%, akurasi k-6 sebesar 93.62%, akurasi k-7 sebesar 94.26%, akurasi k-8 sebesar 93.00%, akurasi k-9 sebesar 93.62%, akurasi k-10 sebesar 93.62%. Hasil penelitian ini menunjukan bahwa penerapan KNN dalam klasifikasi penjualan obat memiliki potensi dalam mengoptimalkan stok obat.
PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS UNTUK PENGELOMPOKAN HASIL PERTANIAN DI KABUPATEN CIREBON Nafilah, Mala; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8326

Abstract

Dataset mengenai pengelompokan hasil produksi pertanian Dinas Pertanian Kabupaten Cirebon saat ini masih belum tersedia. Keterbatasan dataset ini membuat kurangnya informasi mengenai perbedaan dan keunggulan hasil pertanian antar kecamatan. Oleh karena itu, sebagai salah satu usaha dalam membantu Dinas Pertanian untuk memudahkan pemberian informasi kepada masyarakat dan pihak tertentu dalam mencari informasi, dengan melakukan pengolahan data yaitu pengelompokan yang dapat menyelesaikan permasalahan tersebut. Diperlukan adanya pengelompokan yaitu untuk pemetaan kecamatan dengan hasil produksi pertanian menggunakan metode clustering. Metode clustering yang diterapkan adalah algoritma K-Means dan K-Medoids. Kemudian dilakukan perbandingan berdasarkan nilai Davies Bouldin Index (DBI) kedua algoritma agar bisa memilih algoritma clustering terbaik. Tujuannya untuk mengetahui setiap Kecamatan di Kabupaten Cirebon dengan hasil pertanian yang terkumpul dalam suatu cluster tertentu. Microsoft Excel dan RapidMiner digunakan untuk proses pengolahan data. Metode pendekatan menggunaan teknik data mining Knowledge Discovery in Database Process (KDD) dengan langkah dalam prosesnya adalah data selection, prepocessing, transformasi, data mining dan evaluasi. Hasil perbandingan antara K-Means dan K-Medoids menunjukan bahwa nilai DBI pada K-Means sebesar 0,368 mendapatkan 3 cluster sedangkan nilai DBI K-Medoids sebesar 0,706 mendapatkan 8 cluster. Dapat disimpulkan nilai optimal K-Means menghasilkan 0,368 dengan 3 cluster.
IMPLEMENTASI ALGORITMA K-MEANS DALAM ANALISIS CLUSTER KORBAN KEKERASAN DI PROVINSI JAWA BARAT Awaliyah, Lia; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8332

Abstract

Kekerasan diartikan sebagai tindakan yang menyebabkan kerugian fisik, psikologis, atau perampasan hak korban. Pada tahun 2020-2022, tercatat peningkatan kasus kekerasan di Indonesia, Provinsi Jawa Barat menjadi salah satu yang paling terdampak. Kurangnya pemahaman mengenai pola dan karakteristik korban menjadi hambatan upaya perlindungan. Penelitian ini bertujuan untuk menganalisis dan mengelompokkan korban kekerasan berdasarkan kategori pendidikan, jenis kelamin, jumlah dan Kabupaten/Kota dengan memanfaatkan metode algoritma k-means clustering. Hasil pengujian menggunakan tools Rapidminer 10.2 dan metrik evaluasi DBI, menunjukkan cluster optimal pada K=2, dengan nilai validitas 0,157. Cluster 0 mencakup Kabupaten Bandung Barat, Kabupaten Bekasi, Kabupaten Karawang, Kabupaten Pangandaran, Kabupaten Purwakarta, Kota Bandung, Kota Banjar, Kota Bekasi, Kota Bogor, Kota Cimahi, Kota Cirebon, Kota Depok, Kota Sukabumi, dan Kota Tasikmalaya, dimana korban laki-laki didominasi tingkat pendidikan NA, tidak sekolah, SD, SLTA, dan TK dan korban perempuan didominasi tingkat pendidikan NA, SD, SLTA, Perguruan Tinggi, TK, dan PAUD. Cluster 1 mencakup Kabupaten Bandung, Kabupaten Bogor, Kabupaten Ciamis, Kabupaten Cianjur, Kabupaten Cirebon, Kabupaten Garut, Kabupaten Indramayu, Kabupaten Kuningan, Kabupaten Majalengka, Kabupaten Subang, Kabupaten Sukabumi, Kabupaten Sumedang, dan Kabupaten Tasikmalaya, dimana korban laki-laki didominasi tingkat pendidikan SLTP dan PAUD dan korban perempuan didominasi tingkat pendidikan tidak sekolah dan SLTP.
OPTIMASI ANALISIS CLUSTERING UNTUK AKTIVITAS DAN RESPON PENGGUNA MEDIA SOSIAL DENGAN K-MEANS Nur Afrilia, Mela; Rahaningsih, Nining; Danar Dana, Raditya; Dienwati Nuris, Nisa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8334

Abstract

Media sosial sebagai platform utama interaksi dan aktivitas online memiliki peran sentral dalam membentuk pola perilaku pengguna. Analisis clustering aktivitas dan respons pengguna di media sosial menjadi penting untuk pengembangan strategi pemasaran dan manajemen platform yang efektif. Dalam lingkungan yang semakin kompleks ini, diperlukan pendekatan analisis yang sistematis. Penelitian ini bertujuan mendalami perilaku pengguna media sosial melalui algoritma K-Means dan Davies Bouldin Index (DBI) untuk mengoptimalkan jumlah cluster, sehingga memperkaya pemahaman pola aktivitas dan respons pengguna. Dengan menggunakan RapidMiner, penelitian berhasil mengidentifikasi tiga cluster optimal, dengan Cluster 1 menonjol sebagai yang paling dominan, diisi oleh pengguna yang menunjukkan tingkat aktivitas dan respons lebih tinggi dibandingkan kelompok lainnya. Temuan ini dapat memberikan panduan berharga bagi pengembangan strategi media sosial yang lebih tepat sasaran.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR PADA TWITTER UNTUK ANALISIS SENTIMEN MASYARAKAT TERHADAP LGBT DI INDONESIA Mamluatul Hikmah, Lulu; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8336

Abstract

Sampai saat ini, topik LGBT (Lesbian, Gay, Bisexsual, Transgender) di Indonesia masih sering diperdebatkan karena kelompok ini mulai mengekspresikan diri secara langsung melalui aktivitas yang mereka lakukan dan sering mengomentari aktivitas mereka di media sosial. Hasil laporan Badan Narkotika Nasional (BNN) tercatat tahun 2022 jumlah kasus HIV/AIDS ada 62.856 kasus dengan rincian 9.901 kasus AIDS dan 52.955 kasus HIV. Hal ini menimbulkan perbincangan publik melalui media sosial salah satunya Twitter dengan memberikan berbagai macam komentar berupa dukungan, penolakan dan pandangan netral terhadap fenomena tersebut. Banyaknya jumlah dan ragam respon akan menjadi big data sehingga dapat menghasilkan informasi yang berharga. Data yang digunakan sebanyak 1501 tweet dengan kata kunci yang digunakan adalah “LGBT”. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat terhadap kasus LGBT. Metode yang digunakan dalam penelitian ini adalah algoritma K-Nearest Neighbor. Penelitian dilakukan untuk mengklasifikasi sentimen ke dalam tiga kelas yaitu positif, negatif dan netral dengan pemodelan 10 k-folds cross validation. Hasil klasifikasi yang diperoleh menunjukkan pandangan masyarakat terhadap LGBT cenderung netral ditunjukkan dengan polaritas sentimen netral 86.94% sebanyak 1305 tweets, sentimen positif 8.39% sebanyak 126 tweets dan sentimen negatif 4.66% sebanyak 70 tweets. Hasil akurasi tertinggi dari algoritma K-Nearest Neighbor dengan nilai k=6 yaitu 85.90%.
FIREWALL FILTERING BERBASIS DEEP PACKET INSPECTION DALAM MENDETEKSI DAN MENCEGAH ANCAMAN MALWARE Syafi’i Bachtiar, Mochammad; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8387

Abstract

Ancaman Malware sudah menjadi masalah serius bagi keamanan sistem komputer bagi suatu organisasi, karena dapat menyebabkan kerugian finansial dan gangguan operasional. Deep Packet Inspection adalah teknologi yang memungkinkan firewall untuk memeriksa konten aktual dari paket data yang akan melewatinya, bukan hanya header paketnya. Teknologi DPI pertama kali diperkenalkan pada tahun 1990-an untuk memfilter konten web. Saat ini, DPI digunakan secara luas oleh firewall tingkat enterprise, Intrusion Prevention System , dan perangkat keamanan jaringan lainnya untuk mendeteksi ancaman yang mungkin tidak terlihat oleh firewall tradisional. Sebagai kontribusi untuk membantu organisasi ataupun individu dari ancaman siber. Penelitian yang digunakan mengusung pendekatan eksperimental yang secara sistematis menguji kinerja Firewall berbasis DPI untuk mendeteksi dan mencegah serangan Malware. Variabel yang mungkin mempengaruhi hasil digunakan untuk mendapatkan kesimpulan sebab akibat yang kuat. Hasil pengujian menunjukkan bahwa menambahkan sistem DPI ke Firewall Fortigate meningkatkan deteksi situs web berbahaya dan membatasi akses sebesar 25%. Namun agar DPI dapat bekerja secara maksimal, ada beberapa faktor yang harus diperhatikan seperti kemungkinan terjadinya gangguan jaringan ataupun trouble pada alat yang digunakan dan perlunya regulasi untuk penerapan DPI di Indonesia. Oleh karena itu, penerapan DPI harus tetap mempertimbangkan standar etika dan kepatuhan terhadap peraturan perundang-undangan yang berlaku.
ANALISIS POLA PENJUALAN OBAT DI APOTEK AN-NAAFI MENGGUNAKAN METODE K-MEANS CLUSTERING Fajar, Miftahul; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8395

Abstract

Apotek An-Naafi mengalami minimnya informasi untuk pengembangan bisnis dan produk karena belum melakukan pengelompokan data penjualan obat berdasarkan perilaku konsumen. Ini menghambat analisis peluang pengembangan produk, layanan, dan strategi pemasaran yang tepat. Oleh karena itu, perlu melakukan pengelompokan data penjualan obat berdasarkan perilaku konsumen untuk mendukung pengembangan bisnis di Apotek An-Naafi. Penelitian ini menerapkan metode K-Means untuk menganalisis data penjualan obat di Apotek An-Naafi. Data obat dikelompokkan berdasarkan tingkat penjualan (rendah dan tinggi) untuk mengidentifikasi pola dan tren penjualan guna memberikan wawasan penting bagi apotek. Data penjualan melibatkan informasi seperti nama obat, penjualan, pendapatan dan laba. Analisis dimulai dengan preprocessing data, termasuk penanganan data yang hilang dan kategorisasi obat berdasarkan tingkat pemakaian. Metode K-Means diterapkan dengan inisialisasi cluster yang sesuai, membentuk 2 cluster utama mencerminkan tingkat penjualan: rendah dan tinggi. Setiap cluster menunjukkan karakteristik penjualan obat yang berbeda, memberikan wawasan tentang preferensi pelanggan dan potensi peningkatan penjualan. Hasil ini mendalam tentang tren penjualan obat, termasuk obat yang perlu perhatian lebih, peningkatan signifikan, atau penurunan dalam kategori tertentu. Diskusi hasil penelitian melibatkan rekomendasi untuk meningkatkan strategi penjualan obat di Apotek An-Naafi. Penerapan K-Means berhasil membentuk cluster, memberikan wawasan berharga untuk meningkatkan efisiensi dalam industri farmasi. Penggunaan Euclidean distance memengaruhi pembentukan hasil cluster, dengan cluster 1 menonjol dalam penjualan dan pendapatan tinggi, sedangkan cluster 0 lebih beragam. Cluster 0 mencakup 381 hasil penjualan dengan pendapatan sebesar Rp. 668.767, yang tergolong rendah. Sementara itu, cluster 1 menunjukkan hasil unggul dengan 521 penjualan dan pendapatan sebesar Rp. 3.353.880, yang dikategorikan sebagai tinggi.
Co-Authors Abdillah Fudholi, Luthfi Agustina, Inggit Andriyanti, Rina Arif Sofyan, Mohamad Awaliyah, Lia Aziz Rafi, Muhamad Azizah, Maulidina Deva Rian, Rananda Dienwati Nuris, Nisa Elfrida Ratnawati Fajar, Miftahul Gita Budiarti, Mariani Gunawan Rahmat, Gun Gun Gustipartsani, Kamaludin Hafizh Fakhriza, Muhammad Hayati, Umi Imam Muarif, Tiar Irma Purnamasari, Ade Kaswandi, Adi Kholil, Kholil AldiYatna Kurmasih, Masih Lathifah, Umi Lidia Putri, Teneshya Mamluatul Hikmah, Lulu Maulana, Ajay Maulana, Guruh Maulidiyani, Nurul Muhamad Andika, Agus Mulyana, Krisna Munawar, Adi Nafilah, Mala Nining Rahaningsih Novita Safitri Nur Afrilia, Mela Oop Sofiyah, Siti Parahita, Parahita Qodri M.A, M. Alifia R., Nining Rahaningsih , Nining Rinaldi Dikananda, Arif Roghib, Moh. Saeful Anwar, Saeful Soni, Moh Suarna, Nana Sutra Safira, Meita Syafi’i Bachtiar, Mochammad Tri Suryani, Juliani Yudhistira Arie Wijaya Yulia Mustafa, Iva