Abstract:bstract: Disease is an abnormal condition in which the body or mind experiences discomfort or dysfunction in the person it affects. Every day the number of people suffering from infectious diseases always increases with…
different types of diseases. Therefore, there is a need for a grouping to help the government find information about the diseases most commonly suffered by citizens. In this research, patient disease data was grouped using multidimensional clustering data mining techniques. K-Means Clustering is a non-hierarchical data clustering method that groups data in the form of one or more clusters. Data that has the same characteristics is grouped in one cluster and data that has different characteristics is grouped in another cluster so that the data in one cluster has a small level of variation. This research aims to make the government pay more attention to areas that have high rates of infectious diseases both from the environment and other things. The results of research from 34 provinces and 8 infectious diseases show data where 32 areas are very vulnerable, 2 areas are vulnerable and 2 areas are quite vulnerable.
Keywords: Data Mining, Disease Cases, K-Means
Abstrak: Penyakit adalah suatu keadaan abnormal dimana tubuh ataupun pikiran mengalami ketidaknyamanan atau disfungsi terhadap orang yang dipengaruhinya. Setiap harinya jumlah warga yang menderita penyakit menular selalu bertambah dengan jenis penyakit yang berbeda. Oleh sebab itu, perlu adanya pengelompokan untuk membantu pihak pemerintah menemukan informasi mengenai penyakit yang paling banyak diderita oleh warga. Pada penelitian ini dilakukan pengelompokkan data penyakit pasien menggunakan teknik data mining clustering multidimensi. K-Means Clustering merupakan salah satu metode data clustering non-hirarki yang mengelompokkan data dalam bentuk satu atau lebih cluster. Data-data yang memiliki karakteristik yang sama dikelompokkan dalam satu cluster dan data yang memiliki karakteristik berbeda dikelompokkan dengan cluster yang lain sehingga data yang berada dalam satu cluster memiliki tingkat variasi yang kecil. Penelitian ini bertujuan agar pemerintah lebih perhatian terhadap daerah yang memilki angka tinggi terhadap penyakit menular baik dari lingkungan maupun dari hal lainnya. Hasil dari penelitian dari 34 Provinsi dan 8 Penyakit menular menunjukkan data dimana 32 daerah dengan sangat rawan, 2 daerah rawan dan 2 daerah cukup rawan.
Kata kunci: Data Mining, Kasus Penyakit, K-Means
Abstract:Abstract: Mekar Jaya Store is a shop that operates in the field of selling basic necessities. At the Mekar Jaya Store, there are several problems that often arise. When making sales, customers often feel disappointed because…
ause the stock that the customer should want to buy is often empty. Due to this disappointment the number of customers decreased. The process carried out is still manual so that errors often occur in recording existing data, causing a lack of efficiency in the time used. The available data is not used properly so that sales data is not utilized as well as possible to design business strategies to improve products. To solve this problem, you can use a data mining application, namely by utilizing existing data to identify the best-selling sales, to sales that are less popular with customers using the K-Means method. Where the data used is 101 sales data transactions. This research aims to group transaction data that is used to meet customer needs appropriately and overcome shortages and excess stock of goods which result in investment in sales capital. The results of this research were that the highest sales were 23 items, medium sales were 32 items, and the lowest sales were 46 items. Keywords: grocery stock; K-Means; stock management
Abstrak: Toko Mekar Jaya merupakan sebuah toko yang bergerak dalam bidang penjualan sembako. Pada Toko Mekar Jaya terdapat beberapa permasalahan yang kerap muncul. Dalam melakukan penjualan sering pelanggan merasa kecewa karena seringnya stok yang seharusnya ingin dibeli oleh pelanggan kosong. Karena kekecewaan tersebut jumlah pelanggan menurun. Adapun proses yang dilakukan masih manual sehingga masih sering terjadi kesalahan dalam pencatatan data yang ada sehingga menyebabkan kurangnya efiensi waktu yang digunakan. Ketersediaan data yang ada tidak digunakan dengan baik sehingga data penjualan tidak dimanfaatkan dengan sebaik mungkin yang dapat merancang strategi bisnis dalam meningkatkan produk. Untuk menyelesaikan masalah tersebut dapat menggunakan aplikasi data mining, yaitu dengan memanfaatkan data yang ada untuk mengidentifikasi penjualan yang paling laris, hingga penjualan yang kurang diminati oleh pelanggan menggunakan metode K-Means. Dimana data yang digunakan sebanyak 101 transaksi data penjualan. Penelitian ini bertujuan untuk mengelompokkan data transaksi yang digunakan untuk memenuhi kebutuhan pelanggan dengan tepat dan mengatasi kekurangan dan kelebihan stok barang yang mengakibatkan tertanamnya modal penjualan. Hasil dari penelitian ini dimana penjualan tertinggi terdapat 23 item, penjualan sedang terdapat 32 item, dan penjualan terendah terdapat 46 item. Kata kunci: Data Mining, K-Means, Penjualan Sembako.
Abstract: Mekar Jaya Store is a shop that operates in the field of selling basic necessities. At the Mekar Jaya Store, there are several problems that often arise. When making sales, customers often feel disappointed because the stock that the customer should want to buy is often empty. Due to this disappointment the number of customers decreased. The process carried out is still manual so that errors often occur in recording existing data, causing a lack of efficiency in the time used. The available data is not used properly so that sales data is not utilized as well as possible to design business strategies to improve products. To solve this problem, you can use a data mining application, namely by utilizing existing data to identify the best-selling sales, to sales that are less popular with customers using the K-Means method. Where the data used is 101 sales data transactions. This research aims to group transaction data that is used to meet customer needs appropriately and overcome shortages and excess stock of goods which result in investment in sales capital. The results of this research were that the highest sales were 23 items, medium sales were 32 items, and the lowest sales were 46 items. Keywords:grocery stock; K-Means; stock management
Abstrak: Toko Mekar Jaya merupakan sebuah toko yang bergerak dalam bidang penjualan sembako. Pada Toko Mekar Jaya terdapat beberapa permasalahan yang kerap muncul. Dalam melakukan penjualan sering pelanggan merasa kecewa karena seringnya stok yang seharusnya ingin dibeli oleh pelanggan kosong. Karena kekecewaan tersebut jumlah pelanggan menurun. Adapun proses yang dilakukan masih manual sehingga masih sering terjadi kesalahan dalam pencatatan data yang ada sehingga menyebabkan kurangnya efiensi waktu yang digunakan. Ketersediaan data yang ada tidak digunakan dengan baik sehingga data penjualan tidak dimanfaatkan dengan sebaik mungkin yang dapat merancang strategi bisnis dalam meningkatkan produk. Untuk menyelesaikan masalah tersebut dapat menggunakan aplikasi data mining, yaitu dengan memanfaatkan data yang ada untuk mengidentifikasi penjualan yang paling laris, hingga penjualan yang kurang diminati oleh pelanggan menggunakan metode K-Means. Dimana data yang digunakan sebanyak 101 transaksi data penjualan. Penelitian ini bertujuan untuk mengelompokkan data transaksi yang digunakan untuk memenuhi kebutuhan pelanggan dengan tepat dan mengatasi kekurangan dan kelebihan stok barang yang mengakibatkan tertanamnya modal penjualan. Hasil dari penelitian ini dimana penjualan tertinggi terdapat 23 item, penjualan sedang terdapat 32 item, dan penjualan terendah terdapat 46 item.
Kata kunci: Data Mining, K-Means, Penjualan Sembako.
Abstract:Abstract: The government has made many efforts to eradicate poverty in society by implementing programs such as pro-poor, basic food assistance and cash assistance which are useful for achieving the standards of a prosperous…
rous society. The results of data processing are useful in future decision making. Considering the large amount of public data, finding out poor people is not an easy thing for the government to do, as is the case in North Sumatra. This research uses the K-Means Clustering (Multidimensional) method, making it easier to see patterns and structures in data that are difficult to see in the original representation. The application of the K-Means Clustering (Multidimensional) algorithm produces 3 clusters with a silhouette_score value of 33, namely cluster 0 with a high level of population poverty of 1, cluster 1 with a moderate level of population poverty of 4 and cluster 2 with a low level of population poverty as many as 28.
Keywords: Resident; Poor; Data Mining; K-Means
Abstrak: Banyak upaya yang dilakukan pemerintah untuk menghapus kemiskinan pada masyarakat dengan cara melakukan program seperti pro-poor, bantuan sembako maupun bantuan uang tunai yang berguna untuk mencapai standar masyarakat sejahtera. Hasil pengolahan data tersebut berguna dalam pengambilan keputusan kedepannya. Mengingat banyaknya data masyarakat, maka untuk mengetahui masyarakat miskin bukanlah hal mudah yang dilakukan oleh pemerintah, sama halnya di Sumatera Utara. Penelitian ini menggunakan metode K-Means Clustering (Multidimensi) memudahkan untuk melihat pola dan struktur dalam data yang sulit dilihat dalam representasi aslinya. Penerapan algoritma K-Means Clustering (Multidimensi) menghasilkan 3 cluster, yaitu dengan cluster 0 dengan tingat kemiskinan penduduk yang tinggi sebanyak 1, cluster 1 dengan tingat kemiskinan penduduk yang sedang sebanyak 4 dan cluster 2 dengan tingkat kemiskinan penduduk yang rendah sebanyak 28.
Kata kunci: Penduduk; Miskin; Multidimensi; Data Mining; K-Means
Abstract:Pendidikan memainkan peran krusial dalam pengembangan individu dan masyarakat. Peningkatan mutu pendidikan menjadi fokus utama pembangunan di Indonesia, dengan peran guru sebagai faktor penting dalam mencapai tujuan tersebut.…
ebut. SMP Negeri 3 Kualuh Hulu, sebagai salah satu lembaga pendidikan, menghadapi tantangan dalam pengelompokan siswa baru ke dalam kelas unggulan. Penelitian ini menggunakan metode Data Mining, khususnya K-Means Clustering, untuk membantu dalam seleksi dan pengelompokan siswa berdasarkan nilai rapor mereka. Metode K-Means Clustering digunakan untuk mengklasifikasikan siswa ke dalam tiga kelompok: tinggi, sedang, dan rendah. Penelitian ini menggambarkan proses pengolahan data menggunakan Python untuk memperoleh hasil klasterisasi. Hasilnya menunjukkan bahwa 25 siswa memiliki nilai tinggi, 45 siswa memiliki nilai sedang, dan 41 siswa memiliki nilai rendah. Dengan informasi ini, sekolah dapat dengan cepat dan efisien menentukan siswa yang layak masuk kelas unggulan, memungkinkan peningkatan kualitas pembelajaran dan persiapan siswa untuk pendidikan lanjutan.
Abstract:Tidak sedikit upaya yang dilakukan pihak sekolah maupun pihak di bidang pendidikan untuk meningkatkan prestasi siswa di bidang akademik yang berguna untuk mencapai standar pendidikan nasional. Hasil pengolahan data tersebut…
but berguna dalam pengambilan keputusan ke depannya. Mengingat banyaknya data siswa, maka untuk mengetahui siswa berprestasi bukanlah hal mudah yang dilakukan oleh guru maupun sekolah, sama halnya diMts Hidayatul Ulumiyah Ujung Kubu. Hal tersebut dilihat dari segi penguasaan materi pelajaran baik secara teori maupun praktik. Bukan hanya itu, nilai sikap dan daftar hadir juga penting untuk dipertimbangkan. Penelitian ini mengunakan metode K-Means Clustering Semakin mendekati 1, maka modelnya semakin bagus.Penerapan algoritma K-Means Clustering menghasilkan 3 cluster dengan nilai silhouette_score sebesar 0.41, yaitu dengan cluster 0 dengan jumlah Nilai Siswa Terendah sebanyak 80 , cluster 1 dengan jumlah Nilai Siswa Tertinggi sebanyak 49, cluster 2 dengan jumlah Nilai Siswa Terbaik yaitu 82.
Abstract:Abstract: Ethics is a basic character possessed by a person in reflecting his daily life. Ethics is a picture of a person's behavior and behavior in activities in a social environment. As is the case in the world of work,…
, professional ethics is highly respected because it characterizes one's professionalism in the world of work. So as to instill good ethical character in the world of work, the STMIK Royal campus has taught supporting courses, namely professional ethics courses to support good attitudes and character in the world of profession or work. However, not all students are able to take these courses and the level of understanding of students is quite diverse, so clustering or grouping is needed based on the level of understanding of students in understanding the course. This study uses data mining techniques with the K-Means Clustering method to determine the distribution of student understanding levels of professional ethics courses. The purpose of this study was to see how far the success rate of the professional ethics course was proclaimed through the results of one semester's learning and to use the clustering results as a benchmark for developing the course and as evaluation material for students who did not understand the course.
Keywords: k-means clustering;professional ethics; students;
Abstrak: Etika merupakan karakter dasar yang dimiliki seseorang dalam mencerminkan kehidupannya sehari – hari. Etika menjadi gambaran tingkah dan perilaku seseorang dalam berkegiatan di lingkungan sosial. Seperti hal nya dalam dunia pekerjaan etika profesi sangat di junjung tinggi karena menjadi ciri khas profesionalisme seseorang dalam dunia pekerjaan. Sehingga untuk menanamkan karakter etika yang baik dalam dunia pekerjaan, kampus STMIK Royal telah mengajarkan mata kuliah pendukung yakni mata kuliah etika profesi untuk menunjang sikap dan karakter yang baik dalam dunia profesi atau pekerjaan. Namun, tidak semua mahasiswa mampu mengikuti mata kuliah tersebut dan tingkat pemahaman mahasiswa yang tergolong beragam sehingga diperlukan clustering atau pengelompokan berdasarkan tingkat pemahaman mahasiswa dalam memahami mata kuliah tersebut. Penelitian ini menggunakan teknik data mining dengan metode K-Means Clustering untuk mengetahui persebaran tingkat pemahaman mahasiswa terhadap mata kuliah etika profesi. Tujuan penelitian ini untuk melihat sejauh mana tingkat keberhasilan mata kuliah etika profesi yang dicanangkan lewat hasil pembelajaran satu semester dan menjadikan hasil clustering tersebut sebagai tolak ukur untuk mengembangkan mata kuliah tersebut dan menjadi bahan evaluasi bagi mahasiswa yang tidak memahami mata kuliah tersebut. Hasil dari clustering dalam penelitian ini terdiri atas 3 yaitu mahasiswa dengan tingkat pemahaman Baik, Cukup Baik dan Tidak Baik.
Kata Kunci: etika profesi, mahasiswa, k-means clustering.
Abstract:Abstract: The increasingly fierce business competition in this era of globalization requires companies to rearrange business strategies and tactics in order to always survive in business competition. To achieve this, there…
re are several things that can be done, namely by improving product quality, adding product types, and reducing company operational costs by using company data analysis. Data mining is a statistical process that identifies and categorizes data. PT. Swasti is a company engaged in contracting and supplying the engineering needs of palm oil mills. The purpose of this research is to help classify sales data in order to maximize stock management. In this study, the application of clustering using the k-means algorithm was used. The results of the data modeling will group the stock of goods into a number of clusters. The grouping will produce in information about the sale of goods where there are three groups, namely sales that are not selling well, selling well, and selling very well.
Keywords: k-means; data mining; clustering; sales stock.
Abstrak: Persaingan bisnis yang semakin ketat di era globalisasi ini menuntut perusahaan untuk menyusun kembali strategi dan taktik bisnis agar selalu bertahan dalam persaingan bisnis. Untuk mencapai hal tersebut, ada beberapa hal yang bisa dilakukan yaitu dengan meningkatkan kualitas produk, penambahan jenis produk, dan pengurangan biaya operasional perusahaan dengan cara menggunakan analisis data perusahaan. Data mining merupakan proses statistik yang mengidentifikasi dan mengelompokkan suatu data. PT. Swasti adalah perusahaan yang bergerak di bidang kontraktor dan supplier untuk kebutuhan teknik dari pabrik kelapa sawit. Tujuan diadakan penelitian ini untuk membantu mengelompokkan data penjualan agar dapat memaksimalkan manajemen stock. Pada penelitian ini, digunakan penerapan clustering dengan menggunakan algoritma k-means. Hasil dari pemodelan data tersebut akan mengelompokkan stock barang kedalam sejumlah cluster. Pengelompokkan tersebut akan menghasilkan informasi tentang penjualan barang dimana terdapat tiga cluster yaitu penjualan kurang laris, cukup laris, dan sangat laris.
Kata kunci: k-means; data mining; clustering; stok penjualan.
Abstract:Abstract:Theft is the illegal taking of property or belongings of another person without the permission of the owner. The most common crime problem in Asahan District is theft, so that the POLRES is still having trouble…
determining which areas are often the crime of theft. With this problem, we need to do a grouping for areas where theft often occurs, so the process used is the data mining process. Data mining is one of the processes of Knowledge Discovery from Databases (KDD). KDD is an activity that includes collecting, using historical data to find regularities, patterns or relationships in large data sets. One of the techniques known in data mining is clustering technique. The K-Means method is a method for clustering techniques, K- Means is a method that partitions data into groups so that data with the same characteristics are entered into the same set of groups and data with different characteristics are grouped into other groups. The attributes used in grouping this data are annual data, namely 2015, 2016, 2017, 2018, 2019. A case study of 9 POLSEK in the Asahan.
Keywords: Data Mining, Clustering, K-Means Algorithm, Theft Crimes Grouping.
Abstrak: Pencurian merupakan pengambilan properti atau barang milik orang lain secara tidak sah tanpa ijin dari pemilik. Masalah tindak kejahatan yang paling banyak terjadi di Kabupaten Asahan adalah tindak kejahatan pencurian sehingga pihak POLRES masih kesulitan untuk menentukan daerah mana saja yang sering terjadi tindak kejahatan pencuriaan. Dengan adanya masalah ini kita perlu melakukan pengelompokan untuk daerah mana saja yang sering terjadi tindak pencurian maka proses yang digunakan adalah proses data mining. Data mining adalah salah satu proses dari Knowledge Discovery from Databases (KDD). KDD adalah kegiatan yang meliputi pengumpulan, pemakaian data, historis untuk menemukan keteraturan, pola atau hubungan dalam set data besar. Salah satu teknik yang di kenal dalam data mining adalah teknik clustering. Metode K-Means merupakan metode untuk teknik clustering, K-Means adalah metode yang mempartisi data kedalam kelompok sehingga data berkarakteristik sama dimasukan kedalam set kelompok yang sama dan data yang berkerakteristik berbeda dikelompokkan ke dalam kelompok yang lain. Atribut yang di gunakan dalam pengelomokan data ini adalah data pertahun yaitu tahun 2015, 2016, 2017, 2018, 2019. Studi kasus pada 9 POLSEK yang ada di daerah kabupaten Asahan.
Kata kunci: Data Mining, Clustering, Algoritma K-Means, Pengelompokan Tindak Kejahatan Pencurian.
Abstract:Officers' readiness to prevent the spread of COVID-19 through document exchange is a problem in the community. This article discusses how the social engineering of COVID-19 cluster officers and Salawu Health Center officers…
ers in Tasikmalaya Regency in receiving and implementing document sterilization cabinet technology to suppress the transmission of the COVID-19 virus through document exchange. The use of ozone and UVC as sterilization media is beneficial but can negatively impact humans in the long term. Therefore education is needed for partners to avoid these negative impacts. This service activity method is partner situation analysis, pre-test, partner education, post-test, and conclusion. The result of this service is that partners have received document sterilization cabinets and UVC as room sterilizers. The results of measuring partner knowledge before and after participating in webinar activities using pre-test and post-test instruments, showed an increase in knowledge, skills and awareness by partners regarding the use of UVC and Ozone on average 83% from the initial condition of not understanding to understanding and skill.
Keywords: covid-19; ozone; uvc; health community center
Abstrak: Kesiapan petugas dalam mencegah penyebaran COVID-19 melalui pertukaran dokumen menjadi masalah di masyarakat. Artikel ini membahas tentang bagaimana rekayasa sosial pada petugas Gugus COVID-19 dan petugas Puskesmas Salawu di Kabupaten Tasikmalaya dalam penerima dan implementasi teknologi lemari sterilisasi dokumen guna menekan penularan virus COVID-19 melalui pertukaran dokumen. Penggunaan ozon dan UVC sebagai media sterilisasi sangat efektif, tetapi dapat menghasilkan dampak negatif dalam jangka Panjang, oleh karena itu diperlukan edukasi kepada mitra agar terhindar dari dampak negatif tersebut. Metode pada kegiatan pengabdian ini adalah analisis situasi mitra, Pre-test, edukasi mitra, post-test dan kesimpulan. Hasil dari pelaksanaan pengabdian ini adalah mitra telah menerima lemari sterilisasi dokumen dan UVC sebagai sterilisasi ruangan. Hasil pengukuran terhadap pengetahuan mitra sebelum dan setelah mengikuti kegiatan webinar menggunakan instrumen pre-test dan post-test, menunjukkan terjadinya peningkatan pengetahuan, keterampilan dan kewaspadaan oleh mitra terkait penggunaan UVC dan Ozon rata-rata 83% dari kondisi awal tidak memahami menjadi paham dan terampil.
Kata kunci: covid-19; ozone; uvc; puskesmas
Abstract:Abstract: Academic achievement mapping is an important process in higher education to support effective academic monitoring and guidance. In practice, student grouping is often conducted manually by academic staff using…
simple criteria such as Grade Point Average (GPA) thresholds and subjective judgment, without systematic data analysis. This study aims to apply the Fuzzy C-Means (FCM) clustering algorithm to objectively group students based on their academic achievement levels. The dataset consists of academic records from 179 sixth-semester students of the Computer Science Study Program at Universitas Islam Negeri Sumatera Utara, where 160 eligible students are processed in the FCM calculation. Three variables are used: cumulative GPA, total completed credits, and the total number of low grades (D/E). The FCM algorithm automatically performs the mapping and groups students into three categories, namely excellent, stable, and at-risk students. Cluster quality is evaluated using the Silhouette Score and Davies–Bouldin Index, showing satisfactory clustering performance. The results indicate that the proposed approach provides a data-driven and objective basis for academic decision support.
Keywords: academic achievement; clustering; fuzzy c-means; student
Abstrak: Pemetaan pencapaian akademik mahasiswa merupakan proses penting dalam pendidikan tinggi untuk mendukung pemantauan dan pembinaan akademik yang tepat sasaran. Dalam praktiknya, pengelompokan mahasiswa masih sering dilakukan secara manual oleh pihak akademik berdasarkan kriteria sederhana, seperti batasan Indeks Prestasi Kumulatif (IPK) dan penilaian subjektif, tanpa analisis data yang sistematis. Penelitian ini bertujuan menerapkan algoritma Fuzzy C-Means (FCM) untuk mengelompokkan mahasiswa secara objektif berdasarkan tingkat pencapaian akademik. Data penelitian berasal dari 179 mahasiswa semester enam Program Studi Ilmu Komputer Universitas Islam Negeri Sumatera Utara, dengan 160 mahasiswa memenuhi kriteria dan diproses menggunakan algoritma FCM. Variabel yang digunakan meliputi IPK kumulatif, jumlah SKS yang telah ditempuh, dan total nilai rendah (D/E). Proses pemetaan sepenuhnya dilakukan oleh algoritma FCM dan menghasilkan tiga kategori mahasiswa, yaitu unggul, stabil, dan berisiko. Evaluasi menggunakan Silhouette Score dan Davies–Bouldin Index menunjukkan kualitas pengelompokan yang cukup baik.
Kata kunci: fuzzy c-means; clustering; mahasiswa; pencapaian akademik