Sistem Pengambilan Keputusan Pemilihan Lahan Tanam Di Kabupaten Wonosobo Dengan K-Means Clustering Dan Topsis

Khomsatun, Khomsatun; Ikhsan, Deddy; Ali, Muhammad; Kursini, Kursini

doi:10.23887/janapati.v9i1.23073

Cited by 6 publications

(6 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Untuk mengetahui kelompokkelompok data, analisa bisa menggunakan K-Means Clustering [4]. Penggunaan teknologi untuk mencari solusi atau strategi sesuai dengan data yang dimiliki berdasarkan nilai yang paling dekat dengan tujuan serta nilai yang paling jauh bisa menggunakan metode TOPSIS [5].…”

Section: Pendahuluanunclassified

Analisis Kombinasi Algoritma K-Means Clustering dan TOPSIS Untuk Menentukan Pendekatan Strategi Marketing Berdasarkan Background Target Audiens

Ngaeni,

Kusrini,

Kusnawi

2024

JoSYC

View full text Add to dashboard Cite

The promotion is an annual agenda for STIMIK Tunas Bangsa Banjarnegara. The aim of this promotional activity is to attract more new students every year. On the other hand, campus promotion encounters obstacles in mapping applicant data from previous years so that considerations for new promotion policies are based on data from the school of origin of alumni or students. By using the K-Means Clustering algorithm, applicant data can be grouped according to the background represented through the school origin attribute. , parents' occupation and place of origin. Then the data is processed using DSS with the TOPSIS method to obtain priority references for marketing types for each cluster. The results of calculating the silhouette coefficient value for the five clusters obtained a score of 0.426. Meanwhile, in the ranking process using the TOPSIS method, the first rank was found in cluster 0 with a score of 0.994110. Further stages use the Decision Tree method to obtain output in the form of recommendations for promotion types for each cluster. For example, cluster 0 is recommended to use promotion types with codes P1, P2, P3, P8 and P9.

show abstract

Section: Pendahuluanunclassified

Analisis Kombinasi Algoritma K-Means Clustering dan TOPSIS Untuk Menentukan Pendekatan Strategi Marketing Berdasarkan Background Target Audiens

Ngaeni,

Kusrini,

Kusnawi

2024

JoSYC

View full text Add to dashboard Cite

show abstract

“…Beberapa penelitian sebelumnya telah dilakukan [14] menggunakan metode K-Means dan TOPSIS, untuk diterapkan dalam perhitungan dengan beberapa kriteria diantaranya adalah suhu, pH tanah dan curah hujan. Kedua metode mampu menghasilkan rekomendasi lahan tanam yang sesuai berdasarkan kriteria yang ditetapkan.…”

Section: Kata Kunci -Cluster K-means Davies Bouldin Indexunclassified

Klasterisasi Kesesuaian Lahan Kayu Putih Kabupaten Cilacap dengan Metode K-Means

Maharrani¹,

Abda’u²,

Hastuti³

2022

JEPIN

View full text Add to dashboard Cite

Banyaknya lahan kayu putih yang belum dimanfaatkan secara maksimal seperti penanaman dengan sistem tumpang sari, kurangnya pemahaman mengenai faktor penghambat dalam pertumbuhan tanaman kayu putih, dan kurangnya pengetahuan mengenai pemanfaatan potensi lahan yang optimal merupakan penyebab rendahnya produktifitas kayu putih di Indonesia. Klasterisasi menggunakan algoritma K-Means dalam pengelompokan lahan ke dalam cluster yang potensial berdasar faktor pendukung pertumbuhan hama rayap tanah merupakan tujuan dalam penelitian yang dilakukan. Proses cluster dilakukan menggunakan parameter tanaman tumpang sari, tipe tanah, suhu, kelembaban, dan curah hujan. Dalam metode K-Means, data yang memiliki karakteristik yang sama dalam satu kelompok dan memiliki karakteristik yang berbeda dengan kelompok lain akan dikelompokan dalam satu cluster. Clustering akan mengupayakan untuk mencapai tingkat minimal variasi antar data yang ada dalam suatu cluster. Pada penelitian yang dilakukan menggunakan 2 cluster dan didapatkan hasil sebanyak 13,56% (16 lahan) yang sangat berpotensi dan 86,44% (112 lahan) yang tidak berpotensi adanya hama rayap. Hasil pengujian terhadap cluster K-Means menggunakan indeks Davies Bouldin dan didapat nilai sebesar 0,055. Dari penelitian ini diharapkan sebagai bahan masukan dengan harapan secara ekologis dapat meningkatkan tingkat keberhasilan yang lebih baik saat melakukan budidaya tanaman kayuputih.

show abstract

“…Clustering atau klasterisasi digunakan untuk mengelompokkan data-data ke dalam beberapa kelompok berdasarkan tingkat kemiripan [5]. Dengan tujuan untuk membagi objek (orang, benda, peristiwa, dan lain-lain) ke dalam suatu kelompok, sehingga objek-objek dalam satu kelompok (klaster) memiliki kesamaan yang tinggi namun memiliki perbedaan dengan objek pada kelompok lainnya [6].…”

Section: Pendahuluanunclassified

Klasterisasi Penyakit Menggunakan Algoritma K-Medoids pada Dinas Kesehatan Kabupaten Agam

Minarni

Sari

Syahrani

et al. 2021

j. nas. pendidik. teknik. inform.

View full text Add to dashboard Cite

Penelitian ini membahas tentang penerapan algoritma K-Medoids untuk pengelompokkan data penyakit berdasarkan jumlah kasus pada Dinas Kesehatan Kabupaten Agam. Algoritma K-Medoids merupakan metode klasterisasi pembatas untuk mengelompokkan sekumpulan n objek menjadi beberapa k klaster. Data yang digunakan 370 record yaitu jumlah penderita penyakit demam berdarah (DBD), tuberculosis, dan pneumonia dari tahun 2016-2019. Hasil pengujian diperoleh anggota masing-masing klaster untuk tiap-tiap penyakit yaitu tuberculosis klaster tinggi 32 dan rendah 60, penyakit pneumonia klaster tinggi 33 dan rendah 59, sedangkan untuk penyakit DBD klaster tinggi 10 anggota dan rendah 82 anggota. Pengujian menggunakan perhitungan manual dan aplikasi Rapidminer mendapatkan hasil yang sama dengan sistem. Ini menunjukkan bahwa sistem telah bekerja dengan baik. Hasil ini dapat digunakan sebagai bahan pertimbangan dalam mengambil kebijakan untuk pencegahan dan penanggulangan penyakit pada Dinas Kesehatan Kabupaten Agam.

show abstract

Sistem Pengambilan Keputusan Pemilihan Lahan Tanam Di Kabupaten Wonosobo Dengan K-Means Clustering Dan Topsis

Cited by 6 publications

References 0 publications

Analisis Kombinasi Algoritma K-Means Clustering dan TOPSIS Untuk Menentukan Pendekatan Strategi Marketing Berdasarkan Background Target Audiens

Analisis Kombinasi Algoritma K-Means Clustering dan TOPSIS Untuk Menentukan Pendekatan Strategi Marketing Berdasarkan Background Target Audiens

Klasterisasi Kesesuaian Lahan Kayu Putih Kabupaten Cilacap dengan Metode K-Means

Klasterisasi Penyakit Menggunakan Algoritma K-Medoids pada Dinas Kesehatan Kabupaten Agam

Contact Info

Product

Resources

About