Admin Website UNIKOM

Tag: riset teknik informatika UNIKOM

  • Analisis Komparatif Pemuatan Data Peta Interaktif Menggunakan Metode GeoJSON bagi Wirausaha Baru Jawa Barat

    Penulis: Angga Setiyadi; Eko Budi Setiawan

    DOI: 10.1109/INCITEST59455.2023.10396976

    Abstrak

    Tujuan penelitian ini adalah menganalisis peta interaktif dengan menggunakan metode GeoJSON dan tanpa menggunakan GeoJSON bagi wirausaha baru di Jawa Barat. Alur tahapan penelitian ini terdiri atas tiga bagian, yaitu analisis kode, implementasi kode, serta pengujian kode yang telah dibuat dengan menggunakan GeoJSON dan tanpa GeoJSON. Hasil yang diperoleh dalam penelitian ini menunjukkan bahwa penggunaan GeoJSON untuk menampilkan data pada peta interaktif lebih cepat dibandingkan tanpa menggunakan GeoJSON. Adapun kelemahan penggunaan GeoJSON pada peta interaktif adalah pengembang aplikasi cenderung harus menuliskan kode sumber lebih banyak pada proses pemuatan peta interaktif. © 2023 IEEE.

    Kata kunci penulis

    Analisis Komparatif; GeoJSON; Peta Interaktif; Pengusaha Baru

    Artikel ini dapat diakses di: https://www.scopus.com/pages/publications/85185197883

  • K-Means Clustering untuk Analisis Klaster Kejahatan di Kejaksaan Negeri Indramayu

    K-Means Clustering untuk Analisis Klaster Kejahatan di Kejaksaan Negeri Indramayu

    Penulis: Aditya Erlangga, Rizky Bani Asmara E.M., Raudatussholihat Amalia, Estiko Rijanto

    DOI: 10.1109/INCITEST59455.2023.10396984

    Abstrak

    Kejahatan adalah perilaku kriminal yang sering menimbulkan masalah di masyarakat dengan berbagai macam kejahatan yang sering terjadi seperti pembunuhan, penyerangan, pemerkosaan, pencurian, penipuan, penggelapan, narkotika dan lain-lain. Dalam Pasal 35 ayat (1) huruf K Undang-Undang Nomor 16 Tahun 2004 tentang Jaksa Agung Republik Indonesia sebagaimana diubah dengan Undang-Undang Nomor 11 Tahun 2021 menyatakan bahwa Kejaksaan adalah lembaga pemerintah yang fungsinya berkaitan dengan kewenangan yudisial untuk menuntut dan kewenangan lain yang tunduk pada hukum. Algoritma K-Means adalah algoritma pengelompokan non-hierarki yang memiliki kemampuan untuk mengelompokkan data dalam jumlah besar, dengan cepat dan efisien. Dalam makalah ini, data dari 217 kasus diuji dari Kejaksaan Distrik Indramayu selama Januari 2022 hingga Desember 2022. Algoritma K-Means berhasil mengklasifikasikan hubungan antara kasus kriminal dan jaksa penuntut yang menanganinya. Hasil dengan menggunakan K=3 optimal membentuk tiga klaster yang terdiri dari Klaster C1 = 9 jenis kasus, Klaster C2 = 9 jenis kasus, Klaster C3 = 9 jenis kasus dengan anggota C2 dan C3 memiliki karakteristik Global Unique, Domination, dan Share di dalam setiap klaster. © 2023 IEEE.

    Kata kunci: pengelompokan; kejahatan; K-Means; jaksa penuntut

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85185198398

  • Studi Perbandingan Algoritma Pengelompokan K-Means dan Mean Shift untuk Data Sampah di Provinsi Jawa Barat

    Penulis: Rony Setyawan, Geraldi Catur Pamuji

    Abstrak

    Studi ini menyajikan analisis perbandingan komprehensif algoritma pengelompokan k-Means dan Mean Shift, menggunakan data sampah yang dikumpulkan dari tempat pembuangan akhir di Provinsi Jawa Barat selama tahun 2016 hingga 2021, dengan tujuan utama mengevaluasi kinerja dan penerapannya untuk praktik pengelolaan sampah; Analisis ini mencakup beberapa parameter penting, termasuk jumlah klaster yang dihasilkan, keseragaman variabel, metrik evaluasi yang digunakan, ukuran divergensi, dan efisiensi waktu pemrosesan, yang mengungkapkan bahwa k-Means, yang membentuk tiga klaster, unggul dalam pemrosesan cepat dan memberikan pembagian klaster yang lebih halus, sementara Mean Shift, yang menghasilkan dua klaster, menawarkan wawasan yang lebih mendalam tentang pola data, sehingga direkomendasikan bahwa pilihan antara kedua algoritma tersebut harus didorong oleh persyaratan dan pertimbangan proyek tertentu seperti urgensi kebutuhan pengelolaan limbah dan kedalaman pemahaman yang diinginkan untuk pengambilan keputusan yang efektif, sehingga menawarkan pendekatan yang disesuaikan untuk pengorganisasian data limbah yang mengoptimalkan kategorisasi dan berkontribusi pada praktik pembuangan limbah yang lebih efisien dan berkelanjutan di masa mendatang. © School of Engineering, Taylor’s University.

    Kata Kunci: Pengelompokan k-means; Pengelompokan Mean Shift; Data limbah

    Artikel ini bisa diakses di: https://www.scopus.com/pages/publications/85197577372