Halaman Data Jurnal
| Judul Jurnal | DATA MINING DALAM PENGELOMPOKAN JENIS DAN JUMLAH PEMBAGIAN ZAKAT DENGAN MENGGUNAKAN METODE CLUSTERING K-MEANS (STUDI KASUS : DAARUT TAUHID LUBUKLINGGAU) |
|---|---|
| Nama Lengkap | Deni Trisna |
| Nama Pembimbing 1 | Susanto, M.Kom. |
| Nama Pembimbing 2 | Bunga Intan, M.Kom. |
| Abstrak Jurnal | Pada saat ini lembaga amil zakat Daarut Tauhid Lubuklinggau belum menggunakan pengelompokan data seperti klasterisasi. Sedangkan setiap data sangat berguna bagi lembaga tersebut untuk segala keperluan. Seperti halnya data penerima Zakat, data ini sangat berguna dan bisa dikelompokkan dalam berbagai kelompok golongan agar sasaran penerima Zakat ini dapat ditujukan dengan orang yang tepat. Metode yang digunakan adalah Clustering algoritma K-Means. Algortima K-Means adalah algoritma yang setiap cluster memiliki titik tengah (centroid) yang merupakan nilai rata-rata (mean) dari data-data dalam cluster tersebut. Algoritma K-Means akan memilih secara acak K buah obyek sebagai centroid dalam data kemudian jarak antara obyek dan centroid dihitung menggunakan Euclidian distance. Dari data yang diolah dapat dilihat bahwa cluster dibagi menjadi 3 cluster dan dimana dalam hal ini penulis menyimpulkan cluster pertama mendapatkan prioritas dalam menerima zakat. Untuk pengembangan penelitian ini dapat menggunakan perbandingan algoritma yang lainnya. Dan data yang ada masih terbatas sehingga bahan ajar/media yang digunakan sedikit. Oleh karena itu, dalam penelitian selanjutnya dapat menggunakan data yang lebih banyak lagi untuk melakukan pengelompokan data. |
| Daftar Pustaka | DAFTAR PUSTAKA [1] baznas.go.id, “Tentang Zakat,” baznas.go.id, 2019. https://baznas.go.id/zakat (accessed Mar. 02, 2021). [2] dtpeduli.org, “Profil Lembaga,” dtpeduli.org, 2015. https://dtpeduli.org/profil-lembaga (accessed Mar. 23, 2021). [3] E. Irwansyah and M. Faisal, Advanced Clustering: Teori dan Aplikasi. Yogyakarta: Deepublish, 2015. [4] P. Prahasti, “Data Mining Dalam Pengelompokan Jenis dan Jumlah Pembagian Zakat dengan Menggunakan Metode Clustering K-Means (Studi Kasus: Badan Amil Zakat Kota Bengkulu),” J. Teknol. Inf., vol. 1, no. 2, p. 211, Sep. 2018, doi: 10.36294/jurti.v1i2.298. [5] Suyanto, Data mining Untuk Klasifikasi dan Klasterisasi Data, Revisi., no. Januari. Bandung: Information Bandung, 2019. [6] doavers.com, “RapidMiner : Mengenal Aplikasi Data Mining Terkemuka di Dunia,” doavers.com, 2020. https://www.doavers.com/blog/rapidminer-mengenal-aplikasi-data-mining-terkemuka-di-dunia (accessed Mar. 23, 2021). [7] socs.binus.ac.id, “Confusion Matrix.” http://socs.binus.ac.id/2020/11/01/confusion-matrix/ (accessed Jun. 10, 2021). [8] Hardani et al., Buku Metode Penelitian Kualitatif & Kuantitatif, no. March. Yogyakarta: CV. Pustaka Ilmu Group Yogyakarta, 2020. [9] D. Udariansyah and H. Syaputra, “Implementasi Metode End User Development Pada Aplikasi Rekam Medis Pasien,” Informatika, vol. 5, 2019. |