Penerapan Fuzzy C-Means Pada Teknologi Adopsi Usaha Mikro Kecil dan Menengah

Rizka Hafsari; Gunadi Widi  Nurcahyo

doi:10.35134/komtekinfo.v8i3.165

Authors

Rizka Hafsari Independent Researcher
Gunadi Widi Nurcahyo Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.35134/komtekinfo.v8i3.165

Keywords:

Pandemi COVID-19, UMKM, Teknologi Adopsi, Fuzzy C-Means, Fungsi Objektif

Abstract

Usaha Mikro, Kecil dan Menengah (UMKM) merupakan suatu badan usaha yang dilakukan oleh sekelompok atau individu yang tidak memiliki kaitan dengan perusahaan tertentu. Pasca pandemi COVID-19, menyebabkan pertumbuhan sektor ekonomi di Indonesia mengalami dampak yang signifikan, terutama pada sektor UMKM yang menjadi tumpuan masyarakat hingga saat ini. Pelaku UMKM membutuhkan strategi pemasaran digital di era revolusi industri 4.0 dan society 5.0 guna menyeimbangkan kemajuan ekonomi dengan mengintegrasikan teknologi informasi saat ini dan di masa yang akan datang. Tujuan penelitian ini untuk mengetahui tingkat teknologi adopsi UMKM di Kota Pekanbaru menggunakan Fuzzy C-Means. Kriteria yang digunakan pada penelitian ini di antaranya, nama UMKM, tahun mulai usaha, jenis usaha, jumlah tenaga kerja, modal, asset dan omset. Berdasarkan hasil análisis data yang dilakukan pada iterasi 1, metode Fuzzy C-Means belum menghasilkan nilai error yang diharapkan serta fungsi objektif yang diperoleh sebesar 439,8768.

References

Wijoyo, H., & Widiyanti. (2020). Digitalisasi UMKM Pasca Pandemi COVID-19 di Riau. Prosiding Konferensi Nasional Administrasi Negara, 12–16.

Statistik, B. P. (2019). Analisis Hasil SE2016 Lanjutan Potensi Peningkatan Kinerja Usaha Mikro Kecil (A. Said (ed.)). Badan Pusat Statistik.

Sulistyowati, Y. (2017). Pencatatan Pelaporan Keuangan UMKM (Studi Kasus di Kota Malang). Jurnal Ilmu Manajemen Dan Akuntansi, 5(2), 49–55. https://doi.org/10.33366/ref.v5i2.831

Raharjo, M. R. (2017). Analisis Algoritma Klasifikasi dan Asosiasi Terhadap Atribut Data Pelaku Usaha Mikro Kecil dan Menengah (UMKM). Technologia, 8(3), 176–181. https://doi.org/10.31602/tji.v8i3.1747

Suci, Y. R. (2017). Perkembangan UMKM (Usaha Mikro Kecil dan Menengah ) di Indonesia. Jurnal Ilmiah Cano Ekonomos, 6(1), 51–58.

Piarna, R., & Fathurohman, F. (2019). Adopsi E-Commerce pada UMKM di Kota Subang Menggunakan Model UTAUT. Jurnal Ilmiah Ilmu Dan Teknologi Rekayasa, 2(1), 125–132. https://doi.org/10.31962/34

Dhewanto, W., Lestari, Y. D., Heliana, S., Aliya, Q. H., & Lawiyah, N. (2018). Determinant Factors of Information Technology Adoption in Creative Business and The Result of Its Application : Case of SMEs Cluster in South Bandung. MATEC Web of Conferences, 215. https://doi.org/10.1051/matecconf/201821502010

Leatemia, S. Y. (2020). Adopsi E-Commerce pada UMKM di Era Pandemi COVID-19 (Studi Kasus pada UMKM di Kota Ambon). Jurnal SOSOQ, 8(2), 1–11. http://dx.doi.org/10.30598/sosoq.v8i2.1144

Nugroho, M. A., Susilo, A. Z., Fajar, M. A., & Rahmawati, D. (2017). Exploratory Study of SMEs Technology Adoption Readiness Factors. Procedia Computer Science, 124, 329–336. https://doi.org/10.1016/j.procs.2017.12.162

Kusuma, H., Muafi, M., Aji, H. M., & Pamungkas, S. (2020). Information and Communication Technology Adoption in Small-and Medium- Sized Enterprises : Demographic Characteristics *. Journal of Asian Finance, Economics and Business, 7(10), 969–980. https://doi.org/10.13106/jafeb.2020.vol7.no10.969

Widaningsih, S. (2019). Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4.5, Naïve Bayes, KNN Dan SVM. Jurnal Tekno Insentif, 13(1), 16–25. https://doi.org/10.36787/jti.v13i1.78

Coronado, B. M., Mori, U., Mendiburu, A., & Miguel-Alonso, J. (2020). Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process. IEEE Transactions on Network and Service Management, 17(4), 2451–2479. https://doi.org/10.1109/TNSM.2020.3016246

Ibrahim, R. N., Hayati, M. N., & Amijaya, F. D. T. (2020). Penerapan Algoritma K-Medoids pada Pengelompokan Wilayah Desa atau Kelurahan di Kabupaten Kutai Kartanegara (Studi Kasus : Data Hasil Pendataan Potensi Desa (PODES) Tahun 2018). Jurnal Eksponensial, 11(2), 153–158.

Hashmi, A. S., & Ahmad, T. (2016). Big Data Mining : Tools & Algorithms. International Journal of Recent Contributions from Engineering, Science & IT (IJES), 4, 36–40. https://doi.org/10.3991/ijes.v4i1.5350

Saeed, T. (2020). Data Mining for Small and Medium Enterprises : A Conceptual Model for Adaptation. Intelligent Information Management, 12, 183–197. https://doi.org/10.4236/iim.2020.125011

Tang, J., Gao, F., Liu, F., & Chen, X. (2020). A Denoising Scheme-Based Traffic Flow Prediction Model : Combination of Ensemble Empirical Mode Decomposition and Fuzzy C-Means Neural Network. IEEE Access, 8, 11546–1159. https://doi.org /10.1109/ACCESS.2020.2964070

Yunita, Herman, S., Takwim, A., & Widianto, S. R. (2020). A Study of Comparing Conceptual and Performance of K- Means and Fuzzy C Means Algorithms (Custering Method of Data Mining ) of Consumer Segmentation. Jurnal Riset Informatika, 2(2), 49–54. https://doi.org/10.34288/jri.v2i2.116

Rouza, E., & Fimawahib, L. (2020). Implementasi Fuzzy C-Means Clustering dalam Pengelompokan UKM Di Kabupaten Rokan Hulu. Techno.COM, 19(4), 481–495. https://doi.org/10.33633/tc.v19i4.4101