Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Data Enthusiast: Jurnal Ilmiah Sains Data
Fadhli Jahfal Aufa Maulana
Universitas Koperasi Indonesia

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Evaluasi Model Prediktif untuk Peramalan Pencairan Kredit Menggunakan Time Series Fadhli Jahfal Aufa Maulana; Rizwar Syaefulloh; Najlia Intani; Nadine Valia Azzahra; Adri Arisena
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 1 No. 2 (2025): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ekonomi. Penelitian ini bertujuan untuk mengevaluasi performa tiga model prediktif berbasis deret waktu, yaitu ARIMA, ETS, dan Prophet, dalam meramalkan pencairan kredit bulanan. Data yang digunakan mencakup periode Februari 2022 hingga 2031 dan menunjukkan karakteristik volatil dengan adanya outlier signifikan. Metode penelitian meliputi uji stasioneritas (ADF, ACF, PACF), pembersihan data melalui imputasi outlier menggunakan moving average, serta pembangunan dan evaluasi model. Hasil analisis menunjukkan bahwa data bersifat stasioner, tetapi model ARIMA(0,0,0) dan ETS(M,N,M) pada data mentah menghasilkan akurasi rendah (MAPE > 178%). Setelah imputasi outlier, terjadi peningkatan signifikan pada kinerja model. Model Prophet mencatat performa terbaik dengan nilai RMSE (4.483.520), MAE (3.274.253), dan MAPE (85,11%), mampu menangkap tren non-linear dan pola musiman secara lebih efektif dibandingkan ARIMA dan ETS. Kesimpulan penelitian ini merekomendasikan penggunaan Model Prophet untuk peramalan pencairan kredit, dengan catatan pentingnya preprocessing data dan evaluasi berkala untuk menjaga akurasi prediksi.
Analisis Diskriminan Untuk Klasifikasi Varietas Benih Gandum Berdasarkan Karakteristik Morfologi Biji Onoy Rohaeni; Diyani Fauziyah; Fadhli Jahfal Aufa Maulana
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 2 No. 2 (2026): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/dej.v2i2.20

Abstract

Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data multivariat dengan mengubah variabel asli menjadi komponen utama yang lebih sedikit. Penelitian ini bertujuan untuk mereduksi faktor-faktor kandungan giji yang mempengaruhi jenis makanan dengan membentuk beberapa komponen utama yang terbentuk untuk menggambarkan pola kandungan gizi makanan. PCA telah dilakukan untuk menyederhanakan data kandungan gizi makanan yang terdiri dari enam variabel. Hasil analisis menunjukkan bahwa dua komponen utama dapat menjelaskan 72,2% variasi total data. Komponen utama pertama merepresentasikan pola makanan berbasis karbohidrat, sedangkan komponen utama kedua merepresentasikan pola makanan tinggi energi dan protein. Meskipun nilai KMO rendah, hasil Bartlett’s Test of Sphericity menunjukkan korelasi signifikan antar variabel, sehingga PCA dapat digunakan sebagai analisis eksploratif untuk memperoleh gambaran awal struktur dan pola kandungan gizi makanan.
Co-Authors Adri Arisena Diyani Fauziyah Nadine Valia Azzahra Najlia Intani Onoy Rohaeni Rizwar Syaefulloh