Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Amri Muhaimin
Sains Data, Universitas Pembangunan Nasional “Veteran” Jawa Timur
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASTERISASI KRIMINALITAS DI INDONESIA MENGGUNAKAN METODE KOHONEN-SELF ORGANIZING MAP DAN PARTICLE OPTIMIZATION SWARM Wenny Maria Tampubolon; Amri Muhaimin; Trimono Trimono
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16575

Abstract

Kriminalitas merupakan perilaku yang melanggar hukum serta menyimpang dari norma sosial yang berlaku, dan dapat menimbulkan kerugian baik secara fisik, ekonomi maupun psikologis. Data BPS tahun 2024 mencatat peningkatan jumlah kasus kriminal dari 327.965 pada 2022 menjadi 584.991 pada 2023, sementara itu  kasus yang berhasil diselesaikan  hanya 299.517 kasus. Selisih yang cukup besar tersebut menunjukkan masih adanya kelemahan dalam penanganan kejahatan, sehingga diperlukan analisis pola kriminalitas untuk memperoleh gambaran kondisi antar provinsi di Indonesia. Penelitian ini bertujuan mengelompokkan provinsi di Indonesia berdasarkan data kriminalitas menggunakan metode Kohonen Self-Organizing Map (SOM). Metode SOM mampu mengelompokkan data tanpa pengawasan (unsupervised learning) ke dalam representasi dua dimensi sehingga pola antarprovinsi dapat terlihat dengan lebih jelas. Untuk meningkatkan kinerja SOM, digunakan Particle Swarm Optimization (PSO) sebagai metode optimasi yang meniru perilaku sosial sekumpulan partikel untuk menemukan kombinasi parameter terbaik. Hasil optimasi dengan PSO menunjukkan parameter optimal SOM adalah grid 2×1, sigma 0,3, dan learning rate 0,9. Dengan parameter tersebut, terbentuk dua klaster dengan nilai Silhouette Coefficient sebesar 0,59 yang menandakan kualitas klasterisasi cukup baik. Temuan ini diharapkan dapat memperlihatkan perbedaan karakteristik kriminalitas antarprovinsi dan menjadi dasar penyusunan strategi penanganan yang lebih tepat sasaran.
PEMETAAN KLASTER PEMBANGUNAN KABUPATEN/KOTA DI PROVINSI BALI BERBASIS DEEP CLUSTERING MENGGUNAKAN VARIATIONAL AUTOENCODER DAN IMPROVED K-MEANS Kanessa Jasmine Prisheila Az Zahra Setiyanto; Amri Muhaimin; Kartika Maulida Hindrayani
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17588

Abstract

Ketimpangan pembangunan antar kabupaten/kota menimbulkan perbedaan capaian sosial ekonomi sehingga diperlukan pemetaan pembangunan wilayah secara objektif. Penelitian ini bertujuan mengelompokkan pembangunan kabupaten/kota di Provinsi Bali periode 2020-2024 berdasarkan indikator Indeks Pembangunan Manusia (IPM), Produk Domestik Regional Bruto (PDRB), Gini Ratio (GR), Tingkat Pengangguran Terbuka (TPT), dan persentase penduduk miskin (P0). Metode yang digunakan merupakan metode deep clustering dengan Variational Autoencoder (VAE) untuk membentuk representasi fitur laten, yang selanjutnya dikeompokkan menggunakan Improved K-Means Clustering. Penentuan jumlah klaster dilakukan dengan menguji yang dievaluasi menggunakan Silhouette Score, Davies-Bouldin Index (DBI), dan Calinski–Harabasz Index (CHI). Hasil penelitian menunjukkan bahwa K = 3 merupakan jumlah klaster yang paling optimal, dengan kualitas klaster terbaik terjadi pada tahun 2020 dan 2023, ditunjukkan dengan nilai Silhouette masing-masing sebesar 0,467 dan 0,390. Profil indikator indikator menunjukkan bahwa klaster dengan tingkat pembangunan lebih tinggi memiliki nilai  IPM dan PDRB per kapita yang lebih tinggi serta tingkat kemiskinan lebih rendah, yang dominasi oleh Kabupaten Badung dan Kota Denpasar. Hasil ini diharapkan dapat mendukung analisis dan perumusan kebijakan pembangunan daerah di Provinsi Bali.
ANALISIS PERBEDAAN PENGARUH VARIABEL PADA PEMAKAIAN OBAT BERBASIS KUANTIL MENGGUNAKAN LASSO QUANTILE REGRESSION UNTUK MENDUKUNG PERENCANAAN STOK OBAT Hikmata Tartila; Amri Muhaimin; Shindi Shella May Wara
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18451

Abstract

Pengelolaan persediaan obat di fasilitas kesehatan primer, khususnya puskesmas, sering menghadapi ketidakseimbangan antara permintaan dan ketersediaan yang dapat menyebabkan kekosongan maupun kelebihan stok. Sebagian besar puskesmas masih menggunakan metode Average Monthly Consumption (AMC) berbasis rata-rata historis, yang memiliki keterbatasan dalam menangkap fluktuasi permintaan. Pendekatan berbasis rata-rata seperti Ordinary Least Squares (OLS) juga kurang mampu merepresentasikan distribusi data yang asimetris serta keberadaan nilai ekstrem. Penelitian ini menerapkan LASSO Quantile Regression untuk menganalisis pengaruh variabel operasional terhadap pemakaian obat pada kuantil 0,5 dan 0,9, yang masing-masing merepresentasikan kondisi permintaan normal dan tinggi. Data yang digunakan berasal dari Laporan Pemakaian dan Lembar Permintaan Obat (LPLPO) Puskesmas Ibuh Kota Payakumbuh periode Januari 2015 hingga September 2025. Kinerja model dievaluasi menggunakan pinball loss, prediction coverage, Pseudo R², dan stability selection. Hasil menunjukkan bahwa pengaruh variabel operasional berbeda pada setiap tingkat kuantil. Model menghasilkan pinball loss sebesar 0,033–0,331, prediction coverage 0,504–0,519 pada kuantil 0,5 dan 0,899–0,930 pada kuantil 0,9, serta Pseudo R² hingga 0,391. Temuan ini menunjukkan bahwa pendekatan berbasis kuantil lebih efektif dalam menangkap variasi permintaan obat dan dapat mendukung perencanaan persediaan yang lebih adaptif serta berbasis risiko di fasilitas kesehatan primer.
Co-Authors Hikmata Tartila Kanessa Jasmine Prisheila Az Zahra Setiyanto Kartika Maulida Hindrayani Shindi Shella May Wara Trimono Trimono Wenny Maria Tampubolon