Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer) MATHunesa: Jurnal Ilmiah Matematika
Nola Irda Ayuazna Azzura
Universitas Negeri Malang
Computer Science & IT Mathematics

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

Found 2 Documents
Search

 1 
ANALISIS CLUSTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI WILAYAH MATARAMAN JAWA TIMUR BERDASARKAN INDIKATOR KEMISKINAN TAHUN 2024 Nola Irda Ayuazna Azzura
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p316-323

Abstract

Kemiskinan masih menjadi isu kompleks yang menjadi tantangan besar di berbagai wilayah Indoensia, termasuk di kawasan Mataraman Jawa Timur. Penelitian ini bertujuan untuk mengelompokkan 13 Kabupaten/Kota di wilayah Mataraman jawa Timur berdasarkan indikator kemiskinan menggunakan metode K-Means Clustering. Empat Indikator utama yang digunakan yaitu Persentase Pendusuk Miskin, Garis Kemiskinan, Indeks Kedalaman Kemiskinan, dan Indeks Keparahan Kemiskinan. Hasil dari pengelompokan ini terbagi menjadi tiga cluster: (1) cluster dengan tingkat kemiskinan sedang, yang terdiri dari 8 daerah; (2) cluster dengan tingkat kemiskinan tinggi, yang terdiri dari 1 daerah; dan (3) cluster dengan tingkat kemiskinan rendah, yang terdiri dari 4 daerah. Diketahui juga bahwa variabel Indeks Keparahan kemiskinan memiliki pengaruh yang paling signifikan dalam pembentukan cluster. Hasil dari penelitian ini diharapkan dapat menjadi acuan dalam pengambilan kebijakan yang lebih tepat sasaran untuk pengentasan kemiskinan di wilayah Mataraman Jawa Timur.
Penerapan Algoritma XGBoost dan TabNet dengan Optimasi Hyperparameter Random Search pada Prediksi Jumlah Pinjaman Nasabah Nola Irda Ayuazna Azzura; Ramdhan Fazrianto Suwarman
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 2 (2026): Juni 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i2.2691

Abstract

Penentuan jumlah pinjaman nasabah merupakan permasalahan yang kompleks dan bersifat nonlinear karena dipengaruhi oleh berbagai karakteristik nasabah serta risiko kredit macet. Oleh karena itu, machine learning mampu memberikan keunggulan dalam memodelkan hubungan yang kompleks dan menghasilkan prediksi yang lebih akurat serta adaptif berbasis data. Penelitian ini bertujuan untuk membangun model prediksi jumlah pinjaman nasabah menggunakan algoritma Extreme Gradient Boosting (XGBoost) dan TabNet dengan optimasi hyperparameter dengan metode Random Search. Data yang digunakan merupakan data sekunder dengan 4.269 observasi dan 13 variabel. Model dibangun dengan menggunakan pendekatan baseline dan optimasi hyperparameter Random Search, kemudian dievaluasi menggunakan metrik koefisien determinasi (), Root Mean Squared Error (RMSE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa optimasi hyperparameter dengan Random Search mampu meningkatkan kinerja model secara signifikan dibandingkan baseline. Model TabNet dengan optimasi hyperparameter memberikan performa terbaik dengan nilai  mendekati 0,89.
Co-Authors Ramdhan Fazrianto Suwarman