Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal Of Artificial Intelligence And Software Engineering

Implementation of the Least Square Method in the Work Plan and Budget Application (SIREKA) at Politeknik Negeri Lhokseumawe Rizqillah, Rizqillah; Arhami, Muhammad; Abdi, Musta’inul; Arifai, Muhammad; Meilvinasvita, Dwi
Journal of Artificial Intelligence and Software Engineering Vol 5, No 1 (2025): Maret
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i1.6654

Abstract

Every year, all units at the Lhokseumawe State Polytechnic (PNL) are required to plan activity plans and budgets (RKA). This includes Library units, Departments, SPI, P3M, P4M, and other units. However, the process of planning activities to budget realization still depends on Drive services, causing complexity and lack of coordination in managing data. To overcome this problem, a solution is needed in the form of SIREKA (Work Plan and Budget Management Information System). In this application, the least squares method is used as a prediction tool for activity budget data. From the results of the calculations carried out, it is known that the least squares method has a high level of accuracy of 97.71% with a MAPE value of 2.29%, so this method is considered successful. The implementation of SIREKA has been successful in overcoming RKA obstacles in PNL, as well as providing budget predictions that are useful for decision making. SIREKA has proven itself to be a solution that has a positive impact on the Politeknik Negeri Lhokseumawe.
Temporal Pattern Recognition: A BiLSTM-based Framework for Churn Prediction Zulman, Muhammad Reza; Mahmudah, Rifa’atun; Arhami, Muhammad; Davi, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): Juni On-Progress
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.6952

Abstract

Industri telekomunikasi menghadapi tantangan besar dalam mempertahankan basis pelanggannya, di mana churn atau perpindahan pelanggan ke penyedia layanan pesaing menjadi isu krusial yang secara langsung memengaruhi kinerja finansial, efisiensi operasional, serta daya saing perusahaan dalam jangka panjang. Untuk menjawab tantangan ini, diperlukan pendekatan analitik yang mampu memprediksi kemungkinan churn secara akurat. Penelitian ini bertujuan untuk mengevaluasi efektivitas jaringan saraf Bidirectional Long Short-Term Memory (BiLSTM) dalam memprediksi churn pelanggan PT Medianusa Permana melalui analisis data sekuensial temporal. Dataset yang digunakan mencakup data pelanggan dari April 2020 hingga Mei 2023, dengan berbagai variabel prediktif seperti jenis layanan, media transmisi, alokasi bandwidth, status langganan, status kemitraan, ketentuan kontrak, serta riwayat keluhan. Arsitektur BiLSTM yang diterapkan terdiri dari tiga lapisan LSTM bidirectional, dirancang untuk memaksimalkan pengenalan pola temporal sekaligus mengurangi overfitting guna meningkatkan akurasi model. Validasi dilakukan melalui teknik cross-validation dan confusion matrix, yang menunjukkan bahwa model mampu mencapai akurasi rata-rata sebesar 89% serta performa klasifikasi yang tinggi dalam mengidentifikasi pelanggan yang churn maupun tidak churn. Hasil penelitian ini menegaskan bahwa BiLSTM efektif dalam menangkap indikator perilaku halus yang mendahului churn, dan dapat menjadi dasar yang kuat dalam pengembangan strategi retensi pelanggan yang lebih proaktif dan berbasis data.