Article Per Year (5 Year)
p-Index From 2020 - 2025
2.949
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer POLYGLOT International Journal of Engineering, Technology and Natural Sciences (IJETS) Jurnal Manajemen Bisnis Eka Prasetya G-Couns: Jurnal Bimbingan dan Konseling Indian Journal of Forensic Medicine & Toxicology International Journal of Advanced Science Computing and Engineering "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Applied Science and Technology Research Journal Narasi: Jurnal Kajian Bahasa, Sastra Indonesia, dan Pengajarannya Jurnal Ilmiah Research Student Jurnal Audiens Informasi interaktif : jurnal informatika dan teknologi informasi ANUFA Jurnal Idaaratul Ulum
Rianto
Unknown Affiliation
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika

 1 
Analisis Probabilitas Bencana Alam dengan Penerapan Data Mining Menggunakan K-Means dan Linier Regression Althaf, Mochamad Althaf Pramasetya Perkasa; Rianto
Jurnal Mahasiswa Teknik Informatika Vol. 2 No. 2 (2023): Jurnal Jamastika Vol.2 No.2 Oktober 2023
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v2i2.2345

Abstract

Penggunaan data mining untuk menghitung probabilitas data bencana adalah pendekatan yang dapat membantu dalam mengidentifikasi pola-pola dan hubungan antara variabel-variabel yang berkontribusi terhadap terjadinya bencana alam. Beberapa teknik data mining yang dapat digunakan termasuk K-Means, regresi linear, dan metode lainnya seperti Decision Tree, Naive Bayes, dan Neural Networks. Penelitian ini dilakukan untuk mendapatkan hasil analisa data dari kejadian bencana alam di wilayah indonesia, dengan metode data mining. Teknik yang digunakan pada data mining yaitu k-means dan linear regression. Dataset diambil dari website BNPB, dengan menjumlahkan data kejadian bencana alam di berbagai wilayah Indonesia dari tahun 2019 hingga 2022.
Pemetaan Proyeksi Penduduk Indonesia (Menurut Jenis Kelamin) dengan Pendekatan Machine Learning: Mapping Indonesian Population Projections (By Gender) using a Machine Learning Approach Ariyanto, Nabhan Thoriq; Setyawan, Resa; Rianto; Purwayoga, Vega
Jurnal Mahasiswa Teknik Informatika Vol. 3 No. 2 (2024): Jurnal Jamastika, Volume 3 Nomor 2 Oktober 2024
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v3i2.3210

Abstract

The use of Machine Learning techniques has become a vital method in predicting future population numbers. In Indonesia, population projections based on gender have a significant impact in planning national development. This research proposes an approach that utilizes Machine Learning modeling techniques to project the population of Indonesia based on gender. The dataset used includes various information such as population, province, year, and gender. The modeling process involves stages such as data preparation, model selection, model training, evaluation, and validation. The projection results are then assessed using various relevant model performance evaluation metrics. ABSTRAK Penggunaan Teknik Machine Learning telah menjadi sebuah metode yang vital dalam meramalkan jumlah penduduk di masa depan. Di Indonesia, proyeksi jumlah penduduk berdasarkam jenis kelamin memiliki dampak yang signifikan dalam merencanakan Pembangunan nasional. Peneletian ini mengusulkan suatu pendekatan yang memanfaatkan Teknik pemodelan Machine Learning untuk memproyeksikan jumlah penduduk Indonesia berdasarkan jenis kelamin. Dataset yang digunakan mencakup berbagai informasi seperti jumlah penduduk, provinsi, tahun, dan jenis kelamin. Proses pemodelan melibatkan tahapan-tahapan seperti persiapan data, pemodelan, dan evaluasi. Hasil proyeksi kemudian dinilai menggunakan berbagai metrik evaluasi kinerja model yang relevan.  
Co-Authors Aditya Wahana Adityo Permana Wibowo Akhsanul Huda Aliyudin, Aang Althaf, Mochamad Althaf Pramasetya Perkasa Amaliyah, Fitri Nur Amril Anis Rahmadhani Anwar Fauzi, Muhammad Afif Ariyanto, Nabhan Thoriq Ariyanto, Pradana Feri Bakti Komala Sari Dewi Kusuma Erik Iman Heri Ujianto Fauziyah, Tasya Firdiyastomo, Yogi Hilmi Aziz Kusuma Wardana Legi Hovera Malik Ibrahim Mulyaningsih, Indrya Nababan, Ernie Bertha Nugroho, Panggih Wahyu Nurirwan Saputra, Nurirwan Purwayoga, Vega Rahmad Agus Dwianto Rio Mezionto Rizal Angko Pratama Rizkina, Tiara Saputra, Candra Heru Sastromihardjo, Andoyo Septiardi, Rizqy Dwi Setia Wardani Setyawan, Endy Setyawan, Resa Sugihartanto Tulus Haryono Wibawa Widodo Yulianti, Siti