Article Per Year (5 Year)
p-Index From 2020 - 2025
1.048
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Infomedia El-Mujtama: Jurnal Pengabdian Masyarakat
Susetyoko, Ronny
Unknown Affiliation
Religion Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Energy Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Physics Social Sciences Transportation

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Perbandingan Kinerja ARIMAX dan Fuzzy Time Series Multi Factor pada Peramalan Data Nilai Tukar USD Tsabita, Rania Hana; Susetyoko, Ronny; Satriyanto, Edi
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 1 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i1.6865

Abstract

Penelitian ini membandingkan metode ARIMAX dan Fuzzy Time Series Multi Factor dalam meramalkan nilai tukar USD untuk mendukung pencapaian SDG 8. Data yang digunakan mencakup nilai tukar USD, inflasi, dan ekspor migas Indonesia selama periode 2019–2024, dengan enam variasi panjang data pelatihan. Evaluasi kinerja model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa metode ARIMAX With Dummy menghasilkan akurasi terbaik dengan nilai MAPE terendah sebesar 2,32% pada rasio data latih dan uji 60:9. Model ini juga menunjukkan pengaruh signifikan dari panjang data terhadap akurasi prediksi. Hasil menunjukkan bahwa model ini paling optimal dan signifikan dalam meningkatkan akurasi peramalan indikator ekonomi.
Implementasi Algoritma Apriori dalam Penetapan Strategi Penjualan pada Supermarket XYZ Berbasis Streamlit Web App Mustafa, Nadine Aliyah; Susetyoko, Ronny; Fadliana, Alfi; Humaira, Fitrah Maharani
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 1 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

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

Abstract

Supermarket XYZ merupakan ritel modern berbasis syariah yang memiliki potensi besar dalam pemanfaatan data transaksi untuk mendukung pengambilan keputusan strategis. Namun, hingga saat ini, data transaksi yang tersedia belum dimanfaatkan secara optimal. Penelitian ini bertujuan untuk menerapkan algoritma Apriori guna menemukan pola pembelian produk yang sering terjadi secara bersamaan, serta mengembangkan aplikasi web interaktif berbasis Streamlit untuk menyajikan hasil analisis secara real-time. Data yang digunakan merupakan transaksi penjualan tahun 2023 dari salah satu cabang Supermarket XYZ yang terdiri dari 162.980 record. Penelitian dilakukan melalui tahapan pengumpulan data, data preprocessing, Exploratory Data Analysis (EDA), penerapan algoritma Apriori, serta pembangunan antarmuka aplikasi menggunakan Streamlit. Hasil dari algoritma Apriori menunjukkan adanya 18 aturan asosiasi, dengan aturan terkuat yaitu pembelian Harmony Orange, Harmony Lemon, dan Harmony Melon yang diikuti oleh pembelian Harmony Strawberry. Berdasarkan temuan ini, dua strategi penjualan utama diusulkan: pertama, optimalisasi tata letak produk dengan menyusun produk-produk yang memiliki asosiasi kuat secara berdekatan; dan kedua, penerapan product bundling untuk produk-produk yang sering dibeli bersamaan. Aplikasi Streamlit yang dikembangkan memberikan kemudahan bagi stakeholder untuk mengunggah data, memvisualisasikan pola pembelian, serta mengevaluasi strategi secara interaktif dan efisien. Penelitian ini menunjukkan bahwa pemanfaatan data mining dan aplikasi interaktif mampu mendukung perencanaan strategi penjualan yang lebih efektif dan berbasis data.
Penerapan Algoritma Binning pada Preprocessing Data untuk Meningkatkan Akurasi Klasifikasi Multi-Kelas: Studi Kasus Data SDG Nur Fadhillah, Wiradika; Susetyoko, Ronny; Nadhori, Isbat Uzzin
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 2 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i2.7165

Abstract

Klasifikasi data memainkan peran esensial dalam analisis data, terutama untuk data Sustainable Development Goals (SDGs) yang seringkali memiliki karakteristik kompleks seperti nilai hilang dan distribusi tidak seimbang, sehingga memerlukan tahap preprocessing yang efektif. Penelitian ini bertujuan untuk mengevaluasi secara komprehensif efektivitas tiga teknik binning, yaitu Fixed Binning, Random Binning, dan KNN Binning, dalam meningkatkan akurasi klasifikasi multikelas pada data SDGs. Teknik binning ini diimplementasikan dan diuji menggunakan tiga algoritma klasifikasi utama, yaitu Random Forest, Logistic Regression, dan Multilayer Perceptron (MLP). Penelitian ini menggunakan dua dataset yang merepresentasikan data SDGs, yaitu data pembangunan berkelanjutan dan ketahanan pangan. Dataset tersebut adalah dataset UKT dengan 2.137 entri dan dataset Ketahanan pangan dengan 514 entri. KNN Binning dipilih karena kemampuannya mengelompokkan data berdasarkan kedekatan antar instans, adaptif terhadap distribusi data yang kompleks. Hasil penelitian secara konsisten menunjukkan bahwa KNN Binning memberikan peningkatan akurasi tertinggi. Secara spesifik, kombinasi KNN Binning dengan Random Forest menghasilkan akurasi 92.25% pada dataset UKT dan 73.79% pada dataset Ketahanan pangan. Lebih lanjut, kombinasi ini juga menunjukkan peningkatan pada metrik presisi, recall, dan F1 score. Temuan ini menggarisbawahi superioritas KNN Binning dalam menangani data SDGs yang beragam dan tidak merata, sehingga memberikan kontribusi penting bagi pengembangan teknik preprocessing yang lebih akurat, andal, dan dapat meningkatkan performa model klasifikasi secara keseluruhan untuk analisis data SDGs.
Implementasi Aplikasi Chatbot Informasi Pelayanan Kelurahan Keputih, Surabaya Edelani, Renovita; Satriyanto, Edi; Nadhori, Isbat Uzzin; Susetyoko, Ronny; Barakbah, Aliridho; Karlita, Tita; Muliawati, Tri Hadiah; Fadliana, Alfi; Maulana, Wahyu Ikbal; Insani, Fawzan; Fauzi Nafi'Ubadah, Kriza; Haikal Yuniarta Krisgianto, Ricko; Saputra, Muhammad Krisnanda Vilovan; Ridho, Bistiana Syafina; Ni'Ma, Najma Akmalina; Damayanti, Anita; Febrianto, Ardiansyah Indra; Alde, Muhammad Riski
El-Mujtama: Jurnal Pengabdian Masyarakat  Vol. 5 No. 2 (2025): El-Mujtama: Jurnal Pengabdian Masyarakat
Publisher : Intitut Agama Islam Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/elmujtama.v5i2.6272

Abstract

In today's era of digital transformation, the government, particularly Kelurahan Keputih, is aware of the community's need for information regarding the management of kependudukan and non-kependudukan documents. Given their busy lifestyles, residents require a medium to access information related to these matters. This service information is needed to improve bureaucratic efficiency, accelerate information access, and reduce the burden of manual administrative work. Therefore, researchers have developed an AI-based Intelligent Chatbot application using Large Language Modeling (LLM) technology to assist both employees and residents of Kelurahan Keputih in obtaining information related to the management of kependudukan and non-kependudukan services. The implementation of this Chatbot utilizes the Hugging Face library and the LangChain model, one of the Llama models developed by Meta. This Kelurahan Keputih Service Information Chatbot application is named "BambuBot". This application benefits the residents of Keputih by providing them with interactive, comprehensive, and easily accessible information regarding services for managing kependudukan and non-kependudukan documents, as well as platforms for processing these documents.
PANEL DATA REGRESSION MODEL FOR PREDICTING ECONOMIC GROWTH BEFORE AND DURING THE COVID-19 PANDEMIC IN EAST JAVA PROVINCE Susetyoko, Ronny; Satriyanto, Edi; Fadliana, Alfi; Humaira, Fitrah Maharani
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 4 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss4pp2121-2134

Abstract

Gross Regional Domestic Product (GRDP) is one of the key indicators to determine the economic condition of a region in a certain period. GRDP at constant prices has a positive and significant effect on economic growth . This study aims to predict economic growth in East Java before and during the Covid-19 pandemic based on the structural components of regional revenue and expenditure budget realization using panel data regression with data sources from the Directorate General of Fiscal Balance. The results of this study, the best model is the Fixed Effect Model (FEM) with R-Squared 0.99991 and Adj. R-Squared 0.99987. MSE, MAD and MAPE values on the training data are 338724.9919, 259.7182 and 0.6296 respectively. While the MSE, MAD and MAPE values in the testing data are 1716324.2736, 445.7959 and 1.0692 respectively. At the 95% confidence level, Locally Generated Revenue (LGR), Transfers to Regional and Village Funds (TRVF), and Other Revenue (OR) are not significant in the model or have little effect. But at the 99.9% confidence level, all factors (cross section) have a very significant effect. This can be interpreted that local wisdom, or the characteristics of each region/city has a major contribution to economic growth.
Strategi Penanganan Imbalance Class Pada Model Klasifikasi Penerima Kartu Indonesia Pintar Kuliah Berbasis Neural Network Menggunakan Kombinasi SMOTE dan ENN Darojah, Zaqiatud; Susetyoko, Ronny; Ramadijanti, Nana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236480

Abstract

Keterbatasan kuota penerima program Kartu Indonesia Pintar Kuliah (KIP Kuliah) dari pemerintah mengharuskan Perguruan Tinggi (PT) menyeleksi dengan cermat calon mahasiswa yang berhak menerima program tersebut. Pembentukan model klasifikasi penerima program KIP Kuliah merupakan salah satu cara yang dapat membantu PT dalam menyeleksi calon mahasiswa agar tepat sasaran berdasarkan data lampau. Penelitian ini bertujuan untuk membentuk model klasifikasi penerima KIP Kuliah menggunakan Neural Network (NN).  Strategi data processing level digunakan untuk mengatasi ketidakseimbangan data atau imbalance class yang terjadi antara kelas penerima KIP Kuliah sebagai kelas minoritas dan kelas bukan penerima KIP Kuliah sebagai kelas mayoritas. Teknik yang digunakan pada penelitian ini adalah mengkombinaskan metode oversampling Syntetic Minority Oversampling Technique (SMOTE), metode undersampling Edited Nearest Neighbor Rule (ENN),  dan metode undersampling dengan penghapusan langsung pada sampel terpilih. Skema penggabungan dilakukan dengan cara mengelompokkan terlebih dahulu kelas mayoritas menjadi beberapa sub kelas (cluster) menggunakan algoritma k-means. Metode SMOTE dan ENN diterapkan secara bersamaan menggunakan rasio sampling tertentu pada dataset yang berasal dari kelas minoritas dan sub kelas mayoritas yang merupakan tetangga terdekat kelas minoritas tersebut. Metode penghapusan sampel diterapkan pada sub kelas mayoritas yang memiliki jarak yang sangat signifikan dari kelas minoritas. Tujuan dari skema yang diajukan adalah untuk meminimalkan terjadinya pembangkitan false sample pada kelas minoritas dan penghapusan sampel informatif pada kelas mayoritas. Hasil simulasi menunjukkan bahwa kombinasi teknik undersampling dan oversampling dengan skema yang diusulkan mampu meningkatkan kinerja model klasifikasi NN secara signifikan. Model klasifikasi terbaik menghasilkan  nilai accuracy sebesar 93.45%,  TPR sebesar 90,00%, TNR sebesar 93.67%, G-Mean sebesar 91,51%, dan nMCC sebesar 81.25%.  Abstract  The limited quota for recipients of the Kartu Indonesia Pintar Kuliah (KIP Kuliah) program requires the university to select carefully the students who are entitled to receive the program. This study aims to build the classification model for KIP Kuliah recipients using Neural Network (NN) which can be utilized by universities in selecting prospective KIP Kuliah recipients students. To solve the imbalanced KIP Kuliah recipients data, we propose a hybrid sampling technique that combines the Synthetic Minority Over-Sampling Technique (SMOTE) and the Edited Nearest Neighbor (ENN) and also samples selected deletion method with a new scheme. Firstly, the majority class is clustered into several sub-classes using the k-means algorithm.  The SMOTE and ENN methods are applied simultaneously on a dataset derived from a minority class and a majority sub-class that is the nearest neighbor of the minority class with a certain sampling ratio. Furthermore, the sample-selected deletion method is applied to the majority sub-classes that have a very significant distance from the minority class. Lastly, The resampling results of the proposed scheme are combined into one training dataset in ANN. The objective of the proposed scheme is to minimize the generation of ‘false samples’ in the minority class and the elimination of informative samples in the majority class. The results show that the proposed scheme can significantly improve the performance of the NN classification model. The best classification model produces an accuracy value of 93.45%, TPR of 90.00%, TNR of 93.67%, G-Mean of 91.51%, and MCC of 81.25%.
Co-Authors Alde, Muhammad Riski Alfi Fadliana Ali Ridho Barakbah ANITA DAMAYANTI Darojah, Zaqiatud Edelani, Renovita Edi Satriyanto Fauzi Nafi'Ubadah, Kriza Febrianto, Ardiansyah Indra Haikal Yuniarta Krisgianto, Ricko Humaira, Fitrah Maharani Insani, Fawzan Isbat Uzzin Nadhori, Isbat Uzzin Maulana, Wahyu Ikbal Mustafa, Nadine Aliyah Nana Ramadijanti, Nana Ni'Ma, Najma Akmalina Nur Fadhillah, Wiradika Ridho, Bistiana Syafina Saputra, Muhammad Krisnanda Vilovan Tita Karlita Tri Hadiah Muliawati, Tri Hadiah Tsabita, Rania Hana