Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

1.642

P-Index

This Author published in this journals

All Journal JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Indonesian Journal of Artificial Intelligence and Data Mining JURNAL EDUCATION AND DEVELOPMENT Jurnal Aplikasi Statistika & Komputasi Statistik EIGEN MATHEMATICS JOURNAL Prosiding Seminar Nasional Official Statistics Jurnal Kebijakan Pembangunan The International Journal of Remote Sensing and Earth Sciences (IJReSES)

Rani Nooraeni

Unknown Affiliation

Author-ID : 1696344

Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 11 Documents Claim Missing Document

Claim Missing Document

Articles

1 2

Workforce Classification in West Java 2018 With Random Forest Ahmad Safrian Fauzi; Muh. Rizki; Rendy Rendi; Ria Nurul; Tika Novitasari; Rani Nooraeni
Jurnal Matematika, Statistika dan Komputasi Vol. 17 No. 2 (2021): JANUARY 2021
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/jmsk.v17i2.11680

Pengangguran di Indonesia merupakan masalah yang serius. Tingginya angka pengangguran di Indonesia tersebut dikarenakan jumlah lapangan kerja yang tersedia tidak sebanding dengan jumlah angkatan kerja yang terus meningkat. Berdasarkan data BPS, Provinsi Jawa Barat sebagai penyumbang terbesar jumlah pengangguran di indonesia, dengan angka tingkat pengangguran terbuka sebesar 8,52 persen. Tujuan penelitian ini untuk melakukan klasifikasi penduduk angkatan kerja kedalam kelompok berstatus pengangguran atau bukan pengangguran (bekerja) di Provinsi Jawa Barat tahun 2018 dengan metode random forest menggunakan pendekatan machine learning. Model random forest ini dibentuk dengan 80 persen dari data total atau sebanyak 16.059 data untuk data training dan 20 persen dari data total atau sebanyak 4.015 data untuk data testing. Penelitian ini menggunakan data Sakernas 2018 dan terdapat tujuh variabel yang digunakan dalam penelitian, yaitu klasifikasi wilayah, jenis kelamin, umur, status perkawinan, tingkat pendidikan, pelatihan, dan pengalaman kerja. Dalam model random forest yang terbentuk, variabel status pernikahan dan tingkat pendidikan seseorang memiliki kontribusi besar dalam menentukan status pengangguran.

Metode Cluster Menggunakan Kombinasi Algoritma Cluster K-Prototype dan Algoritma Genetika untuk Data Bertipe Campuran Rani Nooraeni
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 7 No 2 (2015): Journal of Statistical Aplication and Statistical Computing
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Clustering is one of the main methods in data mining that useful to explore the data. One conventional clustering methods namely the K -Means algorithm efficient for large dataset and numeric data types but not for categorical data type. K-prototype algorithm eliminates the limitations of the numerical data but can also be used on categorical data. But the solutions generated by the algorithm is a local optimal solution in which one of the causes is the determination of the initial cluster’s center. Deal with these problems, the genetic algorithm was proposed for solving this global optimasitation problem. The results of the study indicate that the cluster’s center optimization with genetic algorithm success to improve the accuracy of the results of the cluster with K–Prototype algorithm.

PERBANDINGAN REGRESI OLS DAN ROBUST MM-ESTIMATION DALAM KASUS DBD DI INDONESIA 2018 Esa Anindika Sari; Hanum Iftitah Rahma; M Ridwan Firdaus; Wahyu Winarto; Yansi Indiyani; Rani Nooraeni
Jurnal Education and Development Vol 8 No 2 (2020): Vol.8.No.2.2020
Publisher : Institut Pendidikan Tapanuli Selatan

Analisis regresi merupakan salah satu cara untuk membentuk model hubungan antara variabel bebas dengan variabel terikat. Salah satu metode yang umum digunakan adalah metode Ordinary Least Square (OLS). Namun apabila terdapat outlier, maka estimasi koefisien garis regresi dengan metode OLS menjadi tidak tepat. Untuk mengatasi hal tersebut, salah satu yang dapat dilakukan yaitu dengan menggunakan metode regresi robust. Metode estimasi parameter pada regresi robust yang digunakan adalah metode MM-Estimation karena memiliki breakdown point dan efisiensi yang tinggi. Penelitian ini akan menyajikan estimasi parameter dan perbandingan antara metode regresi OLS dengan metode robust MM-Estimation dalam kasus penyakit Demam Berdarah Dengue (DBD) di Indonesia pada tahun 2018. Variabel yang digunakan yaitu jumlah kasus DBD, persentase sanitasi layak, kepadatan penduduk, dan persentase rumah tangga kumuh. Dalam menentukan model terbaik yaitu dengan membandingkan standar error dan R-squared. Berdasarkan hasil dan pembahasan, metode Robust MM-Estimation memiliki standar error yang lebih kecil dibandingkan OLS. Selain itu R-squared Robust MM-Estimation lebih besar dibandingkan R-squared OLS. Pada metode Robust juga semua variabel signifikan, sedangkan pada OLS tidak ada satupun variabel yang signifikan. Sehingga dapat disimpulkan bahwa metode Regresi Robust MM-Estimation lebih baik dibandingkan metode OLS.

Analisis Text Mining dari Cuitan Twitter Mengenai Infrastruktur di Indonesia dengan Metode Klasifikasi Naïve Bayes Bimananda W; Insan Riski; Karina Dwi; Rani Nooraeni; Theresa Siahaan; Yosherina Dhea
Eigen Mathematics Journal Vol. 2 No. 2 Desember 2019
Publisher : University of Mataram

Pembangunan bertujuan untuk meningkatkan kesejahteraan masyarakat. Pada masa pemerintahan Presiden Joko Widodo sangat gencar dilakukan pembangunan infrastruktur untuk mendukung pertumbuhan ekonomi dan peningkatan kesejahteraan masyarakat. Pembangunan infrastruktur ini tentu telah banyak memberikan dampak pada aktivitas masyarakat baik dari sisi positif maupun negatif. Terlepas dari dampak yang dihasilkan, masyarakat kerap kali memberikan pendapat atau komentar terkait dengan pembangunan infrastruktur. Masyarakat menyampaikan aspirasinya terhadap pembangunan infrastruktur dan dampak apa yang dirasakannya melalui berbagai jejaring media sosial salah satunya adalah Twitter. Diperoleh hasil bahwa proporsi sentimen negatif lebih besar dibandingkan dengan sentimen positif. Selain itu, hasil pengklasifikasian dengan menggunakan metode Naïve Bayes diperoleh model yang paling baik pada model bandara dengan akurasi sebesar 82%, presisi sebesar 0,84 dan recall sebesar 0,48.

Clustering Analysis of Financial Distress on Tourism Sector Companies Go-Public Due to LSSR Ahmad Firman Maulana; Camelia Iltazami Ulva; Fath Esa Prasanti Kusuma; Faza Budiarti; Moh. Fadli Hidayat DJ Makaraseng; Nyoman Putri Pradievy Syanthi; Rani Nooraeni
Indonesian Journal of Artificial Intelligence and Data Mining Vol 4, No 1 (2021): March 2021
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v4i1.11303

Large-Scale Social Restriction Policy (LSSR) to prevent the spread of COVID-19 has a big impact on economic activities, one of which is activities in the tourism sector. Restrictions on outdoor activities reduce the productivity of companies that can lead to bankruptcy. By knowing the financial condition of the company, we can predict whether the company will experience financial pressures or not. This paper tries to analyze the grouping of 100 companies in the tourism sector before (the first quarter of 2020) and after (the second quarter of 2020) the application of LSSR conditions. This paper uses the K-Means grouping method and the financial ratio of each company. Then, the variables in the analysis are Return on Asset (ROA), Total Asset Turn Over Ratio (TATO), Debt to Equity Ratio (DER), and Price to Earning Ratio (PER). The results showed that in the second quarter of 2020 or after the implementation of LSSR, almost all companies tend to be in a financially depressed condition. The number of companies that are under financial pressure after the implementation of this policy is 98 companies.

FAKTOR-FAKTOR YANG MEMENGARUHI PEMUDA MENJADIPENGANGGURAN DI PROVINSI BANTEN TAHUN 2018 Muhammad Hasby Ashshiddiq; Rani Nooraeni
Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019
Publisher : Politeknik Statistika STIS

Provinsi Banten menghadapi masalah terkait tingginya tingkat pengangguran, pada tahun 2018 Banten merupakan provinsi dengan Tingkat Pengangguran Terbuka (TPT) tertinggi di Indonesia. Tingkat pengangguran terbanyak di Banten didominasi oleh angkatan kerja berusia 16-30 tahun (pemuda) dibandingkan kelompok usia lainnya. Pemuda merupakan modal yang berharga bagi pembangunan karena mampu untuk lebih produktif dalam jangka panjang. Pemuda pengangguran berdampak buruk dalam jangka pendek karena masalah sosial dan ekonomi yang mereka hasilkan serta dalam jangka panjang kualitas pemuda yang buruk akan menghambat pertumbuhan dan pembangunan ekonomi daerah. Karena dampak buruk yang ditimbulkannya, maka permasalahan ini harus segera dicarikan solusinya. Penelitian ini bertujuan untuk mengetahui karakteristik demografi pengangguran pemuda di Provinsi Banten. Untuk mencapai tujuan tersebut maka digunakan analisis regresi logistik biner. Hasil penelitian menunjukkan bahwa karakteristik demografi jenis kelamin, usia, status perkawinan, pendidikan, dan status wilayah tempat tinggal signifikan berpengaruh terhadap status kerja pemuda di Provinsi Banten pada tahun 2018. Angkatan kerja pemuda di Provinsi Banten yang memiliki kecenderungan untuk menjadi pengangguran adalah yang pemuda yang berjenis kelamin laki-laki, belum menikah, tinggal di daerah perdesaan, berpendidikan tinggi atau lebih dari SMP, dan berada pada rentang usia antara 16 hingga 19 tahun

KARAKTERISTIK PEKERJA KOMUTER PEREMPUAN YANG MENGALAMI PERJALANAN DURASI PANJANG JABODETABEK 2019 Muhammad Ali Irfan; Rani Nooraeni
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Women have an important role in both the family and society. The increasing role of women in the workforce shows the higher motivation of women to work because of better education. In general, a person will minimize his travel time. However, 28 percent of commuters in Greater Jakarta traveled 90 minutes or more. In fact, women's travel patterns are relatively shorter due to household responsibilities. Long-duration commuting that is carried out continuously can be bad for life, and women are more at risk of being affected. This issue needs to be further investigated to find out what characteristics are driving female commuter workers on long-duration commuting. The method used is a binary probit regression. Based on the results of the study note that the level of education, income level, mode of transportation, and homeownership status positively affect the long-duration commuting. The state needs to pay attention to the welfare of its population, including women. With this research, it is hoped that solutions can be given so that women can travel shorter so that the impact of long-duration commuting can be minimized and still be able to provide maximum benefits for their families and work.

PEMODELAN DETERMINAN KEJADIAN WASTING PADA BALITA DI INDONESIA TAHUN 2018 DENGAN LOGISTIK BINER Fitri Anna Resqiah Asri; Rani Nooraeni
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Hasil Riskesdas menunjukkan bahwa kejadian wasting pada balita mengalami penurunan yaitu dari 12,1% pada tahun 2013 menjadi 10,2% pada tahun 2018. Walau mengalami penurunan, menurut WHO angka ini masih tergolong serius dan masih jauh dari target yaitu dibawah 5%. Balita yang mengalami wasting akan mengalami gangguan pertumbuhan fisik, morbiditas bahkan berisiko kematian. Penelitian ini bertujuan untuk mengetahui karakteristik balita, menganalisis faktor - faktor yang memengaruhi serta kecenderungannya terhadap kejadian wasting pada balita di Indonesia tahun 2018. Dengan menggunakan metode regresi logistik biner, hasil penelitian menunjukkan bahwa jenis kelamin balita, umur balita, status berat badan lahir balita, tingkat pendidikan ibu, serta akses ke rumah sakit signifikan terhadap kejadian wasting di Indonesia tahun 2018. Kecenderungan balita untuk mengalami wasting adalah balita yang berjenis kelamin laki-laki, umur 0-23 Bulan, balita yang memiliki riwayat BBLR, ibu dengan pendidikan rendah, serta akses yang sangat sulit menuju rumah sakit. Untuk itu, diperlukan peran ibu, keluarga hingga pemerintah dalam menurunkan prevalensi kejadian wasting pada balita di Indonesia.

Penerapan Smote Pada Data Tidak Seimbang Dalam Pemodelan Status NEET Penduduk Usia Muda di Provinsi Banten Tahun 2022 Reza Septian Pradana; Rani Nooraeni
Jurnal Kebijakan Pembangunan Vol 18 No 1 (2023): JURNAL KEBIJAKAN PEMBANGUNAN VOLUME 18 NOMOR 1 JUNI 2023
Publisher : Badan Riset dan Inovasi Daerah Provinsi Kalimantan Selatan

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

In 2022, the percentage of NEET youth in Banten Province increased and occupied the second-highest position in Java and seventh-highest in Indonesia, at 27.29%. The imbalanced data have been identified compared to the percentage of non-NEET youth, which reached 72.71%. This study aims to apply the SMOTE Technique to handle this imbalanced data and determine the variables that influence the NEET status of youth. The method used in this study is binary logistic regression. The model evaluation results prove that the model with imbalanced data handling by SMOTE is better at modelling the NEET status of youth in Banten. Area of residence, household relationship status, marital status, age, education level, disability status, and training experience significantly influence the NEET status of youth. Thus, it is necessary to expand employment opportunities and provide easy access to training and skills development in rural areas, including for people with disabilities. NEET (Not in Education, Employment or Training) pada penduduk usia muda telah menjadi isu internasional. Peningkatan jumlah penduduk usia muda NEET menggambarkan peningkatan potensi yang hilang bagi suatu wilayah serta kegagalan sistem pendidikan dan pasar kerja. Pada tahun 2022, persentase penduduk usia muda NEET Provinsi Banten mengalami kenaikan dan menempati posisi tertinggi kedua se-Pulau Jawa dan ketujuh se-Indonesia, yakni sebesar 27,29 persen. Dibandingkan dengan persentase penduduk usia muda bukan NEET yang mencapai 72,71 persen, telah teridentifikasi adanya data tidak seimbang. Penelitian ini bertujuan untuk menerapkan Synthetic Minority Oversampling Technique (SMOTE) untuk menangani data tidak seimbang dan mengetahui variabel yang memengaruhi status NEET penduduk usia muda di Provinsi Banten tahun 2022. Metode yang digunakan dalam penelitian ini adalah regresi logistik biner. Hasil evaluasi model membuktikan bahwa model yang disertai penanganan data tidak seimbang dengan SMOTE lebih baik dalam pemodelan status NEET penduduk usia muda di Provinsi Banten tahun 2022. Dari model terbaik, dapat disimpulkan bahwa wilayah tempat tinggal, status hubungan dalam rumah tangga, status perkawinan, umur, tingkat pendidikan, status disabilitas, dan pengalaman mengikuti pelatihan secara signifikan berpengaruh terhadap status NEET penduduk usia muda di Provinsi Banten tahun 2022. Oleh karena itu diperlukan upaya perluasan lapangan pekerjaan serta pemberian kemudahan akses pelatihan dan pengembangan keterampilan hingga ke wilayah perdesaan termasuk untuk penyandang disabilitas.

GENERATING SYNTHETIC TRAINING DATASETS USING CONDITIONAL GENERATIVE ADVERSARIAL NETWORK TO IMPROVE IMAGES SEGMENTATION Uzma, Iffati; Rani Nooraeni; Takdir
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 1 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i1.532

Limited amount of training datasets in deep learning research could impact the accuracy of the resulting models. This situation can cause overfit, so the model cannot work correctly. A conditional Generative Adversarial Network (CGAN) was introduced to generate synthetic data by considering certain conditions. This study aims to generate additional synthetic training datasets to improve the accuracy of the object segmentation model of images. Firstly, we evaluated CGAN-based dataset generator accuracy against several open datasets. Then, we applied the generator to train two object segmentation models, i.e., FCN and CNN U-Net. Our evaluation shows that CGAN can generate synthetic datasets well. Complex datasets require more training iterations. It also improves the validation loss and validation accuracy of both segmentation models, although other metrics still need further improvement

Co-Authors Ahmad Firman Maulana Ahmad Safrian Fauzi Bimananda W Camelia Iltazami Ulva Esa Anindika Sari Fath Esa Prasanti Kusuma Faza Budiarti Fitri Anna Resqiah Asri Hanum Iftitah Rahma Insan Riski Karina Dwi M Ridwan Firdaus Moh. Fadli Hidayat DJ Makaraseng Muh. Rizki Muhammad Ali Irfan Muhammad Hasby Ashshiddiq Nyoman Putri Pradievy Syanthi Rendy Rendi Reza Septian Pradana Ria Nurul Ridson Al Farizal Pulungan Takdir Theresa Siahaan Tika Novitasari Uzma, Iffati Wahyu Winarto Yansi Indiyani Yosherina Dhea

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search