Article Per Year (5 Year)
p-Index From 2020 - 2025
2.148
P-Index
This Author published in this journals
All Journal JURNAL PENDIDIKAN TAMBUSAI JURNAL MUTIARA AKUNTANSI JURNAL MUTIARA MANAJEMEN Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat Wedana: Jurnal Kajian Pemerintahan, Politik, dan Birokrasi Jurnal Abdi Masyarakat Indonesia TRANSFORMASI : JURNAL PENGABDIAN PADA MASYARAKAT sudo Jurnal Teknik Informatika Innovative: Journal Of Social Science Research Riwayat: Educational Journal of History and Humanities
Ardieansyah, Ardieansyah
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Riwayat: Educational Journal of History and Humanities

 1 
Optimalisasi Perencanaan Pembangunan Daerah dengan Teknologi Deep Learning untuk Memprediksi Tren Ekonomi Makatara, Biva Aditya Yuda; Dida, Marimbi Liebe Na'illah; Narazaki, Najwa Syawalia; Romarina, Arina; Ardieansyah, Ardieansyah
Riwayat: Educational Journal of History and Humanities Vol 8, No 4 (2025): Oktober, In proggress
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/jr.v8i4.49442

Abstract

Optimalisasi perencanaan pembangunan daerah dengan pemanfaatan teknologi deep learning untuk memprediksi tren ekonomi menjadi kebutuhan strategis dalam menghadapi tantangan dinamika pembangunan yang kompleks dan data ekonomi yang besar. Penelitian ini bertujuan mengkaji peran teknologi deep learning dalam meningkatkan akurasi prediksi indikator ekonomi seperti inflasi, Produk Domestik Regional Bruto (PDRB), dan investasi daerah sebagai dasar pengambilan keputusan di tingkat pemerintah daerah. Melalui metode library research dengan kajian literatur jurnal terindeks Sinta, Google Scholar, dan Scopus, hasil penelitian menunjukkan bahwa model deep learning seperti Long Short-Term Memory (LSTM), ensembel learning, dan Convolutional Neural Network (CNN) dengan fusi data deret waktu memiliki performa yang unggul dibandingkan metode statistik tradisional, dengan tingkat kesalahan prediksi yang rendah dan kemampuan adaptasi yang tinggi terhadap pola data ekonomi yang beragam dan dinamis. Selain peningkatan efisiensi proses analisis data besar dan simulasi berbagai skenario kebijakan berbasis data, tantangan implementasi utama meliputi kebutuhan infrastruktur teknologi tinggi, sumber daya manusia yang ahli, dan integrasi data yang baik. Studi ini merekomendasikan pentingnya pemanfaatan cloud computing, pelatihan SDM intensif, serta penegakan kebijakan Satu Data Indonesia untuk mendukung adopsi teknologi deep learning secara efektif dalam pembangunan daerah. Kontribusi teknologi ini diharapkan dapat memperkuat proses perencanaan berbasis bukti, menghasilkan kebijakan yang tepat sasaran, serta mendukung pembangunan yang berkelanjutan dan responsif terhadap perubahan ekonomi global dan lokal.
Co-Authors Abbas, Andi Reskia Nurhidayah Alifkah, Muhammad Haerul Althaaf, Muhammad Athaya Amin, Aqeel Fadhlurrahman Anwar, Sulthan Rafi Arina Romarina, Arina Asmungi, Asmungi Athaya, M. Daffa Amru Prima Dida, Marimbi Liebe Na'illah Gae, Alexander Caesar Fransisco Huseno, Tun Ilham, Rozali Makatara, Biva Aditya Yuda Marta, Fitri Yul Dwi Muhammad Tosan Bingamawa Nabila, Keysha Putri Nabila NALIEN, ELVIRA MULYA Narazaki, Najwa Syawalia Ramadhan, Aji Bayu Ricola, Deri Amanda Rotzami, Rotzami Rozali Ilham Sela, Zaneta Nathania Mei Sembiring, Josua Praja Sembiring, Yetty Sinaga, Javancha Sem Brian Sinatra, Willdan Surbakti, Elisha Stacia Janrika Tarigan, Akbar Nugraha Utomo, Decky Dwi Welasari, Welasari Wenda, Chris Cope Wijanarko, Fadli Zahrati, Wenty