Article Per Year (5 Year)
p-Index From 2021 - 2026
1.879
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Jurnal Teknik ITS Semantik TELKOMNIKA (Telecommunication Computing Electronics and Control) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Kursor Scan : Jurnal Teknologi Informasi dan Komunikasi Seminar Nasional Informatika (SEMNASIF) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Sewagati
Bilqis Amaliah
Departemen Teknik Informatika, Institut Teknologi Sepuluh Nopember, Kampus ITS, Keputih, Sukolilo, Surabaya 60111
Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Education Engineering Languange, Linguistic, Communication & Media Library & Information Science Public Health Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
A Dual-Network iTransformer Model for Robust and Efficient Time Series Forecasting Ary Mazharuddin Shiddiqi; Bagaskoro Kuncoro Ardi; Bilqis Amaliah; I Komang Ari Mogi; Agung Mustika Rizki; Bintang Nuralamsyah; Ilham Gurat Adillion; Moch. Nafkhan Alzamzami
JUTI: Jurnal Ilmiah Teknologi Informasi Vol.23, No.2, July 2025
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v23i2.a1264

Abstract

Time-series forecasting plays a crucial role in various fields, including economics, healthcare, and meteorology, where accurate predictions are essential for informed decision-making. As data volume and complexity continue to grow, the need for efficient and reliable forecasting methods has become more critical. iTransformer, a recent innovation, improves interpretability while effectively handling multivariate data. In this study, the author proposes Dual-Net iTransformer, a novel approach that integrates iTransformer with a dual-network framework to enhance both accuracy and efficiency in time-series forecasting. This research aims to evaluate and compare the performance of traditional methods, iTransformer, and Dual-Net iTransformer, highlighting the advantages of the proposed model in improving forecasting outcomes.
PEMODELAN DATA RADIOSONDE MENGGUNAKAN STACKING ENSEMBLE UNTUK KLASIFIKASI HUJAN Hermansyah, Muhammad; Saikhu, Ahmad; Amaliah, Bilqis
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.7806

Abstract

Perubahan iklim telah meningkatkan frekuensi dan intensitas kejadian cuaca ekstrem di wilayah tropis seperti Indonesia, sehingga men-imbulkan tantangan dalam pemanfaatan data observasi meteorologi untuk mitigasi bencana hidrometeorologis. Data observasi permukaan sering kali kurang mampu merepresentasikan dinamika vertikal at-mosfer dalam analisis kejadian cuaca ekstrem, seperti hujan sedang hingga lebat. Penelitian ini bertujuan mengembangkan model klasifikasi intensitas hujan berbasis data observasi udara atas dari radiosonde dengan pendekatan stacking ensemble, yang mengintegrasikan algorit-ma Random Forest, XGBoost, LightGBM, dan SVM, serta menggunakan HistGradientBoosting sebagai meta-learner. Untuk mengatasi ketidakseimbangan kelas antara kondisi berawan-hujan ringan dan hujan sedang-lebat, diterapkan teknik Synthetic Minority Over-sampling Technique (SMOTE). Evaluasi performa dilakukan menggunakan metrik precision, recall, F1-score, dan kurva precision-recall. Hasil menunjukkan bahwa model stacking ensemble memberikan performa terbaik dengan nilai precision sebesar 0,9084, F1-score 0,8718, dan average precision untuk kelas hujan sedang-lebat sebesar 0,949, melampaui seluruh model individual. Temuan ini menegaskan keunggulan integrasi data atmosfer vertikal dan pendekatan multi-algorithm machine learning dalam mendeteksi hujan intensitas sedang hingga lebat secara lebih akurat. Model ini memiliki potensi tinggi untuk diimplementasikan dalam sistem peringatan dini cuaca ekstrem, khususnya di wilayah tropis dengan keterbatasan data observasi permukaan.
Co-Authors ABDUL MUNIF Achmad Saikhu Adam Mizza Zamani Agung Mustika Rizki Agus Zainal Arifin Ahmad Mustofa Ahmad Saikhu Aini, Nuru Alifiansyah Arrizqy Hidayat Alvin Lazaro Amethis Oktaorora Andhik Ampuh Yunanto Anindhita Sigit Nugroho Anindita Sigit Nugroho Anita Hakim Nasution Anny Yuniarti Antonius Malem Barus Arifiani, Siska Ary Mazharuddin Shiddiqi Arya Yudi Wijaya Arya Yudi Wijaya Aurelius Ratu Bagaskoro Kuncoro Ardi Berlian Rahmy Lidiawaty Bhawika, Gita Widi Bintang Nuralamsyah Buliali, Joko Lianto Chastine Fatichah Darlis Herumurti Dwi Kristianto Edy Subali Fahmi Akbar Saputra Ginardi, R.V. Hari Hadziq Fabroyir Handayani Tjandrasa Hermanto Hermanto I Komang Ari Mogi Ilham Gurat Adillion Imam Kuswardayan Irina Amalia Nastiti Isye Arieshanti Joko Lianto Joko Lianto Kartika Nuswantara Kelly Rossa Sungkono Khairun Nisa Khakim Ghozali M Rahmat Widyanto M. Rahmat Widyanto Margo Pudjiantara Moch. Nafkhan Alzamzami Mohammad Saifullah Muhammad Hermansyah Muhammad Riduwan Pradana, Muhamad Hilmil Muchtar Aditya Ratna Rintaningrum Ridho Rahman Hariadi Riyanarto Sarno Sambodho, Kriyo Siska Arifiani Suarmini, Ni Wayan Suwadi Suwadi Sylvi Novita Dewi Tri Agung Wahyu Handrian Victor Hariadi Wijaya, Arya Yudi Wijayanti Nurul Khotimah Yudhi Purwananto