Article Per Year (5 Year)
p-Index From 2021 - 2026
1.829
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Voteteknika (Vocational Teknik Elektronika dan Informatika) Infotech Journal J I M P - Jurnal Informatika Merdeka Pasuruan JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) JOINT (Journal of Information Technology Informatics and Digital Expert (INDEX) Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Innovative: Journal Of Social Science Research
Wina Witanti
Universitas Jenderal Achmad Yani
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Public Health Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
PERBANDINGAN METODE CART DAN NAÏVE BAYES UNTUK KLASIFIKASI CUSTOMER CHURN Rahmat Ryan Adhitya; Wina Witanti; Rezki Yuniarti
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.5641

Abstract

Classification is the process of identifying and grouping an object into the same group or category Classification can be used to group a large-sized dataset, and some commonly used classification methods are CART (Classification And Regression Tree) and Naïve Bayes. This study discusses the comparison of CART and Naïve Bayes methods by measuring accuracy, precision, recall, and f1-score values with 3 scenarios of training and testing dataset distribution. Accuracy, precision, recall, and f1-score measurements are performed using a confusion matrix. The scenarios for training and testing dataset division are 70%, 80%, and 90% of the training dataset. From the results of the study, CART has the highest average accuracy and f1-score of 79.616% and 57.636% respectively, while the highest average accuracy and f1-score of Naïve Bayes are 75.104% and 62.004% respectively.
Penerapan Algoritma K-Nearest Neighbor (KNN) Dengan Fitur Relief-F Dalam Penentuan Status Stunting Kemal Musthafa Rajabi; Wina Witanti; Rezki Yuniarti
Innovative: Journal Of Social Science Research Vol. 3 No. 4 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i4.3885

Abstract

Stunting pada anak dapat diidentifikasi menggunakan beberapa indikator status gizi, seperti berat badan menurut umur (BB/U), tinggi badan menurut umur (TB/U), dan berat badan menurut tinggi badan (BB/TB), dengan menggunakan nilai skor-Z (Z-score) di bawah minus 2 pada indikator TB/U. Saat ini, metode pengukuran status stunting masih menggunakan pendekatan antropometri yang bersifat manual dan subjektif. Untuk mengatasi hal ini, penelitian ini mengembangkan model prediksi status stunting pada anak dengan menggunakan algoritma K-Nearest Neighbor (KNN) dan fitur Relief-F. Dan hasil penelitian menunjukkan bahwa seleksi fitur pada 5 Atribut yang berdasarkan iterasi dari Relief-F berhasil menaikkan nilai akurasi dengan bobot terbaik yang ditemukan pada iterasi ke-5 adalah pada atribut  Usia Saat Ukur dan Tinggi. Nilai akurasi terbaik ada pada nilai K = 1, data test 50% (50:50) dengan seleksi fitur 2 atribut menghasilkan akurasi 98,16%.
Prediksi Penjualan Obat Menggunakan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS) Siti Rahmah; Wina Witanti; Puspita Nurul Sabrina
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 7, No 3 (2022): Desember
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51213/jimp.v7i3.733

Abstract

Abstrak— Penelitian yang akan dilakukan, menggunakan metode ANFIS dalam memprediksi data penjualan obat. Dilakukan untuk mengetahui dan menemukan pola dari metode ANFIS ketika digunakan dalam teknik prediksi dan juga untuk mengetahui hasil akurasi prediksi yang didapatkan ketika menggunakan data penjualan obat, apakah lebih baik dari penelitian sebelumnya atau lebih buruk. Data yang digunakan adalah data penjualan obat yang berstudi kasus di Apotek Agsya. Metode ANFIS memiliki 5 layers atau biasa juga disebut sebagai hiden layers ANFIS,  yang mana masing-masing lapisannya mempunyai perlakuan yang berbeda, dan setiap lapisannya mempunyai peran masing-masing dalam perhitungan algoritma ANFIS. Berdasarkan dari pengujian dengan menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS), pada pengujian data penjualan obat amlodipin sebanyak 274 data dengan 20 epoch (error terkecil yang diharapkan 10-3), didapatkan hasil error terkecil nilai RMSE sebesar 0.127. 
PREDIKSI PERGERAKAN HARGA EMAS MENGGUNAKAN METODE GENETIC SUPPORT VECTOR REGRESSION Akbar Mulya Hadi; Wina Witanti; Melina Melina
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 3 (2024): EDISI 21
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i3.4247

Abstract

Emas merupakan salah satu logam mulia yang banyak diminati masyarakat sebagai komoditi untuk berinvestasi dikarenakan ketahanannya terhadap laju inflasi yang cukup baik. Namun Seiring dengan waktu, fluktuatif harga emas dipengaruhi oleh banyak faktor sehingga dapat memprediksi harga emas di masa depan merupakan hal yang penting. Pada penelitian ini data historis harga emas digunakan sebagai dasar untuk melatih dan menguji model prediksi. Salah satu metode untuk memprediksi adalah Support Vector Regression (SVR). Akan tetapi, sensitifitas parameter masukannya cukup mempengaruhi hasil prediksi sehingga pada penelitian ini diterapkan metode Algoritme Genetic (GA) yang cukup fleksibel untuk dihibridisasikan dengan SVR. Tujuan penelitian ini adalah membangun sebuah platform web yang dapat memprediksi harga emas secara real time agar diakses dengan mudah bagi pengguna dalam memprediksi harga emas secara realtime dengan menggunakan metode hybrid Genetic dan Support Vector Regression (G-SVR). Diharapkan hasil penelitian ini dapat memberikan kontribusi dalam pengembangan metode prediksi harga emas. Selain itu juga dapat diharapkan penelitian ini dapat menjadi rekomendasi  bagi para  investor, dan peneliti untuk membuat keputusan investasi emas yang lebih baik.
IMPLEMENTASI ASSOCIATION RULE MINING DALAM MENGANALISIS DATA PENJUALAN SEPATU MENGGUNAKAN ALGORITMA FP-GROWTH Zalfa Salsabila Muliawati; Wina Witanti; Edvin Ramadhan
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 3 (2024): EDISI 21
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i3.4335

Abstract

Association Rule dan algoritma fp-growth digunakan sebagai kerangka kerja analisis data untuk mengidentifikasi hubungan atau asosiasi antar variable. Hasil dari penelitian ini adalah Men's Apparel dan Women's Apparel kemungkinan membeli Women's Athletic Footwear dan Men's Athletic Footwear dan Women's Athletic Footwear kemungkinan membeli Men's Appare 100%, membeli Men's Apparel, maka kemungkinan membeli Women's Athletic Footwear dan membeli Women's Athletic Footwear kemungkinan membeli Men's Apparel 95.65%, membeli Men's Apparel dan Women's Street Footwear kemungkinan membeli Women's Athletic Footwear dan membeli Women's Athletic Footwear dan Women's Street Footwear kemungkinan membeli Men's Apparel 91.67%, membeli Men's Athletic Footwear kemungkinan membeli Men's Apparel dan Women's Athletic Footwear dan membeli Men's Apparel dan Men's Athletic Footwear kemungkinan membeli Women's Athletic Footwear 85.71%,  membeli Women's Apparel kemungkinan membeli Men's Apparel dan Women's Athletic Footwear dan  membeli Women's Apparel dan Women's Athletic Footwear kemungkinan membeli Men's Apparel 83.33%. Hasil tersebut terlihat bahwa terdapat kecenderungan pembelian satu jenis produk sering diikuti oleh pembelian produk terkait lainnya.
Peramalan Nilai Tukar Mata Uang Menggunakan Metode Nonlinear Autoregressive Exogenous Neural Network Cecep Jamaludin; Wina Witanti; Melina Melina
Voteteknika (Vocational Teknik Elektronika dan Informatika) Vol 12, No 3 (2024): Vol. 12, No 3, September 2024
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/voteteknika.v12i3.129132

Abstract

Nilai tukar mata uang sering kali mengalami fluktuasi atau naik turun terhadap mata uang negara lain, terutama Great Britain Pound (GBP) terhadap Indonesian Rupiah (IDR). Perubahan nilai tukar mata uang dipengaruhi oleh berbagai faktor yang berhubungan langsung (endogen) dan faktor yang tidak berhubungan langsung (eksogen). Ketika nilai fluktuasi nilai tukar mata uang melebihi ambang batas tertentu dapat berdampak negatif pada perdagangan internasional dan menghambat pertumbuhan ekonomi negara. Penelitian ini mengkaji penggunaan metode Nonlinear Autoregressive Exogenous Neural Network (NARX-NN) untuk meramalkan nilai tukar mata uang GBP/IDR dengan menambahkan faktor eksternal seperti inflasi, suku bunga, ekspor, dan jumlah uang beredar pada model peramalan dengan tujuan untuk meningkatkan keakuratan peramalan nilai tukar mata uang dengan menggunakan metode NARX-NN. Hasil dari penelitian ini menunjukkan bahwa dengan memasukkan faktor-faktor yang mempengaruhi fluktuasi nilai tukar mata uang, diperoleh hasil peramalan yang lebih baik yaitu nilai Mean Absolute Error (MAE) sebesar 33.28, Root Mean Square Error (RMSE) sebesar 53.53, dan R-Squared (  sebesar 0.99 dengan pembagian data sebanyak 80/20. Diharapkan, hasil penelitian ini dapat menjadi referensi bagi investor, akademisi, dan masyarakat dalam memaksimalkan keuntungan dan meminimalisir risiko kerugian pada kurs mata uang GBP/IDR.Kata kunci : endogen; eksogen; nilai tukar; peramalan; NARX-NN. Currency exchange rates often fluctuate or rise and fall against other countries' currencies, especially the Great Britain Pound (GBP) against the Indonesian Rupiah (IDR). Changes in currency exchange rates are influenced by various factors that are directly related (endogenous) and factors that are not directly related (exogenous). When the value of currency exchange rate fluctuations exceeds a certain threshold, it hurts international trade and hampers the country's economic growth. This research examines the use of the Nonlinear Autoregressive Exogenous Neural Network (NARX-NN) method to forecast the GBP/IDR currency exchange rate by adding external factors such as inflation, interest rates, exports, and money supply to the forecasting model to improve the accuracy of forecasting currency exchange rates using the NARX-NN method. The results of this study show that by including factors that affect currency exchange rate fluctuations, better forecasting results are obtained, namely the Mean Absolute Error (MAE) value of 33.28, Root Mean Square Error (RMSE) of 53.53, and R-Squared (R2) of 0.99 with a data division of 80/20. It is hoped that this research can be a reference for investors, academics, and the public in maximizing profits and minimizing the risk of loss on the GBP/IDR currency exchange rate.Keywords: endogenous; exogenous; exchange rate; forecasting; NARX-NN.
Co-Authors Akbar Mulya Hadi Ayu Peraiyantika Budi Dwi Prasetyo Cecep Jamaludin Dewi Marini Umi Atmaja Edvin Ramadhan Hadiana, Asep Id Helmi Fachrureza Ida bagus Komang Krizena Adhiarta Kemal Musthafa Rajabi Melina Melina Puspita Nurul Sabrina Puspita Nurul Sabrina Rahmat Ryan Adhitya Resty Awaliah Febrianty Rezki Yuniarti Rizal Dwiwahyu Pribadi Rizky Fauzi Achman Sevty Nourmantana Sheila Nurmeila Ashma siti rahmah Tati Harihayati Mardzuki Yulison Herry Chrisnanto Zalfa Salsabila Muliawati