Article Per Year (5 Year)
p-Index From 2021 - 2026
1.671
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Keteknikan Pertanian Tropis dan Biosistem BAREKENG: Jurnal Ilmu Matematika dan Terapan PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer Jurnal RESISTOR (Rekayasa Sistem Komputer) KOMPUTIKA - Jurnal Sistem Komputer JUSTIN (Jurnal Sistem dan Teknologi Informasi) Journal Focus Action of Research Mathematic (Factor M) Jurnal Spasial: Penelitian, Terapan Ilmu Geografi dan Pendidikan Geografi Scientica: Jurnal Ilmiah Sains dan Teknologi Engagement: Jurnal Pengabdian Kepada Masyarakat
Aris Fanani
Institut Teknologi Sepuluh Nopember
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Library & Information Science Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

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

Found 2 Documents
Search
Journal : Jurnal Simetris

 1 
Pemodelan Utang Luar Negeri Indonesia Menggunakan Metode Regresi Semiparametrik Spline Truncated Maulana, Achmad Resnu; Fanani, Aris; Yuliati, Dian
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 2 (2024): JURNAL SIMETRIS VOLUME 15 NO 2 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i2.12205

Abstract

Perkembangan ekonomi suatu negara umumnya membutuhkan dukungan finansial yang signifikan. Di Indonesia, utang luar negeri seringkali menjadi salah satu sumber utama pendanaan untuk proyek pembangunan. Dalam beberapa tahun terakhir, terjadi peningkatan substansial dalam jumlah utang luar negeri Indonesia. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi tingkat utang tersebut. Metode yang digunakan dalam penelitian ini adalah Regresi Semiparametrik Spline Truncated. Variabel yang dianalisis termasuk utang luar negeri Indonesia sebagai variabel respons, serta cadangan devisa, utang luar negeri tahun sebelumnya, tingkat inflasi, suku bunga, dan nilai kurs sebagai variabel prediktor. Hasil analisis menunjukkan bahwa jumlah knot optimum pada komponen parametrik adalah tiga dengan nilai GCV sebesar 62293170. Uji signifikansi parameter menunjukkan bahwa variabel inflasi, cadangan devisa, utang luar negeri tahun sebelumnya, suku bunga, dan kurs memiliki pengaruh yang signifikan terhadap utang luar negeri Indonesia. Koefisien determinasi mencapai 97.3%, yang menunjukkan bahwa variabel prediktor mampu menjelaskan sebagian besar variabilitas utang luar negeri Indonesia, sementara sisanya dijelaskan oleh faktor-faktor lain di luar cakupan penelitian.
Perbandingan Reduksi Fitur pada Klasifikasi Coronary Artery Disease menggunakan Metode RNN Sari, Yana Vita; Fanani, Aris; Novitasari, Dian Candra Rini
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol. 16 No. 2 (2025): JURNAL SIMETRIS VOLUME 16 NO 2 TAHUN 2025
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v16i2.12328

Abstract

Coronary Artery Disease (CAD) merupakan kondisi ketika arteri coroner mengalami penyempitan atau penyumbatan yang dapat menjadi pemicu penyakit kardiovaskular dan berujung pada kematian. Oleh karena itu, perlu adanya penanganan yang tepat oleh tenaga medis yang diawali dengan proses diagnosis CAD untuk menilai kesehatan dan kondisi arteri. Diagnosis CAD dapat dilakukan berdasarkan klasifikasi menggunakan metode Recurrent Neural Network (RNN). RNN memiliki kemampuan untuk mempertahankan dan menggunakan informasi sebelumnya dalam pengambilan keputusan. Pada penelitian ini terdapat 30 fitur sehingga dilakukan reduksi fitur untuk meningkatkan kinerja model RNN. Tujuan dari penelitian ini untuk memperoleh model optimal dan mengetahui kefefektifan metode PCA dan ReliefF untuk reduksi fitur pada sistem klasifikasi. Uji coba dilakukan dengan uji coba pembagian data, learning rate, dan node hidden. Model optimum diperoleh pada k-fold 10, node hidden 200, dan learning rate 0.01 pada penggunaan metode ReliefF dengan fitur yang relevan sebanyak 26 diperoleh akurasi 88.42%, sensitivitas 90.82%, dan spesifisitas 86.09%.
Co-Authors Abdulloh Hamid Alfirdausy, Roudlotul Jannah Aliyyah, Izzatul Dwi Agustina Dzaky, Ahmad Naufal Fatmah Fatmah Hakim, Moch Rizki Kurniawan Hapsari, Nabilla Windy Himami, Fatikul Iksan Inayah, Jauharotul laili, ummiy Fauziah Laili, Ummiy Fauziyah LULUK WULANDARI M Mahaputra Hidayat M. Imron Maghfiroh, Wardatul Maulana, Achmad Resnu Moh. Hafiyusholeh Moh. Syaeful Bahar Mohammad Nasir, Mohammad Montolalu, Billy Nur Aulia, Shofinatul Wahdah Nurissaidah Ulinnuha Prasetijo, Dono Purwanti, Ida Putra Prima Putroue Keumala Intan Sari, Dian Candra Rini Novita Sari, Yana Vita Sufriyah, Lailiyatus Wahyunanto Agung Nugroho Wardani, Susilo Ari Wika Dianita Utami Yuliati, Dian Yuniar Farida, Yuniar Yusuf Hendrawan Zaen, Nanida Jenahara