Garuda - Garba Rujukan Digital

Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah Hamdanah, Fitria Habibatul; Fitrianah, Devi
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol 10, No 1 (2021)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v10i1.31035

Penjualan merupakan syarat mutlak kelangsungan suatu usaha, karena dengan penjualan maka akan didapatkan keuntungan. Metode Linear Regression dan Generalized Linear Model merupakan metode pendekatan yang didukung dengan perhitungan RSME. RMSE (Root Mean Square Error) berfungsi untuk mendapatkan besaran tingkat kesalahan dari hasil prediksi, dimana semakin kecil (mendekati 0) nilai RMSE maka semakin akurat nilai prediksinya. Pada setiap Usaha Mikro Kecil Menengah (UMKM) aktivitas transaksi dan pelayanan terhadap konsumen setiap harinya semakin lama semakin meningkat, sehingga tanpa disadari hal ini dapat menimbulkan tumpukan data yang semakin membesar. UMKM biasanya mengeluarkan beberapa item berbeda untuk ditawarkan ke pasar dengan harga yang berbeda, namun tidak semua barang banyak peminatnya. Keberhasilan penjualannya menentukan keberlanjutan untuk umkm itu sendiri. Pada penelitian ini akan dibandingkan penggunaan algoritma Linear Regression dengan Generalized Linear Model yang diimplementasikan pada data penjualan yang sudah diinputkan sebelumnya guna menghasilkan prediksi penjualan barang untuk tahun berikutnya. Hasil perhitungan menunjukkan bahwa algoritma Linear Regression dengan nilai RSME, MSE,MAPE sebesar 1,983; 3,933; dan 1,518 sedangkan hasil dari algoritma Generalized Linear Model dengan nilai RSME, MSE, MAPE sebesar 4,827; 23,295; dan 3,882. Berdasarkan perhitungan prediksi oleh algoritma Linear Regression dan Generalized Linear Model dapat disimpulkan bahwa nilai RSME pada algoritma Linear Regression menunjukkan perhitungan paling baik dikarenakan nilai RSME paling kecil.

Analisis Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing Deni Triyansyah; Devi Fitrianah
InComTech : Jurnal Telekomunikasi dan Komputer Vol 8, No 3 (2018)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v8i3.4174

Penelitian ini mencari strategi marketing yang mampu bersaing dengan kompetitor lain, karena pada era saat ini setiap perusahaan saling belomba dalam menjual produknya dengan ujung tombaknya adalah strategi marketing, masalah yang diangkat pada penelitian ini adalah menumpuknya stok sepatu yang belum terjual dan kurang diperhatikanya reseller yang memiliki potensial dalam penjualan. penelitian ini menggunakan metode K-Means, adalah metode clustering yang membagi data kedalam satu atau lebih kluster, data yang karakteristik sama dikelompokkan satu kluster yang sama dan karakteristik yang berbeda dikelompokkan kedalam kelompok yang lain. K-Means adalah metode yang cocok digunakan dengan satu tipe data dan ditunjang dengan validitas kluster yang menggunakan Davies-Bouldin Index untuk mengetahui seberapa baik proses kinerja pengklusteran. Hasil pengklusteran data untuk mendapatkan informasi reseller yang potensial, dengan menggunakan dua kluster, sedangkan untuk mendapatkan informasi tipe sepatu yang laris adalah dengan menggunakan tiga cluster. Dan pengklusteran ini menghasilkan 1 reseller yang potensial yaitu reseller Hoy, sedangkan proses mencari tipe sepatu yang laris mendaptkan 3 tipe sepatu yang terlaris yaitu Neo Adventage, Cloudfoam Swiftt, dan Bennasi. Hasil dari nilai Davies Bouldin Index yang diperoleh pada clustering pencarian reseller yang potensial adalah 0.271 dan 0.196 pada klustering pencarian tipe sepatu yang laris.

Perbandingan Algoritma C4.5 dan Multilayer Perceptron untuk Klasifikasi Kelas Rumah Sakit di DKI Jakarta Amalia Fitri Hardiyanti; Devi Fitrianah
InComTech : Jurnal Telekomunikasi dan Komputer Vol 11, No 3 (2021)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v11i3.10632

Kesehatan dan kesejahteraan masyarakat merupakan salah satu prioritas utama pemerintah. Peningkatan pelayanan dan fasilitas kesehatan merupakan salah satu upaya pemerintah untuk membangun kesehatan nasional dan mewujudkan negara sehat. Banyaknya fasilitas kesehatan di rumah sakit dapat menentukan grade kelas rumah sakit di daerah DKI Jakarta. Selama ini grade rumah sakit ditentukan berdasarkan fasilitas dan kemampuan pelayanan rumah sakit yang ditentukan oleh pemerintah. Berdasarkan data yang ada perlu dilakukannya pengklasifikasian rumah sakit berdasarkan fasilitas yang tersedia. Dalam penelitian ini penentuan grade kelas rumah sakit dengan fasilitas yang ada menggunakan metode Algoritma C4.5 dan Multilayer Perceptron. Penelitian ini membandingkan kinerja dari dua algoritma tersebut. Dengan hasil perbandingan Multilayer Perceptron MLP memiliki nilai akurasi sebesar 92,64% dan Algoritma C4.5 memiliki nilai akurasi sebesar 83,82%. Berdasarkan hasil nilai akurasi Multilayer Perceptron MLP mempunyai kinerja yang lebih baik dari Algoritma C4.5.

Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah Fitria Habibatul Hamdanah; Devi Fitrianah
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 10 No. 1 (2021)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v10i1.31035

Penjualan merupakan syarat mutlak kelangsungan suatu usaha, karena dengan penjualan maka akan didapatkan keuntungan. Metode Linear Regression dan Generalized Linear Model merupakan metode pendekatan yang didukung dengan perhitungan RSME. RMSE (Root Mean Square Error) berfungsi untuk mendapatkan besaran tingkat kesalahan dari hasil prediksi, dimana semakin kecil (mendekati 0) nilai RMSE maka semakin akurat nilai prediksinya. Pada setiap Usaha Mikro Kecil Menengah (UMKM) aktivitas transaksi dan pelayanan terhadap konsumen setiap harinya semakin lama semakin meningkat, sehingga tanpa disadari hal ini dapat menimbulkan tumpukan data yang semakin membesar. UMKM biasanya mengeluarkan beberapa item berbeda untuk ditawarkan ke pasar dengan harga yang berbeda, namun tidak semua barang banyak peminatnya. Keberhasilan penjualannya menentukan keberlanjutan untuk umkm itu sendiri. Pada penelitian ini akan dibandingkan penggunaan algoritma Linear Regression dengan Generalized Linear Model yang diimplementasikan pada data penjualan yang sudah diinputkan sebelumnya guna menghasilkan prediksi penjualan barang untuk tahun berikutnya. Hasil perhitungan menunjukkan bahwa algoritma Linear Regression dengan nilai RSME, MSE,MAPE sebesar 1,983; 3,933; dan 1,518 sedangkan hasil dari algoritma Generalized Linear Model dengan nilai RSME, MSE, MAPE sebesar 4,827; 23,295; dan 3,882. Berdasarkan perhitungan prediksi oleh algoritma Linear Regression dan Generalized Linear Model dapat disimpulkan bahwa nilai RSME pada algoritma Linear Regression menunjukkan perhitungan paling baik dikarenakan nilai RSME paling kecil.

AUDIT SISTEM INFORMASI/TEKNOLOGI INFORMASI DENGAN KERANGKA KERJA COBIT UNTUK EVALUASI MANAJEMEN TEKNOLOGI INFORMASI DI UNIVERSITAS XYZ Devi Fitrianah; Yudho Giri Sucahyo
Jurnal Sistem Informasi Vol. 4 No. 1 (2008): Jurnal Sistem Informasi (Journal of Information System)
Publisher : Faculty of Computer Science Universitas Indonesia

Pemanfaatan Teknologi Informasi sebagai pendukung pencapaian tujuan dan sasaran organisasi harus diimbangi dengan keefektifan dan efisiensi pengelolaannya. Maka dari itu, audit TI haruslah dilakukan untuk menjaga keamanan sistem informasi sebagai aset organisasi, untuk mempertahankan integritas informasi yang disimpan dan diolah dan tentu saja untuk meningkatkan keefektifan penggunaan teknologi informasi serta mendukung efisiensi dalam organisasi. Penelitian ini bertujuan untuk melakukan pemetaan terhadap tahap audit TI beserta kontrolnya yang kemudian diaplikasikan pada sebuah organisasi, yaitu Universitas XYZ untuk melihat kinerja TI yang ada. Kerangka kerja yang digunakan sebagai acuan adalah COBIT-ISACA dengan menggunakan 210 detailed control objective yang ada. Penyelenggaraan audit dilakukan dengan menggunakan tahapan-tahapan yang ada pada IT Assurance Guide. Hasil dari evaluasi atau temuan dilakukan analisa root cause sehingga didapat sebuah rekomendasi untuk manajemen TI yang lebih baik lagi.

Penerapan Metode Regresi Linear Untuk Prediksi Penjualan Properti pada PT XYZ Ayuni, Ghebyla Najla; Fitrianah, Devi
Jurnal Telematika Vol. 14 No. 2 (2019)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v14i2.321

The purpose of this research is to obtain property sales predictions based on property sales data at PT XYZ. Linear regression is used as a prediction method with the quantity or number of properties sold as an effect variable and the period of property sale as a causal variable. Accuracy testing of prediction results is carried out using MSE, RMSE, and MAPE. Based on the results of research conducted using property sales data for a period of five years, it was found that the number of sales in the following month is predicted to be sold as many as 4 units for property rumah 59, 2 units of rumah sudut, 6 types consisting of rumah 28, rumah 39, rumah 62, rumah 73, rumah 84, and rumah 115 each as many as 1 unit, and the remaining 5 types namely kavling, ruko, rumah 58, rumah 67, and rumah 72 are predicted to not experience any sales. The results of testing the accuracy of all types display the value of MSE, RMSE, and MAPE that are meet with the standards. Based on this results, it can be said that the prediction of property sales using linear regression method is categorized as very good.Tujuan dari penelitian ini adalah untuk mendapatkan prediksi penjualan properti berdasarkan data penjualan properti pada PT XYZ. Regresi linear digunakan sebagai metode prediksi dengan kuantiti atau jumlah properti yang terjual sebagai variabel akibat dan periode penjualan properti sebagai variabel penyebab. Pengujian keakurasian terhadap hasil prediksi dilakukan menggunakan MSE, RMSE, dan MAPE. Berdasarkan hasil penelitian yang dilakukan dengan menggunakan data penjualan properti selama kurun waktu lima tahun, didapatkan bahwa jumlah penjualan pada bulan berikutnya untuk properti tipe rumah 59 diprediksi akan terjual sebanyak 4 unit, tipe rumah sudut sebanyak 2 unit, 6 tipe yang terdiri atas rumah 28, rumah 39, rumah 62, rumah 73, rumah 84, dan rumah 115 masing-masing sebanyak 1 unit, dan 5 tipe sisanya yaitu kavling, ruko, rumah 58, rumah 67, dan rumah 72 diprediksi tidak akan mengalami penjualan. Prediksi penjualan properti menggunakan metode regresi linear ini dapat dikatakan tergolong dalam kategori sangat baik didasari hasil pengujian keakurasian terhadap keseluruhan tipe yang menampilkan nilai MSE, RMSE, dan MAPE yang memenuhi standar.

Optimizing seismic sequence clustering with rapid cube-based spatiotemporal approach Hasana, Silviya; Sari, Wina Permana; Rojali, Rojali; Fitrianah, Devi
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 14, No 1: February 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v14.i1.pp737-748

Due to their extensive volume and range of features, seismic data is regarded as highly complex data. Earthquakes that typically composed of foreshocks, mainshocks, and aftershocks, exhibit a unique sensitivity to temporal dimension, a characteristic that differs them from other natural hazards. Foreshocks and aftershocks that emanate from a similar epicenter, often display temporal patterns that contribute significantly to determining a sequence. This study introduces a density cube-based approach to cluster spatiotemporal seismic data. It addresses spatial irregularities observed in earthquake clusters and incorporates temporal aspects, acknowledging that seismic events originating from a similar epicenter could occur in separate time frames. We achieved the highest Silhouette score of 0.935 in daily-based clustering and 0.782 in weekly-based clustering. Notably, our analysis reveals a trend where weekly clustering lambda λ tend to be lower (λ=0.01) than in daily clustering (λ=0.1, λ=0.5), thus emphasizing the significance of temporal granularity where daily clustering requires higher λ to capture rapid fluctuations, while weekly clustering benefits from lower λ to cover broader trends. These findings enhance the understanding of the nuanced interplay of temporal dynamics in seismic sequence analysis.

Ant Colony Optimization for Jakarta Historical Tours: A Comparative Analysis of GPS and Map Image Approaches Bodhi, Gabriel; Charleen; Fitrianah, Devi
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 1 (2025): February 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i1.5968

The Traveling Salesman Problem (TSP) is a problem that represents a difficult combinatorial optimization problem starting from practical problems. The ant colony optimization (ACO) algorithm is implemented in several topics, particularly in solving combinatorial optimization problems. ACO is inspired by the behavior of ants in searching for the shortest path between a food source and their nest. In this research, ACO is used to find the best path or traveling salesman problem for museums and historical sites in Jakarta capital city of Indonesia. This research employs an approach based on the location's coordinates or latitude and longitude, while another method depends on coordinate data obtained from a supplied map image. After implementing both models, it can be concluded that the ACO model is not very good at solving TSP using actual coordinates. Meanwhile, the algorithm can quickly find near-optimal paths when using coordinates from a map image. The algorithm generates the optimal path in 11 seconds, reducing the initial distance from 17.938 to 4.430, using 4.731 ants and 75 trips with a distance power of 1. Statistical random variation was also performed, which proved that the algorithm is flexible and reliable when tested under various conditions.

Enhancing low-light pedestrian detection: convolutional neural network and YOLOv8 integration with automated dataset Rendi, Rendi; Fitrianah, Devi
Bulletin of Electrical Engineering and Informatics Vol 14, No 3: June 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v14i3.8903

This research aims to enhance the you only look once (YOLO) model for pedestrian detection in environments with varying lighting conditions, particularly in low-light scenarios. The primary contribution of this work is the integration of a convolutional neural network (CNN)-based low-light enhancement model, which transforms dark images into brighter, more discernible ones. This enhanced dataset is subsequently used to train the YOLO model, allowing it to learn from both the original and transformed data distributions. Unlike traditional YOLO training approaches, this method generates more accurate data representations in challenging lighting environments, leading to improved detection outcomes. The novelty of this approach lies in its dual-stage training process, which integrates a CNNbased low-light enhancement model with YOLO’s detection capabilities. This combination not only enhances pedestrian detection but also has the potential for application in other domains, such as vehicle detection and surveillance, particularly in challenging lighting conditions. The automatic dataset collection pipeline provides an efficient way to gather diverse training data across various scenarios. The YOLOv8 model trained on the low-light enhanced dataset significantly outperformed the baseline model trained only on the original dataset, with precision increased by 9.8%, recall by 45.7%, mAP50 by 26.8%, and mAP50-95 by 41.0% when validated on dark images.

Automatic drowsiness detection system to reduce road accident risks Aprilia, Sella Joanita Nur; Fitrianah, Devi
Bulletin of Electrical Engineering and Informatics Vol 14, No 4: August 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v14i4.8902

Drowsy driving poses a significant risk to road safety, often equated with impaired driving due to its detrimental effects on cognitive function. This study presents a real-time drowsiness detection system utilizing the YOLOv5 algorithm, enhanced with contrast limited adaptive histogram equalization (CLAHE) technique, to improve detection in low-light conditions. The proposed method analyzes visual cues indicative of drowsiness, such as eye closure and head nodding, leveraging advanced computer vision techniques. A dataset was augmented from 1,056 original images to 2,112 images via CLAHE, resulting in significant improvements in model performance. Experimental results indicate that the model achieves a mean average precision (mAP) of 0.959, with precision and recall values of 0.9529 and 0.9528, respectively, underscoring the effectiveness of CLAHE in enhancing image quality and overall detection performance. The application developed from this model provides timely alerts to drivers, aiming to prevent accidents and promote road safety. This research contributes to the advancement of automated safety systems in vehicles, particularly under challenging lighting conditions.

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