Article Per Year (5 Year)
p-Index From 2021 - 2026
12.252
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan CESS (Journal of Computer Engineering, System and Science) Informatics for Educators and Professional : Journal of Informatics Network Engineering Research Operation [NERO] KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Indonesian Journal of Applied Informatics JSI (Jurnal sistem Informasi) Universitas Suryadarma Jurnal ICT : Information Communication & Technology Jurnal Sistem Informasi Kaputama (JSIK) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) JIKA (Jurnal Informatika) MEANS (Media Informasi Analisa dan Sistem) Jurnal Teknik Informatika (JUTIF) Jurnal Mahasiswa Sistem Informasi (JMSI) International Journal of Social Science Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Janitra Informatika dan Sistem Informasi Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Mahasiswa Ilmu Komputer Wawasan : Jurnal Ilmu Manajemen, Ekonomi dan Kewirausahaan Manajemen Kreatif Jurnal JURSIMA Jurnal Ekonomi Manajemen Akuntansi BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat NERO (Networking Engineering Research Operation) Jurnal Informatika: Jurnal Pengembangan IT Jurnal Sistem Informasi dan Manajemen INTERNAL (Information System Journal) Intechno Journal : Information Technology Journal
Yudhistira Arie Wijaya
STMIK IKMI Cirebon
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 103 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 103 Documents
Search

 4   5   6   7   8 
IMPLEMENTASI ALGORITMA K-MEANS DENGAN OPTIMIZE PARAMETER GRID PADA DATA KECELAKAAN LALU LINTAS DI KOTA CIREBON Maulana, Tedy; Astuti, Rini; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8430

Abstract

Kecelakaan lalu lintas merupakan salah satu peristiwa yang terjadi dijalan raya. Banyak faktor yang menyebabkan terjadinya kecelakaan lalu lintas, namun faktor manusia itu sendiri (human error) menjadi masalah utama. Kecelakaan lalu lintas menjadi salah satu permasalahan yang ada di Kota Cirebon. Penelitian ini bertujuan untuk melakukan pengelompokkan data kecelakaan lalu lintas di Kota Cirebon dengan maksud ingin mengetahui informasi karakteristik yang ada dalam dataset kecelakaan lalu lintas di Kota Cirebon dengan mengetahui pengaruh parameter yang ada pada Numerical Measure type dan pengaruh parameter atribut waktu (jam atau menit) agar mendapatkan k optimal berdasarkan Davies Bouldin Index (DBI). Penelitian ini menerapkan data mining dengan algoritma K-Means Clustering. Algoritma K-Means dipilih karena mudah diimplementasikan dan efisiensinya. Data yang digunakan yaitu data kecelakaan lalu lintas di Kota Cirebon dari tahun 2020-2023 dengan total 406 data record. Metode analisis data dilakukan menggunakan teknik Knowledge Discovery in Database(KDD) dengan Optimize Parameter Grid. Hasil analisis diperoleh parameter dengan semua jenis nya pada Numerical Measure type dan parameter hour(jam) yang berpengaruh dalam menghasilkan nilai k optimal yaitu pada cluster k=2 dengan nilai DBI sebesar 0,762. Hasil cluster k=2 dengan nilai DBI sebesar 0,762 merupakan hasil yang sama untuk semua jenis parameter yang ada pada Numerical Measure type.
KLASTERISASI DATA JUMLAH KASUS KEKERASAN TERHADAP PEREMPUAN DI PROVINSI JAWA BARAT MEGGUNAKAN ALGORITMA FUZZY C-MEANS Hidayat, Taufik; Astuti, Rini; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8438

Abstract

Perempuan di Indonesia saat ini masih menghadapi risiko menjadi korban kekerasan, dan kesulitan dalam mengatasi masalah kekerasan terhadap perempuan terus menjadi tantangan yang kompleks. Penelitian ini bertujuan untuk untuk melakukan pengelompokan data jumlah kekerasan terhadap perempuan di Jawa Barat dengan maksud ingin mengetahui informasi karakteristik yang ada dalam dataset jumlah kasus kekerasan terhadap perempuan di Jawa Barat dengan mendapatkan nilai k optimal, serta nilai iterasi dan parameter numerical measure yang mempengaruhi nilai k. Penelitian ini menggunakan metode Fuzzy C-Means Clustering untuk mengelompokkan data jumlah kasus kekerasan terhadap perempuan di Jawa Barat dengan lebih baik. Metode ini memungkinkan pengelompokan data berdasarkan derajat keanggotaan yang tidak hanya bersifat biner, melainkan juga memperhitungkan dengan keanggotaan yang lebih fleksibel. Data yang digunakan dalam penelitian ini adalah data sosial ekonomi terkait kekerasan terhadap perempuan. Hasil dan diskusi penelitian menunjukkan bahwa metode Fuzzy C-Means Clustering dapat memberikan pengelompokan data jumlah kasus kekerasan terhadap perempuan di Jawa Barat. Davies Bouldin Index mencapai nilai 0,158, dan nilai k optimal yang ditemukan adalah 3. Nilai iterasi yang ditemukan berdasarkan nilai k optimal adalah 10, dan parameter yang mempengaruhi nilai k optimal melibatkan penggunaan parameter numerical measure adalah Manhattan Distance. Penelitian ini memiliki potensi untuk memberikan wawasan yang lebih mendalam mengenai beragam hambatan yang dihadapi oleh individu yang mengalami masalah kesejahteraan sosial. Dengan demikian, penelitian ini dapat membantu pihak berwenang dan lembaga pemerintah mengidentifikasi kelompok yang paling rentan dan mengalokasikan sumber daya secara lebih efisien.
KLASTERISASI DATA JENIS-JENIS PEKERJAAN PENDUDUK DENGAN MENGGUNAKAN ALGORITMA K-MEANS Aprianto, Wili; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8771

Abstract

Pekerjaan di desa memiliki peran penting dalam mengembangkan ekonomi lokal dan meningkatkan kesejahteraan masyarakat. Namun, belum ada studi yang mendalam mengenai pola dan karakteristik pekerjaan di Desa Babakanmulya sehingga kurangnya informasi atas pekerjaan penduduk Desa Babakanmulya. Penelitian ini bertujuan untuk melakukan pengelompokan data pekerjaan penduduk Desa Babakanmulya Kecamatan Jalaksana Kabupaten Kuningan dengan maksud ingin mengetahui informasi karakteristik dan pola pekerjaan dengan mendapatkan parameter apa yang terbaik dari EuclideanDistance, CamberraDistance, CorrelationSimilarity.Dengan data pekerjaan yang dikumpulkan Metode yang digunakan dalam penelitian ini adalah algoritma K-Means, yang merupakan salah satu metode pengelompokan data dalam analisis klaster.Dengan menggunakan algoritma K-Means, diharapkan dapat ditemukan kelompok pekerjaan yang memiliki kesamaan karakteristik dan memudahkan dalam pengambilan keputusan terkait pengembangan ekonomi di Desa Babakan Mulya dan dapat memberikan kontribusi dalam pengembangan strategi pembangunan ekonomi lokal dan memberikan rekomendasi kebijakan yang relevan untuk meningkatkan kualitas pekerjaan di desa.Hasil dari penelitian ini diharapkan dapat memberikan pemahaman yang lebih baik tentang pola pekerjaan di desa, memetakan kelompok pekerjaan yang serupa, serta mengidentifikasi faktor-faktor yang memengaruhi jenis pekerjaan yang dipilih oleh penduduk desa. Hasil Analisis diperoleh parameter terbaik yaitu Numerical measure Types EuclideanDistance.
ANALISIS SENTIMEN ULASAN APLIKASI LITA DI PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES Septiani Gumilar, Tia; Astuti, Rini; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8778

Abstract

Aplikasi media sosial yang memberikan Jasa Teman Mabar yang dapat menemani bermain beragam jenis game online, seperti Mobile Legends, PUBG Mobile, Free Fire, dan lainnya. Lita merupakan platform dengan konsep baru dalam dunia game. Kamu dapat bertemu dengan Pro Player ataupun gamer perempuan yang cantik. Ulasan pengguna pada aplikasi mobile merupakan sumber data penting bagi pengembang aplikasi untuk mengetahui respon dari pengguna dan meningkatkan kualitas aplikasi. Ulasan pengguna biasanya mengandung ungkapan subjektif yang mencerminkan sentimen positif atau negatif. Klasifikasi sentimen pada ulasan mobile diperlukan untuk secara otomatis menganalisis sentimen positif dan negatif dari sejumlah besar data ulasan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan aplikasi Lita di Play Store ke dalam dua kelas yaitu positif dan negatif, dengan menggunakan metode algoritma Naive Bayes. Data yang digunakan dalam penelitian ini adalah 1000 ulasan aplikasi Lita di Play Store dalam bahasa Indonesia, diambil secara acak. Data ulasan mengandung kata tidak penting yang dihapus melalui text preprocessing. Kemudian, pembobotan dilakukan dengan metode TF-IDF untuk mengetahui pentingnya sebuah istilah untuk suatu dokumen. Hasil dari penelitian ini mengenai Klasifikasi Data Sentimen Ulasan Pengguna Lita Google Play Store berjumlah 1000 data, dapat disimpulkan bahwa ulasan pengguna Lita tergolong positif dengan hasil presentase 95% nilai accuracy, 95% nilai precision, dan 95% nilai recall nya.
PENERAPAN DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA X-MEANS PADA DATA PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN DI DESA GEBANG KULON KABUPATEN CIREBON Winayah, Winayah; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8827

Abstract

Program Keluarga Harapan yang diartikan sebagai bantuan sosial kepada keluarga tidak mampu, menghadapi kerumitan dalam pengolahan data pada penerima PKH di Desa Gebang Kulon. Kesulitan ini melibatkan penentuan prioritas penerima bantuan yang dipengaruhi oleh faktor-faktor seperti pengangguran, penghasilan rata-rata, dan jumlah anggota keluarga. Tujuan penelitian ini untuk menentukan jumlah cluster yang optimal, mengukur besarnya Davies Bouldin index, dan mengidentifikasi parameter x-means yang efektif. Dalam penerapan data mining metode yang digunakan adalah Knowledge Discovery in Databases (KDD) diterapkan dalam tahapan selection, cleaning, transformation, dan evaluation untuk memproses data penelitian. Penerapan algoritma x-means menggunakan RapidMiner versi 10.3 pada data tahun 2023 menghasilkan 3 cluster, cluster 0 terdiri 1217 item, cluster 1 terdiri 3 item dan cluster 2 teridiri 4 item, dimana cluster ini mencerminkan karakteristik kelompok penerima bantuan PKH. Nilai Davies Bouldin Index sebesar -0,005 dan parameter yang digunakan yaitu Numerical Measuremet. Diharapkan bahwa hasil penelitian ini dapat memberikan kontribusi positif dengan membantu Desa Gebang Kulon dalam meningkatkan proses penyaluran bantuan PKH, sehingga pemberian bantuan menjadi lebih optimal dan akurat sesuai masyarakat yang membutuhkan.
PENERAPAN TEKNIK SMOTE DAN CROSS VALIDATION PADA DECISION TREE UNTUK KLASIFIKASI TINGKAT KEMACETAN LALU LINTAS Khoeri, Yajid; Kurniawan , Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8879

Abstract

Kemacetan merupakan suatu keadaan dimana jumlah kendaraan yang lalu lalang melebihi kapasitas jalan yang dapat ditampung. Kemacetan lalu lintas, disebabkan oleh volume kendaraan melebihi kapasitas jalan, merugikan secara ekonomi dan sosial. Kemacetan juga mempengaruhi mobilitas penduduk, perekonomian, dan lingkungan, sehingga menimbulkan biaya ekonomi yang signifikan melalui peningkatan konsumsi bahan bakar, hilangnya waktu, dan dampak negatif terhadap produktivitas. Tujuan penelitian ini adalah untuk mengurangi kemacetan lalu lintas. Penelitian ini menerapkan metode Decision Tree dan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Proses Knowledge Discovery in Database (KDD) dan Cross Validation digunakan untuk evaluasi. Hasilnya menunjukkan Decision Tree dengan SMOTE memiliki akurasi 96,54%. Dengan Cross Validation, akurasi mencapai 96,03% +/- 0,85% (rata-rata mikro: 96,03%). Model ini dianggap baik dan efektif dalam mengklasifikasikan tingkat kemacetan lalu lintas, memberikan kontribusi penting pada pemahaman dan manajemen lalu lintas perkotaan. Implementasi ini dapat membantu mengoptimalkan solusi untuk mengurangi dampak negatif kemacetan dan meningkatkan kualitas hidup masyarakat
KLASIFIKASI KONDISI FISIK MOBIL BEKAS MENGGUNAKAN ALGORITMA NEURAL NETWORK (NN) Sulaeman, Muhammad; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9020

Abstract

Penelitian ini fokus pada penilaian kinerja model Neural Network dalam membedakan kondisi fisik mobil bekas berdasarkan dataset dari Showroom Jual Beli Mobil Bekas CV. Mulya Sejahtera Motor. Metode yang digunakan dalam penelitian ini menggunakan algoritma neural network. Pengukuran dilakukan menggunakan metrik Area Under the Curve (AUC) dengan fokus khusus pada kelas "Baik". Dalam penelitian ini menghasilkan performance akurasi 98.52%. Hasil evaluasi menunjukkan tingkat keberhasilan yang sangat tinggi, dengan nilai AUC mencapai 0.992. Skor ini mendekati nilai sempurna (1), menggambarkan kemampuan model dalam membedakan antara mobil bekas dalam kondisi "Baik" dan kondisi lainnya. Model Neural Network mampu memprediksi dengan akurat kelas "Baik" dengan tingkat keakuratan yang signifikan. Meskipun AUC memberikan gambaran keseluruhan yang sangat positif, penelitian ini merekomendasikan validasi lebih lanjut menggunakan metrik lain seperti akurasi, presisi, recall, dan F1-score untuk mendapatkan gambaran komprehensif tentang kinerja model. Analisis lebih lanjut terhadap kesalahan model, pengoptimalan data untuk memastikan representasi yang seimbang dari setiap kelas, serta pertimbangan pengembangan lanjutan, diusulkan untuk memperbaiki dan meningkatkan model. Temuan ini memberikan kontribusi positif terhadap pengembangan aplikasi model Neural Network dalam mendukung industri jual beli mobil bekas. Keakuratan tinggi dalam membedakan kondisi fisik mobil dapat memberikan manfaat signifikan bagi pelanggan dan penjual, meningkatkan kepercayaan dalam proses pembelian dan penjualan kendaraan bekas.
ANALISIS CLUSTER STOK PRODUK PT. PANJUNAN DENGAN METODE K-MEANS Pebriyanto, Ramdhan; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9039

Abstract

Penelitian ini membahas analisis stok produk di PT. Panjunan menggunakan metode k-means untuk mengelompokkan barang ke dalam kategori dengan karakteristik serupa. Fokus penelitian adalah pemahaman mendalam terhadap perbedaan dan persamaan antar produk yang dijual oleh perusahaan retail ini. Melalui pengumpulan dan analisis data stok barang, penelitian ini bertujuan untuk mengidentifikasi pola, perilaku, dan karakteristik mendasar yang mempengaruhi persediaan.Metode K-Means digunakan untuk mengelompokkan produk berdasarkan karakteristik serupa. Penelitian ini mengidentifikasi enam klaster, masing-masing menampilkan karakteristik kuantitas item, kemasan, dan tingkat stok yang berbeda. Analisis centroid mengungkapkan atribut spesifik untuk setiap klaster. Klaster 6 menonjol dengan rata-rata 147,33 item, jumlah Karton yang rendah sekitar 9,30, rata-rata Bag/Pax 11,36, Pieces (PCS) minimal, rata-rata Stok Karton sekitar 399,58, dan rata-rata Stok Bag/Pax sekitar 2,06. Pentingnya, Klaster 6 mencapai nilai Davies Bouldin Index (DBI) terendah sebesar 0,412, menandakan tingkat homogenitas yang tinggi dalam klaster tersebut. Trend penurunan nilai DBI dengan peningkatan jumlah klaster menunjukkan pemisahan dan pengelompokan data yang semakin baik. Pemilihan klaster optimal terjadi pada k=6, memberikan wawasan berharga tentang dinamika persediaan perusahaan. Penelitian ini memberikan kontribusi pada PT Panjuna dalam pengambilan keputusan, memungkinkan pengelolaan persediaan yang lebih efisien dan berbasis informasi.
PENGELOMPOKAN DATA VARIAN PEKERJAAN DAN STATUS PERNIKAHAN PT DIKA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Nabila, Aynun; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9044

Abstract

PT Dika saat ini mengalami kesulitan yang signifikan dalam mengelola data transaksi penjualan di setiap cabangnya. Kesulitan ini muncul karena kompleksitas volume data yang terus meningkat seiring dengan perkembangan operasional bisnis. Setiap cabang turut berkontribusi pada pencatatan transaksi penjualan yang melibatkan berbagai elemen, mulai dari identifikasi produk hingga informasi pelanggan. Peningkatan jumlah cabang dan aktivitas transaksi secara keseluruhan membuat tugas pengelolaan data semakin rumit. Puncaknya, keberagaman format dan sumber data dari setiap cabang menambah kompleksitas tugas tersebut. Sebagai hasilnya, perusahaan mengalami kesulitan dalam mengintegrasikan, memproses, dan menganalisis data transaksi dengan efisien dan efektif. Tujuan dari penelitian ini adalah untuk menemukansolusi yang memungkinkan PT Dika untuk menganalisis data,meningkatkan strategi pemasaran, dan meningkatkan retensi pelanggan. Algoritma K-Means, dikenal efektif dalam pengelompokan data, diimplementasikan untuk memahami pola perilaku pelanggan dan meningkatkan manajemen data transaksional. DBI digunakan untuk menilai kualitas klastering dengan fokus pada homogenitas dan separabilitas cluster. Melalui penelitian ini, diharapkan dapat ditemukan solusi yang memungkinkan PT Dika untuk mengoptimalkan analisis data, meningkatkan strategi pemasaran, dan meningkatkan retensi pelanggan. Hasil dari implementasi algoritma K-Means pada data tersebut menunjukkan bahwa data dapat dikelompokkan menjadi tiga kelompok yang homogen berdasarkan karakteristik pekerjaan dan status pernikahan. Kelompok pertama terdiri dari karyawan yang belum menikah dan bekerja sebagai staf administrasi, kelompok kedua terdiri dari karyawan yang sudah menikah dan bekerja sebagai supervisor, dan kelompok ketiga terdiri dari karyawan yang sudah menikah dan bekerja sebagai manajer
PENERAPAN ALGORITMA REGRESI LINEAR PADA DATA HARGA CABAI RAWIT DI PASAR INDIHIANG Ikhwan Fahruddin, Yusuf; Kurniawan, Rudi; Arie Wijaya, Yudhistira
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9053

Abstract

Sayuran, termasuk cabai rawit, memegang peran vital dalam perekonomian nasional. Meningkatnya harga cabai rawit tidak hanya dipengaruhi oleh peningkatan permintaan selama hari-hari besar keagamaan seperti Bulan Ramadhan, Hari Raya Idul Fitri, Hari Raya Idul Adha, khususnya jika terjadi gangguan cuaca atau pasokan. Penelitian ini bertujuan untuk memprediksi harga cabai rawit di Pasar Indihiang dan mencari atribut yang mempengaruhi nilai Root Mean Squared Error (RMSE) terbaik. Algoritma regresi linear terkenal karena kemampuannya menganalisis korelasi data dan memberikan prediksi yang akurat. Data harga cabai rawit dari 2021 hingga 2022 mencakup informasi harga, bulan, cuaca, pasokan, supplier, dan nama pedagang. Melalui analisis Regresi Linear menggunakan Cross-Industry Standard Process for Data mining (CRISP-DM) dan RapidMiner versi 10.1, penelitian ini membangun model matematis untuk memprediksi harga cabai rawit berdasarkan faktor-faktor tersebut. Hasil penelitian ini menunjukan atribut yang mempengaruhi nilai RMSE adalah Bulan dan Stok Cabai/KG terhadap label Harga Cabai dengan nilai RMSE sebesar 14975.095. Model prediksi harga diharapkan dapat membantu pedagang merancang strategi penjualan yang efektif, memungkinkan konsumen merencanakan belanja dengan lebih tepat, dan membantu petani menyesuaikan waktu tanam dan panen cabai rawit.
Co-Authors Abrar Bayan, Athaullah Abubakar Sidik Ade Irma Purnama Sari Ade Irma Purnamasari Adi Hermawan Adiyanto, Alfian Adjie Setyadj, Mochammad Agni, Vega Putra Dwi Ahmad Faqih Ahmad Jamalul Noor AKBAR, MUHAMAD DENI Akhmad Taukhid Alfirda Sofyan, Zahra Aliya Anisa Rahma Alya Fadia Amelia, Astri An-naziz Safaat, Wafik Andi Ardiansyah Andriyani, Wini Andriyanti, Rina Anggara, Doni Anjar Permadi Aprianto, Wili Arif Firmansyah, Aditiya ASEP SAEFUDDIN Asmana, Asmana Ayura Yufita Azhar, Alwan Cintia Putri Prasetia Dadang Sudrajat Danar Dana, Raditya Darma Irawan, Bobi Darussalam, Luthvi Nurfauzi Denni Pratama Dermawan, Hibrizi Dzaky Dian Ade Kurnia Dian Ade Kurnia Edi Tohidi Edi Wahyudin Falih, Alfi Rizqi Falih FANDI ACHMAD Fauzan, Muhamad Nur Fianita Rusadi Fianita Rusadi Firmansyach, Wildan Attariq Hadi Wicaksana, Arya Hajijin Amri Hamonangan, Ryan Hayati, Umi Hegarmanah Muhabatin Heliyanti Susana Herman Hermawan, Adi Hidayat, Hilpad Hidayat, Zaids Syarif Ibnu Ubaedila Ikhwan Fahruddin, Yusuf Inawati, Windi Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Jaelani Sidik Jayawarsa, A.A. Ketut Jurnal Konsera Khoeri, Yajid Komala, Wulan Kurnia, Dian Ade Kurniawan , Rudi Kusmiyaty, Agesty Laela Laela Leli Oktaviani Lukmanul Hakim Manzis, Zian Marta, Puji Pramudya Martanto Martanto . Martanto Martanto Maryam, Beby Masjunedi, Masjunedi maulana faz'rin, rama Maulana, Tedy Mifta Almaripat Mita Amelia Moh Nurdayat Dayat Muhamad Basysyar , Fadhil MUHAMAD DENI AKBAR Muhamad Nur Fauzan Muhammad Aditya Rabbani Adit Nabila, Aynun Nana Suarna Nana Suarna Nashir, Mukhtar Nining Rahaningsih Nisa Dieanwati Nuris Nisa Dienwati Nuris Novita Safitri Nur Amalia, Yustika Nurazijah, Wulan Nurdiawa, Odi Nurholipah, Titin Nurrahman, Rizki Odi Nurdiawa Odi Nurdiawan Pebriyanto, Ramdhan Pratama, Denni Prihartono, Willy Purnamasari, Ade Irma Restu Normalasari Rinaldi Dikananda, Arif Rini Astuti Rini Astuti Rini Astuti Riri Narasati Rizal Rizal Roni Saputra, Roni Rubangiya Rubangiya Rudi Kurniawan Rudi Kurniawan Rudi Kurniawan Saeful Anwar Saeful Anwar, Saeful Satria Turangga Septian Nugraha, Titan Septiani Gumilar, Tia Shifa Dwi Oktaviani Siti Sopiyah Suarna, Nana Sulaeman, Muhammad Suteja Syach Putra, Yanuar Tati Suprapti Taufik Hidayat Tegar Lazuardi, Muhammad Thomas Agam Tiana Dewi Tohidi, Edi Tri Anelia Trian Nurmansyah Triswanto, Triswanto Tuti Hartati Tuti Hartati Tuti Hartati Wahyudi Wahyudi Wangi Nur Qibti, Intan Wartumi Wartumi Willy Prihartono Winayah, Winayah Windy Astuti Yudis Firmansyah yulani, Yulani - Yulia, Yuli