Article Per Year (5 Year)
p-Index From 2021 - 2026
3.972
P-Index
This Author published in this journals
All Journal Jurnal Simantec International Journal of Advances in Intelligent Informatics Jurnal Pendidikan: Teori, Penelitian, dan Pengembangan JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi Jurnal ULTIMATICS Jurnal ULTIMA Computing Lumbung Inovasi: Jurnal Pengabdian Kepada Masyarakat Brilliance: Research of Artificial Intelligence NUSANTARA: Jurnal Pengabdian Kepada Masyarakat Digital Transformation Technology (Digitech) Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer AL-UMRON: Jurnal Pengabdian kepada Masyarakat Almantiq
Irsyada, Rahmat
Unknown Affiliation
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Digital Transformation Technology (Digitech)

 1 
Analisis Faktor Makroekonomi yang Mempengaruhi Indeks Harga Saham Gabungan Menggunakan Algoritma Analisis Jalur Cahyani, Nita; Irsyada, Rahmat; Alfiyatul, Siti Nur
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5207

Abstract

Perkembangan ekonomi yang baik pada suatu negara merupakan suatu indikator yang digunakan oleh para pelaku usaha untuk berinvestasi. Sebelum berinvestasi dalam sebuah saham, investor harus memperhatikan pergerakan harga saham. Indeks Harga Saham dipengaruhi oleh beberapa faktor makroekonomi, antara lain inflasi dan suku bunga BI. Upaya yang dilakukan pemerintah dalam mengatasi tingginya inflasi salah satunya adalah dengan mengurangi jumlah uang yang beredar. Selain inflasi dan suku bunga, nilai tukar uang juga dapat mempengaruhi indeks harga saham.Penelitian ini bertujuan untuk mengetahui faktor apa saja yang mempengaruhi indeks harga saham gabungan. Metode analisis yang digunakan dalam penelitian ini adalah metode analisis jalur. Hasil penelitian menyatakan bahwa jumlah uang beredar, nilai tukar uang dan suku bunga BI secara langsung secara sigifikan mempengaruhi indeks harga saham gabungan, sedangkan inflasi secara langsung secara signifikan tidak mempengaruhi indaks harga saham gabungan. Jumlah uang beredar, inflasi dan nilai tukar uang berpengaruh signifikan terhadap indeks harga saham gabungan melalui suku bunga BI.
Penerapan Algoritma Neural Network untuk Klasifikasi Diabetes Mellitus: Perbandingan Backpropagation dan Resillient Backpropagation Cahyani, Nita; Irsyada, Rahmat; Mahmuda, Rahmawati
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5208

Abstract

Diabetes Mellitus (DM) adalah gangguan metabolisme yang ditandai dengan hiperglikemia kronis dan kelainan metabolisme karbohidrat, lipid, dan protein yang disebabkan oleh kelainan sekresi insulin, kerja insulin, atau keduanya. Penelitian ini bertujuan untuk membandingkan hasil klasifikasi menggunakan analisis Backpropagation Neural Network (BPNN) dengan Resilient Backpropagation Neural Network (RBPNN) pada kasus Diabetes Mellitus. Metode yang digunakan pada penelitian ini adalah metode analisis BPNN dan RBPNN dengan sumber data yang diperoleh dari RSUD Sosodoro Djatikusumo Bojonegoro. Dari penelitian ini diperoleh hasil penyebab utama faktor-faktor yang mengakibatkan DM adalah faktor keturunan, tekanan darah dan umur. Dari penelitian ini dapat disimpulkan bahwa faktor dominan yang ada pada penderita DM adalah faktor keturunan yang telah dijelaskan oleh model terbaik yaitu RBPNN
Implementasi Machine Learning Model sebagai Sistem Prediksi Penyakit Breast Cancer Cahyani, Nita; Irsyada, Rahmat; Kartini, Alif Yuanita
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5209

Abstract

Breast Cancer atau Kanker payudara adalah penyakit yang paling umum ditemukan pada wanita di seluruh dunia. Setiap perkembangan untuk prediksi dan diagnosis penyakit kanker merupakan modal penting untuk hidup sehat. Sehingga, akurasi tinggi dalam prediksi kanker penting untuk memperbarui aspek pengobatan dan standar kelangsungan hidup pasien. Teknik Machine Learning (ML) merupakan aplikasi dari Artificial Intelligence (AI) yang dapat memberikan kontribusi besar pada proses prediksi dan diagnosis dini kanker payudara, dan telah terbukti sebagai teknik yang kuat. Dalam penelitian ini, diterapkan algoritma Machine Learning yaitu metode single: Support Vector Machine (SVM), Random Forest, Logistic Regression, dan K-Nearest Neighbors (KNN) dan metode ensemble yaitu SMOTE-Boosting dan SMOTE-Bagging pada dataset Breast Cancer di Bojonegoro. Tujuan dari penelitian ini Mendaptakan ketepatan klasifikasi atau prediksi breast cancer khususnya studi kasus di Bojonegoro dengan tingkat kinerja yang lebih baik. Nilai akurasi yang terbaik pada metode single yaitu model Random Forest (RF) sebesar 95,65% untuk data testing, 100% untuk data training sedangkan untuk metode ensembel SMOTE-Boosting Random Forest (RF) sebesar 100% untuk data testing, 100% untuk data training dan SMOTE-Bagging RF sebesar 97% untuk data training dan 100% untuk data testing. Sehingga SMOTE-Boosting RF dapat dijadikan analisis prediksi yang terbaik dalam penelitian ini. Hasil ini dapat digunakan di masa depan untuk memprediksi penyakit lainnya.
Analisis Faktor Makroekonomi yang Mempengaruhi Indeks Harga Saham Gabungan Menggunakan Algoritma Analisis Jalur Cahyani, Nita; Irsyada, Rahmat; Alfiyatul, Siti Nur
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5207

Abstract

Perkembangan ekonomi yang baik pada suatu negara merupakan suatu indikator yang digunakan oleh para pelaku usaha untuk berinvestasi. Sebelum berinvestasi dalam sebuah saham, investor harus memperhatikan pergerakan harga saham. Indeks Harga Saham dipengaruhi oleh beberapa faktor makroekonomi, antara lain inflasi dan suku bunga BI. Upaya yang dilakukan pemerintah dalam mengatasi tingginya inflasi salah satunya adalah dengan mengurangi jumlah uang yang beredar. Selain inflasi dan suku bunga, nilai tukar uang juga dapat mempengaruhi indeks harga saham.Penelitian ini bertujuan untuk mengetahui faktor apa saja yang mempengaruhi indeks harga saham gabungan. Metode analisis yang digunakan dalam penelitian ini adalah metode analisis jalur. Hasil penelitian menyatakan bahwa jumlah uang beredar, nilai tukar uang dan suku bunga BI secara langsung secara sigifikan mempengaruhi indeks harga saham gabungan, sedangkan inflasi secara langsung secara signifikan tidak mempengaruhi indaks harga saham gabungan. Jumlah uang beredar, inflasi dan nilai tukar uang berpengaruh signifikan terhadap indeks harga saham gabungan melalui suku bunga BI.
Penerapan Algoritma Neural Network untuk Klasifikasi Diabetes Mellitus: Perbandingan Backpropagation dan Resillient Backpropagation Cahyani, Nita; Irsyada, Rahmat; Mahmuda, Rahmawati
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5208

Abstract

Diabetes Mellitus (DM) adalah gangguan metabolisme yang ditandai dengan hiperglikemia kronis dan kelainan metabolisme karbohidrat, lipid, dan protein yang disebabkan oleh kelainan sekresi insulin, kerja insulin, atau keduanya. Penelitian ini bertujuan untuk membandingkan hasil klasifikasi menggunakan analisis Backpropagation Neural Network (BPNN) dengan Resilient Backpropagation Neural Network (RBPNN) pada kasus Diabetes Mellitus. Metode yang digunakan pada penelitian ini adalah metode analisis BPNN dan RBPNN dengan sumber data yang diperoleh dari RSUD Sosodoro Djatikusumo Bojonegoro. Dari penelitian ini diperoleh hasil penyebab utama faktor-faktor yang mengakibatkan DM adalah faktor keturunan, tekanan darah dan umur. Dari penelitian ini dapat disimpulkan bahwa faktor dominan yang ada pada penderita DM adalah faktor keturunan yang telah dijelaskan oleh model terbaik yaitu RBPNN
Implementasi Machine Learning Model sebagai Sistem Prediksi Penyakit Breast Cancer Cahyani, Nita; Irsyada, Rahmat; Kartini, Alif Yuanita
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5209

Abstract

Breast Cancer atau Kanker payudara adalah penyakit yang paling umum ditemukan pada wanita di seluruh dunia. Setiap perkembangan untuk prediksi dan diagnosis penyakit kanker merupakan modal penting untuk hidup sehat. Sehingga, akurasi tinggi dalam prediksi kanker penting untuk memperbarui aspek pengobatan dan standar kelangsungan hidup pasien. Teknik Machine Learning (ML) merupakan aplikasi dari Artificial Intelligence (AI) yang dapat memberikan kontribusi besar pada proses prediksi dan diagnosis dini kanker payudara, dan telah terbukti sebagai teknik yang kuat. Dalam penelitian ini, diterapkan algoritma Machine Learning yaitu metode single: Support Vector Machine (SVM), Random Forest, Logistic Regression, dan K-Nearest Neighbors (KNN) dan metode ensemble yaitu SMOTE-Boosting dan SMOTE-Bagging pada dataset Breast Cancer di Bojonegoro. Tujuan dari penelitian ini Mendaptakan ketepatan klasifikasi atau prediksi breast cancer khususnya studi kasus di Bojonegoro dengan tingkat kinerja yang lebih baik. Nilai akurasi yang terbaik pada metode single yaitu model Random Forest (RF) sebesar 95,65% untuk data testing, 100% untuk data training sedangkan untuk metode ensembel SMOTE-Boosting Random Forest (RF) sebesar 100% untuk data testing, 100% untuk data training dan SMOTE-Bagging RF sebesar 97% untuk data training dan 100% untuk data testing. Sehingga SMOTE-Boosting RF dapat dijadikan analisis prediksi yang terbaik dalam penelitian ini. Hasil ini dapat digunakan di masa depan untuk memprediksi penyakit lainnya.
Co-Authors Agus Sulistiawan Ahmad Dardiri Aji Prasetya Wibawa Akhmad Arif Setiawan Alfiyatul, Siti Nur Dhaniyar Dhaniyar Diantika, Devi Eka Didik Abdul Mukmin Doni Abdul Fatah Erick Febriyanto Firman, Azharil Hastie Audytra Hastie Audytra Audytra Hastie Audytra Audytra Hilmi Alriad Inayaturohmat, Fatuh Indah Listyorini Izudin, Asfa Reza Joko Riyadi Juwita Annisa Fauzi Kartini, Alif Yuanita Lailatul Badriyah Leonel Hernandez M.Pd S.T. S.Pd. I Gde Wawan Sudatha . Mahmuda, Rahmawati Mohammad Iqbal Muhdlor Auhal Haq Mu’afa , M Rif’an Fawajul Naila Afina Rohmah Nita Cahyani Nurul Hafidhin Perdana , Chepy Pramesti, Retta Farah Prima Angga Hadi Saputra Putri Liana Putri, Wardiana Adinda Roihatur Rohmah Roikhatul Jannah Rubaiyah, Zumrotul Sanjaya, Ucta Pradema Seno Isbiyantoro Sunu Wahyudhi Syaifuddin Syaifuddin Teguh Pribadi Ulfa Ulfa Umi Kholifah Yundari, Yundari