Article Per Year (5 Year)
p-Index From 2021 - 2026
2.177
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Akuisisi : Jurnal Akuntansi Technologia: Jurnal Ilmiah Jurnal Tekinkom (Teknik Informasi dan Komputer) Madaniya Jurnal Media Informatika Computer Science (CO-SCIENCE) Scientific Student Journal for Information, Technology and Science
Euis Nurlaelasari
Universitas Buana Perjuangan Karawang
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Pemodelan Prediksi Ekspor Kopi Indonesia Berbasis Algoritma Machine learning Hilda Yulia Novita; Tatang Rohana; Euis Nurlaelasari; Elsa Elvira Awal
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7097

Abstract

Penelitian ini bertujuan untuk membangun model prediksi ekspor kopi di Indonesia dengan menggunakan tiga algoritma machine learning, yaitu regresi inier, neural networks, dan gradient boosting. Data yang digunakan berasal dari data historis ekspor kopi Indonesia. Penelitian dilakukan melalui tahapan pra-pemrosesan data, pemodelan, dan evaluasi kinerja masing-masing algoritma. Hasil penelitian menunjukkan bahwa ketiga algoritma mampu memprediksi ekspor kopi dengan performa yang cukup baik. Algoritma Linear Regression memberikan hasil terbaik dengan nilai mean squared error (MSE) sebesar 0.0000867, mean absolute error (MAE) sebesar 0.00766, dan skor R² sebesar 95%. neural networks menghasilkan MSE sebesar 0.000171, MAE sebesar 0.01196, dan skor R² sebesar 91%. Sementara itu, gradient boosting menunjukkan performa terendah dengan MSE sebesar 0.01918 dan skor R² sebesar 74%. Temuan ini menunjukkan bahwa pendekatan machine learning dapat digunakan sebagai alat bantu dalam memprediksi tren ekspor komoditas secara akurat.
Kajian Model Jaringan Syaraf Tiruan Untuk Memprediksi Secara Dini Tingkat Kelulusan Mahasiswa Tatang Rohana; Euis Nurlaelasari; Elsa Elvira Awal; Hilda Yulia Novita
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.15583

Abstract

ABSTRAKMasalah: Penelitian ini terkait dengan kajian algoritma jaringan syaraf tiruan untuk memprediksi secara dini tingkat kelulusan mahasiswa. Tujuan: Tujuan penelitian untuk mendeteksi atau memprediksi tingkat kelulusan mahasiswa yang lulus  tepat waktu, sehingga hasilnya diharapkan bisa memberikan kontribusi bagi progam studi dalam menganalisa tingkat kelulusan mahasiswa.Metode: Algoritma yang dipakai meliputi Multilayer Perceptron, Support Vector Machine, dan Decision Tree. Kemudian akan dibandingkan algoritma mana yang memiliki tingkat akurasi yang terbaik dalam memprediksi tingkat kelulusan mahasiswa.Hasil: Berdasarkan hasil penelitian, model Decision Tree memiliki tingkat error rate yang paling baik yaitu 0, model Support Vector Machine sebesar 0.011, dan Multilayer Perceptron 0.029. Berdasarkan  hasil uji performansi dengan Confusion Matrix, model Multilayer Perceptron  memiliki akurasi sebesar 97,1%, Support Vector  Machine 98,9%, dan Decision Tree memiliki akurasi 100%.Kesimpulan: Model Decision Tree memiliki tingkat akurasi terbaik, sehingga algoritma tersebut bisa digunakan dalam membuat sistem  prediksi kelulusan mahasiswa tepat waktu. Untuk penelitian selanjutnya, disarankan untuk menambahkan lebih banyak data mahasiswa agar hasil penelitian bisa lebih baik. Variabel data set juga bisa diperluas tidak hanya dari aspek akademik mahasiswa, tetapi juga dari aspek non-akademik dan latar belakang ekonomi keluarga, seperti pendapatan orang tua, status pekerjaan mahasiswa, dan variabel lainnya.Kata kunci: Jaringan Syaraf, Prediksi, Multilayer Perceptron, Support Vector Machine, Decision Tree  
Co-Authors Adi Rizky Pratama Ahmad Fauzi Amril Siregar Ayu Ratna Juwita Daffa Rifqi Abyansyah Deden Wahiddin Dian Ayu Damayanti Edi Junaedi Eko Pramono Elsa Elvira Awal Fadzly Maulana Hidayat Fitri Nur Masruriyah, Anis Hananto, Agustia Hilda Yulia Novia Hilda Yulia Novita Indra, Jamaludin Indri Rahmawati Maharina Maharina Ryan Krisna Tatang Rohana Yanti Yanti