Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

1.642

P-Index

This Author published in this journals

All Journal IAES International Journal of Artificial Intelligence (IJ-AI) EKSAKTA: Journal of Sciences and Data Analysis Jurnal Ilmu Komputer dan Informasi Jurnal Sains dan Seni ITS TELKOMNIKA (Telecommunication Computing Electronics and Control) International Journal of Advances in Intelligent Informatics BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Varian Inferensi Madaniya Proceeding ISETH (International Summit on Science, Technology, and Humanity) Sewagati International Journal of Computing Science and Applied Mathematics-IJCSAM

Fithriasari, Kartika

Departemen Statistika Institut Teknologi Sepuluh Nopember

Author-ID : 3314443

Religion Arts Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 27 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Klasifikasi Kategori Pengaduan Masyarakat Melalui Kanal LAPOR! Menggunakan Artificial Neural Network Mochamad Ihsan Ananto; Wiwiek Setya Winahju; Kartika Fithriasari
Inferensi Vol 2, No 2 (2019): Inferensi
Publisher : Department of Statistics ITS

LAPOR! merupakan sarana aspirasi dan pengaduan masyarakat terkait kinerja pemerintah berbasis media sosial. Oleh karena laporan pengaduan masyarakat yang masuk tersebut berbentuk teks, maka dapat diselesaikan dengan cara text mining. Sehingga dilakukan analisis klasifikasi teks menggunakan Artificial Neural Network serta SMOTE untuk mengatasi data imbalance dan Chi-Square untuk proses seleksi variabel. Data yang digunakan adalah data historis aduan masyarakat melalui kanal LAPOR! tahun 2015. Melalui proses seleksi variabel, didapatkan sejumlah 428 term atau kata yang memberikan pengaruh terhadap kategori aduan masya-rakat. Ketepatan klasifikasi yang dihasilkan melalui metode Artificial Neural Network dengan feature selection dan 3 nodes hidden layer adalah precision 0,794, sensitivity 0,818 dan F1-Score 0,800. Selain itu didapatkan topik permasalahan yang patut mendapatkan perhatian lebih pada setiap kategori aduan dengan menggunakan word cloud.

Analisis Faktor Resiko Penyebab Diabetes Mellitus dengan Regresi Logistik Biner I Gusti Bagus Ngurah Diksa; Kartika Fithriasari
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8480

Diabetes Mellitus menjadi salah satu masalah perawatan kesehatan utama di seluruh dunia. Penyakit gula ini merupakan penyakit berbahaya yang mana mengakibatkan kematian akibat komplikasi yang ditimbulkanya. Banyak faktor yang memengaruhi orang menderita diabetes , beberapa diantaranya yaitu usia, merokok, serum sodium dan platelet dalam badan. Regresi logistik merupakan salah satu alat statistik yang dapat digunakan dalam permodelan klasifikasi tentang ada tidaknya yang mengalami diabetes. Tujuan penelitian ini adalah melihat pengaruh variabel independent usia, merokok, serum sodium dan platelet dalam mengklasifikasikan observasi antara kategori yang tidak mengalami diabetes dan penderita diabetes. Hasil yang didapatkan adalah semua variabel independent signfikan berpengaruh di dalam model dimana semakin meningkatnya umur kecenderungan orang menjadi diabetes semakin tinggi. Selain itu, kegiatan merokok mampu memberikan kecenderungan orang menderita diabetes daripada orang yang tidak merokok. Kemudian semakin bertambahnya serum sodium dalam tubuh maka kecenderungan orang akan tidak menderita diabetes serta untuk bertambahnya platelet memberi kecenderungan sangat kecil orang menderita diabetes. Dalam klasifikasi ini, persentase akurasi klasifikasi sebesar 61,9 persen. Walupun lebih dari 50 persen namun terjadi misklasifikasi orang yang menderita diabetes sebagai orang tidak mengalami diabetes sebesar 60 persen. Hal itu menyebabkan klasifikasi ini agak beresiko dalam mengelompokkan orang yang diabetes sebagai tujuan penanganan yang lebih cepat.

Generalized Additive Logistic Pada Pemodelan Faktor-Faktor Yang Mempengaruhi Keuntungan PT. PDC Kartika Fithriasari; Soehardjoepri Soehardjoepri; Nur Iriawan
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Generalized Additive Models (GAM) merupakan kombinasi dari model additive dan generalized linear models (GLMs). GAM dengan variabel respon bertipe biner disebut model generalized additive logistic. Perbedaan hasil model regresi logistik pada GLMs dan GAM didapatkan pada pemodelan faktor-faktor yang mempengaruhi keuntungan PT.PDC. Dari studi kasus PT.PDC. terlihat bahwa GLMs hanya menangkap hubungan linier antara log-odds dan variabel prediktor, sedangkan GAM dapat menangkap hubungan kuadratik yang digambarkan dalam grafik prediksi parsial. Sehingga dapat disimpulkan bahwa GAM mampu memodelkan hubungan yang lebih kompleks dibanding GLMs.

Quantile Regression Neural Network Model For Forecasting Consumer Price Index In Indonesia Dwi Rantini; Made Ayu Dwi Octavanny; Rumaisa Kruba; Heri Kuswanto; Kartika Fithriasari
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

The main purpose of time series analysis is to obtain the forecasting result from an observation for future values. Quantile Regression Neural Network is a statistical method that can model data with non-homogeneous variance with artificial neural network approach that can capture nonlinear patterns in the data. Real data that allegedly have such characteristics is Consumer Price Index (CPI). CPI forecasting is important to assess price changes associated with cost of living as well as identifying periods of inflation or deflation. The purpose of this research is to compare several method of forecasting CPI in Indonesia. The data used in this study during January 2007 until April 2018 period. QRNN method will be compared with Neural Network with RMSE evaluation criteria. The result is QRNN is the best method for forecasting CPI with RMSE 0.95.

Algoritma ClusterMix K-Prototypes Untuk Menangkap Karakteristik Pasien Berdasarkan Variabel Penciri Mortalitas Pasien Dengan Gagal Jantung Raditya Novidianto; Kartika Fithriasari
Inferensi Vol 4, No 1 (2021): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v4i1.8479

Cardiovascular Disease (CVD) atau penyakit kardiovaskular adalah salah satu penyebab utama kematian cukup besar di seluruh dunia yang berujung pada kejadian gagal jantung. Organiasasi kesehatan WHO menyebutkan jumlah orang yang meninggal karena penyakit kardiovaskuler akibat gagal jantung setiap tahun memiliki rata-rata 17,9 juta kematian setiap tahunnya, yaitu sekitar 31 persen dari total kematian secara global. Pendeteksian faktor mortalitas pasien gagal jantung perlu dibentuk segmentasi yang berguna untuk memperkecil peluang terjadinya kematian akibat gagal jantung. Salah satunya dengan menggunakan variabel penciri mortalitas akibat gagal jantung dengan cara menerapkan algoritma k-prototypes. Hasil penggerombolan terbentuk 2 kluster yang dianggap optimal berdasarkan nilai koefisien silhouette tertinggi yaitu sebesar 0.5777. Hasil penelitian dilakukan segementasi pasien dengan variabel penciri mortalitas pasien gagal jantung yang menunjukan bahwa kluster 1 merupakan gerombol pasien yang memiliki resiko rendah terhadap peluang mortalitas akibat gagal jantung dan kluster 2 merupakan gerombol pasien dengan karaktistik pasien dengan resiko yang tinggi terhadap peluang mortalitas akibat gagal jantung. Segementasi tersebut didasari dari nilai rata-rata setiap variabel penciri dari faktor mortalitas gagal jantung pada setiap kluster yang dibandingkan dengan kondisi normal pada variabel serum creatine, ejection fraction, usia, serum sodium, tekanan darah, anemia, creatinine phosphokinase, plateles, merokok, jenis kelamin dan diabetes.

Co-Authors A. Tuti Rumiati Adatul Mukarohmah Adatul Mukarromah Aldho Riski Irawan Almuhayar, Mawanda Anindya Apriliyanti Pravitasari Brodjol Sutija Suprih Ulama Dedy Dwi Prastyo Dian Sukma Pratiwi Dio Ariadi Dwi Rantini Dwiatmono Agus Widodo Erma Oktania Permatasari Febrian Kristianda Ferriastuti, Widiana Heri Kuswanto Hia, Supriadi Husna Miratin Nuroini I Gusti Bagus Ngurah Diksa Idrus Syahzaqi Irhamah Irhamah - Irwan Susanto Ismaini Zain Iswari Hariastuti Iswari Hariastuti Kinanthi Sukma Wening Kinanthi Sukma Wening Made Ayu Dwi Octavanny Marina Marsudi Putri Mochamad Ihsan Ananto Mohammad Alfan Alfian Riyadi Mohammad Alfan Alfian Riyadi Novarani Putri Saraswati Nur Asiyah Nur Iriawan Oktaviana, Pratnya Paramitha Pratnya Paramitha O Pratnya Paramitha Oktaviana Qori’atunnadyah, Marita Raditya Novidianto Rahayu Prihatini Saputri Rhifda Zukhrufi Riska Prakasita Sahitayakti Rouhan, Asva Abadila Rumaisa Kruba Salman Alfarizi Pradana Andikaputra Santi Wulan Purnami Setiawan Setiawan Shofi Andari Sinta Septi Pangastuti Soehardjoepri Soehardjoepri Susila, Muktar Redy T. Dwi Ary Widhianingsih Taufik Azmi Ulfa Siti Nuraini Veniola Forestryani Vita Ratnasari Wahyuni Suryaningtyas, Wahyuni Wibawati Wibawati Widhianingsih, Tintrim Dwi Ary Wiwiek Setya Winahju

Title Search

Found 5 Documents Search Journal : Inferensi

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search
Journal : Inferensi