Article Per Year (5 Year)
p-Index From 2020 - 2025
2.747
P-Index
This Author published in this journals
All Journal Teika Jurnal Informatika dan Teknik Elektro Terapan Infoman's: Jurnal Ilmu-Ilmu Manajeman dan Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmu Manajemen Terapan (JIMT) TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Saber: Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi Jurnal Intelek Insan Cendikia Riau Jurnal Teknik Informatika Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro dan Informatika JIMT: Jurnal Informatika, Multimedia dan Teknik
Dani Indra Junaedi
STMIK Sumedang
Religion Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Riau Jurnal Teknik Informatika

 1 
Implementasi Algoritma Random Forest untuk Prediksi Volume Pengunjung pada Sektor Layanan Publik (Studi Kasus Unit Layanan Publik di Jawa Barat Tahun 2021-2022) Huslan, Anisa Pebriyani; Mahardika, Fathoni; Junaedi, Dani Indra
Riau Jurnal Teknik Informatika Vol. 4 No. 3 (2025): November 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i3.4042

Abstract

Peramalan volume pengunjung harian yang akurat merupakan kunci untuk penjadwalan petugas yang andal, antrean yang singkat, dan pengalaman warga yang lebih baik pada layanan publik. Penelitian ini mengajukan pendekatan praktis dan mudah direplikasi yang hanya memanfaatkan sinyal kalender untuk meramalkan kedatangan harian menggunakan Random Forest. Dataset harian unit pelayanan publik tahun 2021 hingga 2022 berisi 730 observasi dan dibagi secara kronologis menjadi 80 persen pelatihan dan 20 persen pengujian agar menyerupai penerapan nyata serta menghindari kebocoran informasi. Prediktor mencakup hari, bulan, hari dalam minggu, indikator akhir pekan, minggu dalam bulan, serta penanda awal dan akhir bulan. Model menggunakan 200 pohon dengan max_depth = 8. Kinerja dievaluasi menggunakan MAE, MAPE, RMSE, dan R² serta dibandingkan dengan dua baseline yang kuat, yaitu naive lag-1 dan rata-rata hari dalam minggu. Pada data uji, model mencapai R² = 0.873, RMSE = 16.328, MAE = 13.103, dan MAPE sekitar 5,00 persen, melampaui kedua baseline. Secara kuantitatif, model ini menurunkan kesalahan prediksi (MAPE) masing-masing sekitar 64% dan 67% dibandingkan baseline naïve lag-1 dan rata-rata hari dalam minggu, menegaskan keunggulan empirisnya. Analisis feature importance menempatkan hari dalam minggu dan akhir pekan sebagai variabel paling berpengaruh dan sejalan dengan intuisi operasional. Temuan ini menunjukkan bahwa peramalan berbiaya rendah dan hemat data mampu memberikan akurasi yang siap pakai untuk penjadwalan, pemantauan risiko antrean, dan alokasi kapasitas, serta mudah ditingkatkan dengan konteks tambahan seperti hari libur dan cuaca.
Co-Authors Aghitsni, Rofiyandi Agun Guntara Agustino, Barkat Akbar, Ihsanuddin Fajar Risnandar, Agung Faridz Muhamad Permana Febiani, Amelia Fidi Supriadi Ginanjar, Ramdan Huslan, Anisa Pebriyani Ihsan Nugraha, Angga Lusi Sugiarti Lestari Mahardika, Fathoni Maulana, Rifki Muhammad Yusuf Zulfikar Mushalifah, Siti Aisyah Nur'aeni, Fina Nurul Qolbu, Shakila Ramadan, Zeinan Rubiah, Siti Sri Fuji Muliati Wiguna, Surya