Article Per Year (5 Year)
p-Index From 2020 - 2025
2.679
P-Index
This Author published in this journals
All Journal Indonesian Journal of Educational Studies Jurnal El-Riyasah : Jurnal Kepemimpinan dan Administrasi Jurnal Ushuluddin JURNAL REKAYASA TEKNOLOGI INFORMASI Jurnal Seni Tari Management Studies and Entrepreneurship Journal (MSEJ) Budapest International Research and Critics Institute-Journal (BIRCI-Journal): Humanities and Social Sciences Jurnal Abdimas Ilmiah Citra Bakti (JAICB) INVEST : Jurnal Inovasi Bisnis dan Akuntansi Syntax: Journal of Software Engineering, Computer Science and Information Technology Journal Of Human And Education (JAHE) Jurnal Ilmu Administrasi Negara Journal of Administration Studies Scientific Journal of Engineering Research
Sitti Rahmah
Fakultas Ekonomi dan Ilmu Sosial Universitas Islam Negeri Sultan Syarif kasim Riau
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Nursing Physics Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Pengambilan Keputusan Rekomendasi Prioritas Bantuan IKM di Kota Samarinda dengan metode AHP dan TOPSIS Rahmah, Sitti; Fawait, Aldi Bastiatul; Jamil, Muh; Arifin, Merlina Lidiana; Saputri, Nadia Keril
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 1 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i1.19824

Abstract

Industri usaha kecil menengah (IKM) di Kota Samarinda terbilang belum mengalami perkembangan yang maksimal, dengan salah satu hambatannya ialah faktor finansial. Pemerintah mengusulkan program bantuan yang harus tepat sasaran, memerlukan keputusan yang tepat untuk menyeleksi IKM penerima bantuan. Metode yang digunakan adalah Analytical Hierarchy Process (AHP) untuk menentukan bobot kriteria dan Technique for Other Reference by Similarity to Ideal Solution (TOPSIS) untuk menentukan prioritas bantuan sebagai rekomendasi penerima bantuan. Kriteria penentuan penerima bantuan adalah tenaga kerja, investasi, kapasitas produksi, nilai produksi, dan bahan baku. Penelitian ini dilakukan melalui tahap Input, Proses, dan Output. Hasil penelitian membuktikan rasio konsistensi yang dihasilkan sebesar 0,0961 atau <0,1, yang sesuai dengan teori perhitung CR dalam metode AHP. Ranking hasil menggunakan metode TOPSIS menunjukkan bahwa IKM Agus Salim Variasi menempati urutan pertama, UD. Hamas di urutan kedua, dan Bengkel Langgeng Teknik di urutan ketiga, sehingga direkomendasikan sebagai prioritas bantuan. Penelitian ini menemukan bahwa integrasi metode AHP dan TOPSIS efektif untuk pengambilan keputusan rekomendasi prioritas bantuan IKM di Kota Samarinda.
ANALISIS KOMPARATIF KLASIFIKASI MACHINE LEARNING UNTUK MEMPREDIKSI STUNTING PADA ANAK USIA DI BAWAH LIMA TAHUN Saputra, Yudhi Fajar; Al-Khasawneh, Mahmoud Ahmad; Milkhatun, Milkhatun; Asthiningsih, Ni Wayan Wiwin; Rahmah, Sitti
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 1 (2025): Juni 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i1.6852

Abstract

Stunting merupakan salah satu permasalahan kesehatan masyarakat yang bisa berdampak jangka panjang terhadap kualitas sumber daya manusia di Indonesia. Deteksi dini terhadap status stunting anak usia di bawah lima tahun menjadi langkah dalam mencegah gangguan pertumbuhan kronis akibat stunting, sehingga penelitian ini bertujuan untuk membangun model klasifikasi status stunting dengan memanfaatkan pendekatan data mining menggunakan algoritma Decision Tree dan Random Forest. Data yang digunakan diperoleh dari hasil survei terhadap ibu yang memiliki anak dibawah umur lima tahun dengan sejumlah 193 responden, data tersebut mencakup variabel antropometri dan sosial ekonomi, seperti tinggi badan, berat badan, usia anak, pendidikan orang tua, pendapatan keluarga, dan urutan kelahiran. data tersebut diproses melalui tahapan Knowledge Discovery in Databases (KDD) meliputi seleksi atribut, imputasi, encoding, dan klasifikasi melalui proses permodelan data mining, selanjutnya evaluasi dilakukan dengan metrik klasifikasi Classification Accuracy(CA) dan Area Under the Curve (AUC) dari kurva Receiver Operating Characteristic (ROC). Hasil penelitian menunjukkan bahwa model Random Forest memiliki performa lebih baik dibandingkan Decision Tree dengan nilai CA 71% dan AUC 0.74. dibandingkan Decision Tree dengan nilai CA 67% dan AUC 0.68. Peneliti berharap bahwa Model prdiksi ini berpotensial dapat digunakan sebagai sistem deteksi dini stunting berbasis data atau sebagai rujukan untuk penelitian berikutnyaKata Kunci—Stunting, Machine Learning, Random Forest, Decision Tree, Classification Model, ROC Curve. ABSTRACTStunting is one of the public health issues that can have long-term impacts on the quality of human resources in Indonesia. Early detection of stunting status among children under five years of age is a critical step in preventing chronic growth disorders. Therefore, this study aims to develop a classification model for stunting status using a data mining approach with Decision Tree and Random Forest algorithms. The dataset was obtained from a survey of 193 mothers with children under five, encompassing anthropometric and socioeconomic variables such as height, weight, child’s age, parental education, family income, and birth order. The data were processed through the stages of Knowledge Discovery in Databases (KDD), including attribute selection, imputation, encoding, and classification modeling. The model performance was evaluated using classification metrics: Classification Accuracy (CA) and the Area Under the Curve (AUC) from the Receiver Operating Characteristic (ROC) curve. The results show that the Random Forest model outperformed the Decision Tree, achieving a CA of 71% and an AUC of 0.74, compared to the Decision Tree with a CA of 67% and an AUC of 0.68. This predictive model is expected to be useful as a data-driven early detection system for stunting or serve as a reference for future research.Keywords—Stunting, Machine Learning, Random Forest, Decision Tree, Classification Model, ROC Curve.
EDUKASI PERAN STATISTIKA DESKRIPTIF DALAM ENTREPRENEURSHIP BAGI SISWA SMA NEGERI 12 SAMARINDA Rahmah, Sitti; Fawait , Aldi Bas; Saputra, Yudhi Fajar; Jamil, Muh; Pramudya, Edwin
Jurnal Abdimas Ilmiah Citra Bakti Vol. 6 No. 3 (2025)
Publisher : STKIP Citra Bakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38048/jailcb.v6i3.5920

Abstract

Siswa SMA Negeri 12 Samarinda masih menghadapi keterbatasan dalam memahami statistika deskriptif, sehingga kurang optimal dalam menganalisis pasar dan mengambil keputusan berbasis data. Kegiatan Pengabdian kepada Masyarakat (PkM) ini dilakukan sebagai upaya peningkatan literasi statistika dengan melibatkan 22 siswa sebagai peserta. Metode pelaksanaan meliputi penyuluhan interaktif, studi kasus, serta evaluasi dengan angket. Hasil menunjukkan bahwa 63,6% siswa telah mengenal statistika deskriptif, 50% memahami konsep dasarnya, 45,5% menilai penting penggunaannya dalam membaca kondisi pasar, 59,1% cukup sering menggunakannya pada konteks kewirausahaan, dan 68,2% masih mengalami kebingungan dalam penerapan. Temuan ini menegaskan bahwa kegiatan PkM berhasil memperluas pemahaman dasar siswa, meskipun dukungan lanjutan dalam bentuk pembelajaran kontekstual dan praktik intensif tetap diperlukan agar kompetensi analitis siswa dapat berkembang lebih optimal untuk mendukung aktivitas wirausaha.
Penerapan Metode LSTM untuk Prediksi Harga Ethereum Fawait, Aldi Bastiatul; Jamil, Muh; Rahmah, Sitti; Sugiarto, Sugiarto
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 3 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i3.22169

Abstract

Perkembangan teknologi blockchain dalam beberapa tahun terakhir memberikan dampak besar terhadap sistem keuangan global, salah satunya melalui Ethereum (ETH) yang berfungsi sebagai aset kripto sekaligus fondasi ekosistem smart contract. Namun, volatilitas tinggi harga ETH membuat metode prediksi tradisional sulit menangkap pola nonlinier yang kompleks. Penelitian ini menerapkan metode Long Short-Term Memory (LSTM) untuk memprediksi harga ETH menggunakan data time-series dari investing.com periode 1 Januari 2021 hingga 21 Agustus 2025. Model LSTM dengan tiga lapisan menghasilkan performa baik dengan MAE 0,0387 dan R² 0,9741 pada data latih, serta MAE 22,59% dan R² 80,55% pada data uji. Hasil ini membuktikan bahwa LSTM efektif dalam mempelajari pola fluktuasi harga ETH meskipun akurasi pada data baru masih dapat ditingkatkan. Kontribusi penelitian ini adalah memperkuat literatur terkait prediksi kripto berbasis data jangka panjang sekaligus memberikan manfaat praktis bagi investor dan regulator dalam memahami dinamika volatilitas ETH.
Implementation of Data Mining Using Simple Linear Regression Algorithm to Predict Export Values Fawait, Aldi Bastiatul; Rahmah, Sitti; Costa, Apolonia Diana Sherly da; Insyroh, Nazaruddin; Firdaus, Asno Azzawagama
Scientific Journal of Engineering Research Vol. 1 No. 1 (2025): January
Publisher : PT. Teknologi Futuristik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64539/sjer.v1i1.2025.11

Abstract

This study aims to analyze the trends in export value in East Kalimantan. The research utilizes secondary data sourced directly from the Central Statistics Agency of East Kalimantan Province. A simple linear regression algorithm for data mining is employed as the analytical method. The findings indicate a decline in East Kalimantan's export value from January 2022 to April 2024, as well as in the forecasted export value from May 2024 to December 2024. The prediction model achieved a Root Mean Square Error (RMSE) value of 3.182%, demonstrating a high level of accuracy in estimating export values. This research is expected to serve as a valuable reference for stakeholders in formulating strategies to enhance East Kalimantan's export performance and contribute to the region's future economic development.
Co-Authors Al-Khasawneh, Mahmoud Ahmad Aldi Bastiatul Fawait Fawait Arifin, Merlina Lidiana Asno Azzawagama Firdaus Asthiningsih, Ni Wayan Wiwin Costa, Apolonia Diana Sherly da Dalimunthe, Wahyu Ramadani Deswimar, Devi Fawait , Aldi Bas Insyroh, Nazaruddin Jalaluddin Abdul Malek, Jalaluddin Abdul Jamil, Muh Kholbi, Mustafa Leswara, Hesty Mahyarni - Milkhatun, Milkhatun Muhammad Riski, Muhammad Muhammad Zakir Museliza, Virna Nugraheni, Yosi Nurani, Ratna Pramudya, Edwin Rahayu, Sri Wike Romus, Mahendra Saputra, Yudhi Fajar Saputri, Nadia Keril Sugiarto S Suryadi, Nanda Syafa’at, Muhammad Tetteng, Basti Tuti Rahayu Yusnizar Heniwaty, Yusnizar