Article Per Year (5 Year)
p-Index From 2020 - 2025
0.983
P-Index
This Author published in this journals
All Journal Jurnal Fourier Jurnal Ilmiah KOMPUTASI Mathvision : Jurnal Matematika Jurnal Statistika dan Aplikasinya Algoritma: Jurnal Matematika, Ilmu Pengetahuan Alam, Kebumian dan Angkasa
Wika Dianita Utami
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Earth & Planetary Sciences Economics, Econometrics & Finance Education Mathematics Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Dian Candra Rini; Uswatun Khasanah; Wika Dianita Utami; Putroue Keumala Intan
MathVisioN Vol 1 No 1 (2019): Maret 2019
Publisher : Prodi Matematika FMIPA Unirow Tuban

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (391.087 KB)

Abstract

Prediksi atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang akan diproduksi guna mencegah terjadinya beban berlebih yang dapat menyebabkan kerusakan pada sistem trafo atau kekurangan beban listrik yang mengakibatkan krisis energi listrik pada konsumen. Oleh karena itu, dibutuhkan suatu metode alternatif untuk memprediksi beban listrik jangka pendek, salah satunya yaitu metode Adaptive Neuro Fuzzy Inference System pada penelitian ini. Data diperoleh dari PT. PLN (Persero) APD Jawa Timur yang berisi data beban listrik per setengah jam dari bulan februari sampai september tahun 2018 yang digunakan sebagai data aktual. Data kemudian dilatih dengan menggunakan metode ANFIS dan didapatkan hasil peralaman bulan september 2018. Data uji coba tanggal 1 s/d 28 september tergolong memiliki tingkat kesalahan yang rendah yaitu MAPE menunjukkan hasil 7,926%. Nilai error terbesar terjadi pada tanggal 18 september yaitu sebesar 20,51% sedangkan nilai error terkecil terjadi pada tanggal 16 september yaitu sebesar 1,117%.
OPTIMASI WAKTU TUNGGU LAMPU LALU LINTAS PADA SIMPANG LIMA KRIAN-SIDOARJO MENGGUNAKAN ALGORITMA WELCH-POWELL Wika Dianita Utami; Ahmad Naufal DS; Putroue Keumala Intan
MathVisioN Vol 2 No 1 (2020): Maret 2020
Publisher : Prodi Matematika FMIPA Unirow Tuban

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (738.066 KB)

Abstract

Simpang Lima Krian-Sidoarjo merupakan simpang lima dengan arah tujuan adalah Mojokerto, Wonoayu, Legundi, Pacet dan Sidoarjo sehingga pada simpang tersebut sering terjadi kemacetan. Sehingga membutuhkan beberapa solusi, salah satunya adalah optimasi waku tunggu lampu lalu lintas. Simpang Lima Krian-Sidoarjo dapat direpresentasikan dalam sebuah graf, dengan simpul menyatakan jalur yang dapat dilewati dalam persimpangan dan sisi menyatakan hubungan dua simpul yang saling melintas atau bersebrangan. Pada penelitian ini, digunakan metode pewarnaan graf yaitu pewarnaan simpul menggunakan Algoritma Welch-Powell untuk menentukan durasi yang optimum pada waktu tunggu lampu lalu lintas di Simpang Lima Krian-Sidoarjo. Berdasarkan hasil pewarnaan simpul diperoleh 5 bilangan kromatik. Hasil optimasi waktu tunggu lampu lalu lintas yaitu durasi lampu merah pada ruas simpang arah Mojokerto efektif jika mengalami penurunan dan tidak efektif jika durasi pada lampu hijau bertambah, durasi lampu merah pada ruas simpang arah Wonoayu, Legundi, Pacet, Sidoarjo tidak efektif jika mengalami kenaikan dan efektif jika durasi pada lampu hijau mengalami penurunan. Penyelesaian optimasi waktu tunggu lampu lalu lintas menggunakan pewarnaan simpul Algoritma Welch-Powell memberikan keefektifan hingga 13.63%.
Implementasi K-Medoids Clustering Dalam Pengelompokkan Jenis Alat Kontrasepsi Berdasarkan Kecamatan di Kabupaten Sidoarjo Sahri, Aulia Eka; Wika Dianita Utami; Abdulloh Hamid
Jurnal Ilmiah Komputasi Vol. 23 No. 2 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 2, Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.2.3567

Abstract

Program Keluarga Berencana (KB) merupakan kebijakan pemerintah dalam menekan laju pertumbuhan penduduk. Salah satu program KB adalah penggunaan alat kontrasepsi. Tujuan dilakukannya penelitian ini adalah mengelompokkan kecamatan di Kabupaten Sidoarjo berdasarkan tingkat penggunaan jenis alat kontrasepsi menggunakan Analisis K- Medoids Clustering . K-Medoids Clustering merupakan metode pengelompokkan dengan menggunakan metode partisi, tanpa membuat hierarki antar cluster . Metode K- Medoids kinerjanya lebih optimal dalam jumlah data yang sedikit daripada metode K- Means . Hasil analisis dari K-Medoids Clustering  ini diperoleh nilai Average Silhouette Total terbaik yaitu 0,53 yang terdiri dari empat cluster . Cluster pertama terdapat 1 kecamatan dengan indikator pengguna alat kontrasepsi tertinggi. Cluster kedua terdapat 9 kecamatan dengan pengguna alat kontrasepsi sedang. Cluster ketiga terdapat 7 kecamatan dengan pengguna alat kontrasepsi rendah. Cluster keempat terdapat 1 kecamatan dengan pengguna alat kontrasepsi sangat rendah/jarang.
Classification of Wood Types Based on Wood Fiber Texture Using GLCM - ANN Septiani, Intan Karunia Septiani; Wika Dianita Utami; Nurissaidah Ulinnuha; Dino Ramadhan
Jurnal Fourier Vol. 14 No. 1 (2025)
Publisher : Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/fourier.2025.141.9-20

Abstract

In Indonesia, various types of wood grow and develop with various characteristics and benefits. Each type of wood has differences in texture and fiber, to classify it must have sufficient knowledge about the texture and fiber of wood. A wood species identification system is needed to help the classification process. The purpose of this research is to classify Teak Wood, Sengon Wood, Mahogany Wood, and Gmelina Wood which are often sold in Indonesia. The classification method used in this research is Artificial Neural Network with Gray Level Co- occurrence Matrix (GLCM) extraction. Pre-processing stages include Histogram Equalization, filtering, converting images into grayscale form, and data augmentation. Feature extraction of pre-processing results using GLCM is taken, namely contrast, correlation, energy, homogeneity, and entropy. From the research results, classification using Artificial Neural Network was obtained with 46% accuracy, 43% precision, 42.5% recall, and 42% F1-Score with a GLCM inclination angle of 90°. So, this method can be used to classify the types of wood, but it is less accurate because there are still deficiencies in the model.
ANALYSIS OF DIABETES MELITES DISEASE USING BINARY LOGISTIC REGRESSION Anistya, Mery; Putroue Keumala Intan; Ahmad Hanif Asyhar; Wika Dianita Utami
Jurnal Statistika dan Aplikasinya Vol. 9 No. 1 (2025): Jurnal Statistika dan Aplikasinya
Publisher : LPPM Universitas Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.09102

Abstract

This study aims to identify risk factors that affect the incidence of diabetes mellitus and evaluate the accuracy of the prediction model using binary logistic regression. The research method used secondary data from 140 patients at UPT Puskesmas Teja, Pamekasan, consisting of 60 diabetes negative patients and 80 diabetes positive patients. The variables analyzed included age, gender, heredity, smoking habit, body mass index (BMI), blood glucose level, cholesterol, and blood pressure. The results showed that the variables of gender and glucose levels had a significant influence on the incidence of diabetes, with significance values of 0.022 and 0.001, respectively. The gender variable has an Odds Ratio (OR) value of 0.135, indicating that female patients tend to have a lower risk of developing diabetes than men. Meanwhile, glucose levels showed a positive association with the incidence of diabetes, with each unit increase in glucose levels increasing the risk of diabetes by 1.016 times. The binary logistic regression model developed has an accuracy of 87.1% based on the Area Under Curve (AUC) value, which falls into the category of strong classification ability. This study provides important implications in supporting the development of more effective diabetes prevention and management strategies through an in-depth understanding of risk factors, so that it can be used as a basis for decision-making in public health services.
Peramalan Produk Domestik Bruto (PDB) Industri Furnitur di Indonesia Menggunakan Metode Double Exponential Smoothing-Holt Alfinatuzzahro Alfinatuzzahro; Wika Dianita Utami; Moh. Hafiyusholeh; Moh. Lail Kurniawan
Algoritma : Jurnal Matematika, Ilmu pengetahuan Alam, Kebumian dan Angkasa Vol. 2 No. 3 (2024): Algoritma : Jurnal Matematika, Ilmu pengetahuan Alam, Kebumian dan Angkasa
Publisher : Asosiasi Riset Ilmu Matematika dan Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62383/algoritma.v2i3.64

Abstract

Furniture raw materials are still a major challenge in the industry, in line with the wishes of consumers to get good quality raw materials and soaring export demand, so there is a need for a control process to monitor the value of products using forecasting. The purpose of this study was to predict gross domestic product in the furniture industry in Indonesia in 2022. This study used secondary data on the quarterly trend of gross domestic product in the furniture industry in Indonesia 2010-2021 taken from the research industry data processed by BPS and Bank Indonesia, The method used is Double Exponential Smoothing-Holt. The results of the calculation using the double exponential smoothing-holt method obtained a value of α of 0.658 and β of 0.008 where the forecasting results for the 2022 period, namely the 1 quarter of 7.602 billion rupiah, quarter 2 of 7.676 billion rupiah, quarter 3 of 7.749 billion rupiah, and quarter 4 of 7.822 billion rupiah. Where the MAPE value is 0.737% which means forecasting has very good results.
Co-Authors Abdulloh Hamid Ahmad Hanif Asyhar Ahmad Naufal DS Alfinatuzzahro Alfinatuzzahro Anistya, Mery Dino Ramadhan Moh. Hafiyusholeh Moh. Lail Kurniawan Nurissaidah Ulinnuha Putroue Keumala Intan Sahri, Aulia Eka Sari, Dian Candra Rini Novita Septiani, Intan Karunia Septiani USWATUN KHASANAH