p-Index From 2021 - 2026
7.748
P-Index
Claim Missing Document
Check
Articles

Earthquake Prediction in Indonesia using Descriptive Statistics, Pearson Correlation, and Ensemble Machine Learning (Random Forest, XGBoost, LightGBM) Nunu Ariatmi; Alwin Sande; Komang Nopa Sudarma; Rismayani Rismayani
Journal of Information Technology and Its Utilization Vol 9 No 1 (2026): May 2026
Publisher : Sekolah Tinggi Multi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56873/jitu.9.1.6060

Abstract

Indonesia is a seismically active region because it is crossed by the meeting point of three tectonic plates: the Indo-Australian Plate, the Eurasian Plate, and the Pacific Plate, commonly referred to as the Pacific Ring of Fire. This research seeks to forecast earthquake occurrences in Indonesia by integrating descriptive statistics, Pearson correlation analysis, and ensemble-based machine learning techniques including Random Forest, XGBoost, and LightGBM. The dataset is sourced from the BMKG and covers the period from September 1 to December 20, 2024. The methods used include descriptive statistics, which can help identify trends and patterns in earthquake data such as frequency, average magnitude, and geographical distribution; Pearson correlation to show the relationship between earthquake variables such as magnitude, depth, and location; and ensemble machine learning to help predict the likelihood of earthquakes based on historical data patterns. The use of descriptive statistics, Pearson correlation, and ensemble machine learning in earthquake prediction is an important step toward enhancing understanding of earthquakes and aiding in disaster risk mitigation efforts
Pengembangan Sistem Rekomendasi Lokasi Bengkel Berdasarkan Penilaian Pengguna Menggunakan Integrasi Google Maps API Risal Rusli; Ricard Aprian Pamean; Rismayani Rismayani; Angdy Erna
DIPAKOMSI Vol. 19 No. 1 (2026): Jurnal Dipanegara Komputer Sistem Informasi (DIPAKOMSI)
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomsi.v19i1.2131

Abstract

Permasalahan yang sering dialami pengendara adalah kesulitan menemukan bengkel ketika kendaraan mengalami kerusakan mendadak serta kebingungan dalam memilih bengkel yang sesuai dengan kebutuhan karena banyaknya pilihan pada Google Maps. Penelitian ini bertujuan mengembangkan sistem rekomendasi lokasi bengkel berbasis web untuk memberikan rekomendasi yang sesuai dengan preferensi pengguna. Metode yang digunakan adalah Collaborative Filtering dengan algoritma Cosine Similarity untuk menghitung tingkat kesamaan antar pengguna, sedangkan proses prediksi rating dilakukan menggunakan metode Weighted Sum berdasarkan bobot kesamaan tersebut. Dataset yang digunakan dalam penelitian ini diperoleh melalui Google Maps API dengan total 204 bengkel. Pengujian menggunakan MAE dilakukan pada tiga skenario dengan jumlah pengguna berbeda untuk mengevaluasi akurasi sistem serta mengukur selisih antara rating sebenarnya dan prediksi sistem, menghasilkan nilai 0,759 untuk 5 pengguna, 0,715 untuk 10 pengguna, dan 0,710 untuk 20 pengguna. Hasil menunjukkan bahwa metode yang diterapkan pada sistem ini memberikan rekomendasi dengan tingkat akurasi yang cukup baik.
Penerapan Metode Random Forest Regression Untuk Menganalisis Manajemen Stok Produksi Semen di PT. Semen Tonasa Rismayani, Rismayani; Sri Wahyuni; Sartin Bunga
DIPAKOMSI Vol. 19 No. 1 (2026): Jurnal Dipanegara Komputer Sistem Informasi (DIPAKOMSI)
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomsi.v19i1.2251

Abstract

Manajemen stok produksi semen merupakan aspek penting dalam mendukung kelancaran operasional dan distribusi pada unit packing plant. Ketidakseimbangan antara ketersediaan stok dan kebutuhan distribusi berpotensi menimbulkan kelebihan maupun kekurangan stok yang dapat memengaruhi efisiensi operasional. Penelitian ini bertujuan untuk menerapkan metode Random Forest Regression dalam memprediksi stok produksi semen serta menganalisis kondisi manajemen stok produksi pada Unit Packing Plant Bitung PT Semen Tonasa. Data yang digunakan merupakan data historis stok produksi semen selama dua tahun terakhir, yaitu tahun 2024 dan 2025. Metode penelitian meliputi pengolahan data, analisis eksploratif, pembangunan dan evaluasi model Random Forest Regression, analisis feature importance, serta prediksi stok produksi satu tahun mendatang. Evaluasi kinerja model dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model memiliki kinerja yang sangat baik dengan nilai MAE sebesar 4,60, RMSE sebesar 8,21, dan R² sebesar 0,9983. Analisis feature importance menunjukkan bahwa variabel total bag merupakan faktor yang paling dominan dalam memengaruhi stok produksi semen. Hasil prediksi menunjukkan adanya variasi nilai stok produksi antarperiode yang mencerminkan kondisi manajemen stok produksi yang dinamis.
Co-Authors Abidin, Nur Awalia Syukri Zainal Ahmad Ramadhan Ahyuna Ahyuna, Ahyuna Aklimawati Aklimawati, Aklimawati Alam, Samsul Aldi Susanto Alfandy, Andi Faiz Alwin Sande Andi Hutami Endang, Andi Hutami Andi Irmayana Angdy Erna Annah Annah, Annah Ardimansyah Ardimansyah Arief Setyanto Arifin, Ismail Arlenti, Lety Arnold Listanto Pratama Arudji Hermatyar Asmanurhidayani, Asmanurhidayani Asrul Syam Asrul Syam Asti Rahayu Arjuni Aswar TC. Koswara Avila, Rizna Dwi Chandreekha Ummareng Cucut Susanto Elcindy Putri Mangadi Elvina, Ade Ema Utami Entan Afriannisyah Erdianza, Noor Fadhlullah, Muhammad Alief Fahmi Satriawan Taslim Febrianti, Anggi Ferdiansyah Noor Alief Gosari, Nero Caesar Hani, Siti Umi Harlina, Sitti Hartana Wali Hasibuan, Riza Sakhbani Hasriani Hasriani Hasyrif SY Hasyrif SY Hasyrif SY Heltiani, Nofri Hendayani, Veli Sifa Hendri Bustamam Herlinda Herlinda, Herlinda Hermatyar, Arudji Imran, Irfina Astria Indo Intan Irsan Mansyur Iskandar Iskandar Jasman, Taufik Zulhaq Keziah Julia Siow Komang Nopa Sudarma Layuk, Novita Sambo Linshia, Linshia Lubis, Hilda Zahra M. Syabur Feryson Pilat Madyana Patasik Mahaputri, Amanda Ulayyah Mahrim, Andes Saparila Maria Yustina Tuga Martina Pineng Maulana, Andi Ikram Maulani, Nurul Mawarni Mawarni Mega Fatimah Rosana Mirfan Mirfan muh Rinalwi Muh Yusuf Zahir Muhammad Agus Muljanto Muhammad Alief Fadhlullah Muhammad Alim Rahmat Muhammad Ardiansyah Muhammad Darwis Muhammad Kasrun Muhammad sabiq Muhammad said Muhammad Syukri Mustafa Muhammad Wahinuddin Tahir Muliana, Muliana Mursalim Mursalim Muthahharah Muthahharah MZ, St. Naziha Nasif Nababan, Lolli Nadia Ananda Nasution, Dinil Arifah Natasya Putri Rantelino Ni Kadek Marselina Novita Sambo Layuk Nunu Ariatmi Nurani Nurani Nurani Nurani Nurani Nurani Nurcahyani Syamsu Nurdiansah Nurdin Nurdin Nurhaeni F Nurilmi Amalia Marda Nurisnaini, Gianti Nurlindasari Tamsir Oktavia, Rara Parwito Parwito, Parwito Petronilia Palinggik Allorerung Piu, Sriwahyuningsih Poppy Siska Putri Pratama, Arnold Listanto PURWANTI PURWANTI Putri, Ayilzi R, Agum Wiranto Rambe, Aisyah Putri Reski Ariani Reza Afandi Ricard Aprian Pamean Rima Aprilia Risal Rusli Riska Anita Rahayu Rita, Wismalinda Rizky Amalia Rizna Dwi Avila Rudyanto Salam Safaat, Syahrial Sandy, Wilson Sartin Bunga Siti Aisa Siti Aisyah Sri Rahayu N Sitti Asnany Sri Marliani Sri Wahyuni ST. Aminah Dinayati Ghani Suhardi Aras Sutanto, Nur Hamid Syafitasari, Juanda Tahir, Muhammad Wahinuddin Tandiar, Brayens Taufik Zulhaq Jasman Tiwi Nurhidayatullah Tommy Darwansyah Tulwahdah, Farida Usman, SE., M.Kom Usman, SE., M.Kom Vitha Aulia Nurwardhani Yunus Wal Ikram Widyaa, Syahruni Widyaningsih, Sari Wiwik Handayani Yudi Heriadi