Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor INOVTEK Polbeng - Seri Informatika Jurnal Infomedia Aiti: Jurnal Teknologi Informasi
Ronny Susetyoko
Politeknik Elektronika Negeri Surabaya
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search
Journal : Jurnal Infomedia

 1 
Perbandingan Metode Random Forest, Regresi Logistik, Naïve Bayes, dan Multilayer Perceptron Pada Klasifikasi Uang Kuliah Tunggal (UKT) Ronny Susetyoko; Wiratmoko Yuwono; Elly Purwantini; Nana Ramadijanti
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 7, No 1 (2022): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v7i1.2916

Abstract

Uang Kuliah Tunggal (UKT) adalah biaya yang dikenakan kepada setiap mahasiswa untuk digunakan dalam proses pembelajaran untuk program diploma dan program sarjana dari setiap jalur penerimaan yang ditetapkan oleh pemimpin perguruan tinggi negeri (PTN). Penetapan UKT masing-masing mahasiswa baru mengikuti kebijakan masing-masing PTN, tergantung ketersediaan informasi maupun target finansial berupa pendapatan negara bukan pajak (PNBP) yang tetapkan. Rumusan atau algoritma klasifikasi UKT yang digunakan tentunya akan berdampak pada distribusi dan ekspektasi rerata UKT. Tujuan dari penelitian ini adalah membandingkan kinerja beberapa metode yaitu Random Forest, Regresi Logistik, Naïve Bayes, dan Multilayer Perceptron dalam mengklasifikasi UKT. Beberapa atribut atau fitur yang digunakan dalam model adalah status rumah, penghasilan, jumlah rumah, jumlah motor, jumlah mobil, daya listrik, kepemilikan tanah, dan jumlah anak. Dataset sebanyak 873 record dibagi menjadi data training dan data testing masing-masing sebanyak 80% dan 20%. Untuk mendapatkan metode yang terbaik, dilakukan evaluasi kinerja empat metode tersebut didasarkan pada rerata akurasi, karakteristik fungsi tingkat akurasi terhadap jumlah fitur, dan nilai ekspektasi UKT. Hasil dari penelitian ini,  metode Random Forest, Regresi Linier, dan Multilayer Perceptron dapat digunakan sebagai model klasifikasi UKT karena memiliki rerata akurasi lebih dari 85%. Namun dari ketiga model tersebut, Random Forest dapat dipilih sebagai model klasifikasi terbaik dengan rerata akurasi 97,9%. Berdasarkan karakteristik fungsi tingkat akurasi, penggunaan metode Random Forest tidak harus melibatkan banyak fitur dalam model. Dengan menerapkan metode tersebut, ekspektasi rerata UKT sebesar Rp. 3,833,811 dan simpangan baku Rp. 2,123,758.
Perbandingan metode ARIMA dan ARIMAX dalam Memprediksi Jumlah Wisatawan Nusantara di Pulau Bali Faiq Riestiansyah; Devina Damayanti; Miranda Reswara; Ronny Susetyoko
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 7, No 2 (2022): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v7i2.3336

Abstract

Indonesia memiliki berbagai potensi pemanfaatan yang berbeda tergantung dari sumber daya alamnya seperti bahan tambang, lahan pertanian, pariwisata dan lain-lain. Untuk meningkatkan pendapatan pada sektor pariwisata diperlukan data peramalan jumlah wisatawan yang berkunjung ke Pulau Bali. Data hasil peramalan tersebut dapat menjadi acuan untuk pengembangan dan pengoptimalisasian hal yang perlu diperbaiki di sektor kepariwisataan ini. Tujuan dari dilakukannya penelitian ini adalah untuk mengetahui perbandingan hasil prediksi terhadap Jumlah Wisatawan Nusantara yang berkunjung ke Pulau Bali. Salah satu model yang sering digunakan untuk masalah peramalan adalah model ARIMA. Model ARIMA yang juga disebut Runtut Waktu Box-Jenkins ini hanya cocok digunakan untuk kasus peramalan jangka pendek, karena jika digunakan untuk peramalan jangka panjang, model ini biasanya akan cenderung menghasilkan grafik time series datar. Setelah melakukan kedua pemodelan (ARIMA dan ARIMAX) selanjutnya membandingkan performa kedua model tersebut dalam melakukan prediksi Jumlah Wisatawan Nusantara yang berkunjung ke Pulau Bali dalam waktu tertentu dengan melihat error (RMSE) dari masing - masing model. Semakin rendah nilai RMSE maka semakin baik model tersebut bekerja dalam melakukan prediksi. Harapannya hasil dari penelitian ini dapat dimanfaatkan oleh siapapun yang memiliki kepentingan dalam pengembangan sektor pariwisata di Pulau Bali.
Co-Authors Akhmad Hendriawan Alfi Fadliana Devina Damayanti Edi Satriyanto Elly Purwantini Faiq Riestiansyah Miranda Reswara Muhammad Iqbal Millyniawan Pradana Muhammad Syahfitra Nana Ramadijanti Wiratmoko Yuwono