Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Indonesian Journal of Applied Informatics Sewagati
Mukti Ratna Dewi
Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS)
Arts Humanities Computer Science & IT Education Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Pelatihan Aplikasi Dashboard RAB Desa sebagai Peningkatan Kapabilitas dalam Pengelolaan Keuangan Desa di Kecamatan Jetis Kabupaten Ponorogo Jawa Timur Hibatullah, Fausania; Susilaningrum, Destri; Ulama, Brodjol Sutijo Suprih; Habibi, Mochammad Reza; Kusrini, Dwi Endah; Dewi, Mukti Ratna
Sewagati Vol 8 No 2 (2024)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v8i2.951

Abstract

Pentingnya Pengabdian kepada Masyarakat (PPM) dalam lingkup perguruan tinggi, termasuk di dalamnya dosen Departemen Statistika Bisnis Fakultas Vokasi ITS, termanifestasi dalam kolaborasi PPM tahun ini dengan Pemerintahan Kecamatan Jetis, Kabupaten Ponorogo, Jawa Timur. Kolaborasi ini bertujuan untuk meningkatkan efisiensi dalam Pengelolaan Monografi Pedesaan, khususnya dalam perhitungan Rancangan Anggaran Belanja Desa (RABDESes). Dalam penjajagan awal, Kecamatan Jetis mengidentifikasi kebutuhan mendesak akan program yang dapat mempermudah penghitungan RABDESes, yang selama ini dilakukan secara manual. Proses manual ini sering mengakibatkan kesalahan dalam perhitungan akhir RAB karena keterbatasan waktu untuk mengisi berbagai komponen pembelanjaan. Oleh karena itu, tim PPM dari Departemen Statistika Bisnis Fakultas Vokasi ITS, bersama dengan mahasiswa KKN, berkolaborasi untuk menciptakan Dashboard RABDESes menggunakan fasilitas yang disediakan oleh program Excel. Selain menciptakan alat ini, tim PPM juga memberikan pelatihan kepada staf kelurahan/desa yang terlibat langsung dalam urusan RABDESes. Tujuannya adalah memastikan pemahaman yang baik tentang penggunaan Dashboard tersebut, sehingga dapat mengurangi kesalahan dan meningkatkan efisiensi dalam proses pengelolaan RABDESes. Melalui inisiatif ini, PPM turut berperan dalam mendukung pembangunan dan pengelolaan keuangan di tingkat pedesaan.
Interpretable machine learning for academic risk analysis in university students Dewi, Mukti Ratna; Habibi, Mochammad Reza; Babgei, Bassam; Ananda, Lovinki Fitra; Ulama, Brodjol Sutijo Suprih
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 14, No 4: August 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v14.i4.pp3089-3098

Abstract

Higher education institutions often grapple with issues related to academic risk among their students. These academic risks encompass low academic performance, study delays, and dropouts. One approach to address these challenges is to predict students’ academic performance as accurately as possible by leveraging advanced computational techniques and utilizing academic and non-academic student data. This research aims to develop a model that accurately identifies students with high potential for academic risk while explaining the contributing factors to this phenomenon in the Faculty of Vocational Studies, Institut Teknologi Sepuluh Nopember (ITS). The prediction model is constructed using the light gradient boosting machine (LightGBM) method and is subsequently interpreted using the Shapley additive explanations (SHAP) value. Additionally, an oversampling method, based on synthetic minority oversampling technique (SMOTE), is implemented to address imbalances in the dataset. The proposed approach achieves 96% and 97% accuracy and specificity rates, respectively. Analysis based on SHAP values reveals that extracurricular activities, choice of major, smoking habit, gender, and friendship circle are among the top five factors impacting students’ academic risk.
Pelatihan Dashboard Monografi untuk Peningkatan Efisiensi Penyusunan RAB Tahunan Desa Bagi Staf Kelurahan di Kecamatan Wonosari, Wonoasri Kabupaten Madiun Santoso, Noviyanti; Suprih Ulama, Brodjol Sutijo; Kusrini, Dwi Endah; Susilaningrum, Destri; Dewi, Mukti Ratna; Hibatullah , Fausania; Habibi, Mochammad Reza; Nafis, Mochammad Abdillah
Sewagati Vol 9 No 4 (2025)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v9i4.2477

Abstract

Penyusunan Rencana Anggaran Belanja (RAB) tahunan desa merupakan langkah krusial dalam pengelolaan keuangan yang transparan, akuntabel, dan efektif. Namun, proses ini seringkali menghadapi kendala berupa kurangnya efisiensi dalam pengumpulan dan analisis data monografi desa. Pelatihan Dashboard Monografi ini bertujuan untuk meningkatkan kapasitas staf kelurahan di Kecamatan Wonosari, Wonoasri, Kabupaten Madiun, dalam menyusun RAB tahunan secara lebih efisien dan akurat. Pelatihan yang dilaksanakan mencakup pengenalan aplikasi berbasis Excel yang dirancang khusus untuk penyusunan RAB infrastruktur desa, termasuk estimasi anggaran jalan paving. Metode kegiatan melibatkan ceramah, diskusi, praktik langsung, dan pendampingan untuk memastikan pemahaman peserta terhadap materi. Hasil evaluasi menunjukkan peningkatan signifikan dalam efisiensi dan akurasi penyusunan RAB desa. Pelatihan ini berhasil memberikan solusi digital berbasis data kepada staf kelurahan, sehingga mendukung proses perencanaan anggaran yang lebih efektif dan tepat sasaran. Keberhasilan kegiatan ini menunjukkan pentingnya pelatihan berkelanjutan, pendampingan teknis, dan evaluasi berkala untuk memastikan keberlanjutan manfaat dari aplikasi yang diimplementasikan.
Analisis Sentimen Pasar melalui Berita Finansial untuk Prediksi Harga Saham PT Bank Rakyat Indonesia Tbk Putra, Ferdyansyah Permana; Dewi, Mukti Ratna; Hibatullah, Fausania
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.94692

Abstract

Abstrak:Sentimen pasar merupakan salah satu faktor yang mempengaruhi fluktuasi harga saham yang dapat bersumber dari masyarakat umum maupun berita-berita yang terkait dengan saham. Dalam penelitian ini, pengaruh sentimen pasar melalui berita keuangan dianalisis terhadap harga saham PT Bank Rakyat Indonesia Tbk (BBRI). Penelitian ini menggunakan pendekatan machine learning dengan metode Support Vector Regression (SVR) untuk memprediksi harga penutupan saham BBRI berdasarkan sentimen berita. Model SVR dioptimalkan dengan algoritma Fruit Fly Optimization Algorithm (FOA). Sentimen pasar terlebih dahulu dievaluasi menggunakan metode IndoBERT yang menunjukkan tingkat akurasi sentimen keseluruhan di atas 90%. Setelah itu, empat skenario pemodelan diusulkan untuk menemukan model prediksi terbaik: (1) model tanpa sentimen, (2) model dengan sentimen pada periode , (3) model dengan sentimen pada periode , dan (4) model dengan sentimen pada periode  dan periode . Hasil akhir menunjukkan bahwa model pada skenario (1) memiliki kesalahan prediksi terendah dibandingkan dengan model lainnya==============================================Abstract:Market sentiment is one of the factors that influences the fluctuation of stock prices, which can originate from the general public or news related to stocks. In this study, we explore the effect of market sentiment through financial news on the stock price of PT Bank Rakyat Indonesia Tbk (BBRI). This research adopts a machine learning approach using the Support Vector Regression (SVR) method to predict the closing price of BBRI stock based on news sentiment, and the function is later optimized with the Fruit Fly Optimization Algorithm (FOA) algorithm. The market sentiment is first evaluated using the IndoBERT method, which shows an overall sentiment accuracy level above 90%. Afterward, four modeling scenarios are proposed to find the best prediction model: (1) a model without sentiment, (2) a model with sentiment at period , (3) a model with sentiment at period , and (4) a model with sentiment at both period  and period . The final results indicate that the model in scenario (1) has the lowest prediction error compared to other models
A Hybrid Model to Enhance The Performance of Classifier in Financial Distress Prediction Dewi, Mukti Ratna; Susilaningrum, Destri
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.94725

Abstract

Accurately predicting financial distress is a critical issue in financial decision-making. Financial distress must be detected as early as possible as an important determining factor in decision-making for internal companies and financial institutions related to financing or loan decisions. Various studies on financial distress prediction in Indonesia have been carried out, ranging from traditional statistical approaches to machine learning. However, the performance of the two methods is still not optimal. Therefore, this study tries to develop machine learning techniques by combining cluster analysis and classification in a hybrid model to improve the prediction model’s performance. The case study adopted in this study is the prediction of financial distress in non-financial companies listed on the IDX from 2018-2021 by combining k-means clustering and Support Vector Machine. The analysis results show that the hybrid classifier has an accuracy value of 92.7%, which is higher than the accuracy of the single classifier, which is 88.6%.
Co-Authors Ananda, Lovinki Fitra Babgei, Bassam Brodjol Sutijo Suprih Ulama Destri Susilaningrum Dwi Endah Kusrini Habibi, Mochammad Reza Hibatullah , Fausania Hibatullah, Fausania Nafis, Mochammad Abdillah Putra, Ferdyansyah Permana Santoso, Noviyanti Suprih Ulama, Brodjol Sutijo