Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi Zonasi: Jurnal Sistem Informasi
Ken Dhita Tania, Ken Dhita
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Prediksi Harga Emas Indonesia Menggunakan Model CNN-LSTM Septiana, Rika; Putri, Adetya Rielisa; Maharani, Wardah Shifa; Gultom, Gina Destia; Simanullang, Eka Darmayanti; Tania, Ken Dhita; Meiriza, Allsela; Rifai, Ahmad
INFOMATEK Vol 27 No 1 (2025): Juni 2025
Publisher : Fakultas Teknik, Universitas Pasundan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23969/infomatek.v27i1.24417

Abstract

Harga emas memiliki volatilitas tinggi yang menjadikannya menarik untuk dianalisis secara prediktif. Penelitian ini bertujuan untuk memprediksi harga emas Indonesia dengan kombinasi model Convolutional Neural Network dan Long Short-Term Memory (CNN-LSTM) berdasarkan data historis yang berjumlah 4.434 data dari PT Antam Tbk dari periode 2010 sampai 2025. Model ini dibangun menggunakan lapisan Conv1D (satu dimensi) untuk ekstraksi fitur dan dua lapisan LSTM untuk memahami pola waktu. Pengujian dilakukan dengan tiga variasi jumlah epoch pelatihan, yaitu 50, 100, dan 150, lalu hasilnya dievaluasi menggunakan metrik Root Mean Square Error (RMSE). Model terbaik ditemukan pada epoch 100 dengan nilai RMSE data pelatihan sebesar 5.811,51 dan data uji sebesar 13.236,10. Hasil ini menunjukkan bahwa model CNN-LSTM mampu mengenali pola harga emas lebih baik dibandingkan skenario lain. Dengan demikian, penelitian ini dapat dimanfaatkan untuk membantu para investor dalam mengambil keputusan investasi dan sebagai dasar pengembangan sistem prediksi harga komoditas lainnya.
ANALISIS K-MEANS DENGAN RAPIDMINER UNTUK KLASIFIKASI KUALITAS PENDIDIKAN SEKOLAH DASAR DI INDONESIA Irwansyah, Muhammad Aziiz; Alinda, Yelli Nur; Nur’Aini, Risma; Alfitrah, Intan Aidita; Khairani, Annisa; Tania, Ken Dhita; Meiriza, Allsela; Rifai, Ahmad
ZONAsi: Jurnal Sistem Informasi Vol. 7 No. 3 (2025): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode September 2025
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/a0hhsc57

Abstract

Penelitian ini menerapkan metode K-Means Clustering untuk mengelompokkan 38 provinsi di Indonesia berdasarkan kualitas pendidikan dasar. Tujuan penelitian ini adalah mengidentifikasi pola distribusi pendidikan dengan mempertimbangkan faktor tenaga pendidik, angka putus sekolah, kondisi infrastruktur sekolah, serta tingkat kesejahteraan guru. Dataset yang digunakan berasal dari Kaggle SD tahun 2023-2024 dan data Upah Minimum Provinsi (UMP) tahun 2024, kemudian dianalisis melalui tahapan Knowledge Discovery in Database (KDD) menggunakan RapidMiner. Hasil klasterisasi menghasilkan tiga kelompok provinsi dengan karakteristik berbeda: Klaster 0 dengan jumlah sekolah dan siswa tinggi serta angka putus sekolah sedang; Klaster 1 dengan tenaga pendidik dan ruang kelas terbanyak serta angka putus sekolah terendah; dan Klaster 2 dengan angka putus sekolah tertinggi meskipun UMP tertinggi. Evaluasi kualitas klasterisasi menggunakan Davies-Bouldin Index (DBI = 0,162) menunjukkan hasil yang baik. Berdasarkan analisis magnitudo vektor Euclidean, faktor dominan dalam pembentukan klaster adalah Kepala Sekolah dan Guru (1,376), Putus Sekolah (1,368), Ruang Kelas (baik) (1,324), Sekolah (1,312), Siswa (1,286), dan UMP (1,214). Penelitian ini menyimpulkan bahwa faktor tenaga pendidik dan kondisi infrastruktur memiliki dampak lebih besar terhadap kualitas pendidikan dasar dibandingkan faktor ekonomi.
Co-Authors Ahmad Rifai Alfitrah, Intan Aidita Alinda, Yelli Nur Allsela Meiriza, Allsela Gultom, Gina Destia Irwansyah, Muhammad Aziiz Khairani, Annisa Maharani, Wardah Shifa Nur’Aini, Risma Putri, Adetya Rielisa Rika Septiana Simanullang, Eka Darmayanti