Article Per Year (5 Year)
p-Index From 2021 - 2026
3.726
P-Index
This Author published in this journals
All Journal Jurnal Statistika Universitas Muhammadiyah Semarang Jurnal Ilmiah Kursor Jurnal Sistem dan Informatika Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) WARTA Journal of Information Systems Engineering and Business Intelligence Binus Business Review Jurnal Sinergitas PkM & CSR MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer WIDYABHAKTI Jurnal Ilmiah Populer Journal of Educational Research and Evaluation International Journal of Natural Science and Engineering Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Simtek : Jurnal Sistem Informasi dan Teknik Komputer Bhakti Persada Jurnal Aplikasi IPTEKS SENSITEK E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Jurnal Teknologi Informasi dan Multimedia Jurnal Varian Informatika Publik: Jurnal Manajemen Sumber Daya Manusia, Administrasi dan Pelayanan Publik REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Community Empowerment Jurnal Teknimedia: Teknologi Informasi dan Multimedia Jurnal Pengabdian kepada Masyarakat Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika Journal of Innovation Research and Knowledge Paradigma Seminar Ilmiah Nasional Teknologi, Sains, dan Sosial Humaniora (SINTESA) SATIN - Sains dan Teknologi Informasi
I Ketut Putu Suniantara
Institut Teknologi & Bisnis Stikom Bali, Indonesia
Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Jurnal Varian

 1 
ANALISIS DATA PANEL PADA KINERJA REKSADANA SAHAM I Gede Agus Astapa; Gede Suwardika; I Ketut Putu Suniantara
Jurnal Varian Vol 1 No 2 (2018)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v1i2.72

Abstract

Mutual funds is another investment opportunity with a more measurable risk as well as return high enough with enough capital is affordable for the community. Mutual fund performance can be measured by several indicators.. Modeling the performance of mutual funds modeled by regression of the data panel. The regression model estimation data panel will do with the three approaches, namely the approach of common effect, fixed effects and random effects. This research purpose to know the performance of mutual funds from stock selection skill variable influences, market timing ability and level of risk with the use of panel data analysis. The results shows that the Fund's performance is affected by the stock selection skill, market timing ability, and the level of risk. Model the right approach to model the performance of mutual funds by using a random effects model.
Pemodelan Menggunakan Metode Spasial Durbin Model untuk Data Angka Putus Sekolah Usia Pendidikan Dasar Luh Putu Safitri Pratiwi; Shofwan Hanief; I Ketut Putu Suniantara
Jurnal Varian Vol 2 No 1 (2018)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v2i1.314

Abstract

Masalah anak yang putus sekolah perlu mendapatkan perhatian karena salah satu indikator yang berguna untuk mengukur kemajuan sumber daya manusia pada bidang pendidikan. Untuk menekan laju pertambahan jumlah anak putus sekolah tersebut dapat dilakukan dengan cara mengetahui faktor-faktor yang berpengaruh terhadap jumlah anak putus sekolah dan berpotensi dalam meningkatkan laju pertumbuhan anak yang putus sekolah. Pemodelan yang menggunakan pengaruh daerah (area) disebut pemodelan spasial. Ciri dari pemodelan spasial adalah adanya matriks pembobot yang merupakan penanda adanya hubungan antara suatu wilayah dengan wilayah lain. Salah satu model spasial yaitu Spasial Durbin Model (SDM). Penelitian ini bertujuan untuk mengetahui jumlah anak putus sekolah di wilayah Bali dengan menggunakan metode SDM dan ingin menetahui faktor-faktor yang mempengaruhi anak putus sekolah di wilayah Bali. Model yang didapat ialah pemodelan SDM menghasilkan nilai AICc yang lebih kecil dibandingkan pemodelan dengan OLS. Tidak adanya lag variabel independen yang signifikan menyebabkan hasil estimasi parameter menggunakan SDM menjadi tidak signifikan akan tetapi pada identifikasi nilai Moran’s I mengidentifikasikan adanya dependensi spasial pada variabel independen yang artinya ada kemiripan sifat untuk lokasi yang saling berdekatan.
Ketidaktepatan Waktu Kelulusan Mahasiswa Universitas Terbuka dengan Metode Boosting Cart Gede Suwardika; I Ketut Putu Suniantara; Ni Putu Nanik Hendayanti
Jurnal Varian Vol 2 No 2 (2019)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v2i2.361

Abstract

The classification tree method or better known as Classification and Regression Tree (CART) has capabilities in various data conditions, but CART is less stable in changing learning data which will cause major changes in the results of the classification tree prediction. Predictive accuracy of an unstable classifier can be corrected by a combination method of many single classifiers where the prediction results of each classifier are combined into the final prediction through the majority voting process for classification or average voting for regression cases. Boosting ensemble method is one method that combines many classification trees to improve stability and determine classification predictions. This research purpose to improve the stability and predictive accuracy of CART with boosting. The case used in this study is the classification of inaccuracies in the Open University student graduation. The results of the analysis show that boosting is able to improve the accuracy of the classification of the inaccuracy of student graduation which reaches a classification prediction of 75.94% which previously reached 65.41% in the classification tree.
Penerapan Support Vector Regression (Svr) Dalam Memprediksi Jumlah Kunjungan Wisatawan Domestik Ke Bali Ni Putu Nanik Hendayanti; I Ketut Putu Suniantara; Maulida Nurhidayati
Jurnal Varian Vol 3 No 1 (2019)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v3i1.506

Abstract

Bali is one of the most popular tourism sectors in Indonesia. In the arena of international tourism, the island of Bali is considered as the most famous national destination compared to other destinations. The high level of domestic tourism visits to Bali annually must be strictly noted especially for local governments and Bali provincial tourism agencies in optimizing facilities, infrastructure to the safety of tourists Visit. Therefore, it takes a method that can predict the number of tourists visiting Bali annually. One method used to predict the number of tourists visiting Bali is Support Vector Regression (SVR). SVR is a method to estimate a mapped function from an input object to a real amount based on the training data. SVR has the same properties about maximizing margins and kernel tricks for mapping nonlinear data. Results of this research. Based on forecasting using MAPE value training data obtained by 11.34% while use data testing of MAPE value obtained by 7.30%. Based on the resulting MAPE value can be categorized well for the number of tourism visitors.
Perbandingan Pembobotan Seemingly Unrelated Regression – Spatial Durbin Model Untuk Faktor Kemiskinan Dan Pengangguran Luh Putu Safitri Pratiwi; Ni Putu Nanik Hendayanti; I Ketut Putu Suniantara
Jurnal Varian Vol 3 No 2 (2020)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v3i2.596

Abstract

Hukum I Tobler menduga segala sesuatu di suatu wilayah berhubungan erat dengan wilayah lainnya sehingga pemodelan analisis spasial lebih tepat digunakan untuk memodelkan faktor yang berpengaruh terhadap kemiskinan dan pengangguran di suatu wilayah dengan memperhatikan efek spasialnya Salah satu metode spasial yang bisa digunakan ialah Seemingly Unrelated Regression-Spatial Durbin Model (SUR-SDM). Di dalam penelitian SUR SDM diperlukan suatu pembobot yang digunakan untuk menghitung koefisien autokorelasi. Matriks pembobot yaitu matriks yang elemen-elemennya adalah nilai pembobot yang diberikan untuk perbandingan setiap daerah tertentu. Metode penentuan matriks pembobot dalam penelitian ini dengan menggunakan Queen Contiguity dan pembobot customize. Penelitian ini bertujuan untuk mendeskripsikan kemiskinan dan pengangguran serta faktor – faktor yang diduga mempengaruhinya menggunakan metode SUR-SDM dengan bobot Queen Contiguity dan Customize. Adapun variabel-variabel yang digunakan yaitu Variabel respon terdiri dari persentase rumah tangga miskin (%) (y1) dan angka pengangguran (%)(y2). Sedangkan variabel bebasnya yaitu terdiri dari: persentase jumlah sarana pelayanan kesehatan meliputi posyandu, poliklinik, puskesmas, puskesmas pembantu, dokter praktek, klinik bersalin, dan pos KB (%) (x1), persentase jumlah sarana sekolah meliputi TK, SD, SLTP, SMU, dan SMK (%) (x2), persentase penduduk yang bekerja di sektor pertanian (%) (x3), persentase rumah tangga yang menggunakan air bersih (PDAM) (%) (x4), dan rasio penduduk yang belum tamat SD (x5). Hasil yang didapat yaitu pemodelan SUR-SDM dengan bobot Customize menghasilkan nilai R-Square yang lebih kecil dibandingkan bobot queen di kedua variable respon yaitu sebesar 80.60% dibandingkan queen sebesar 80.64 untuk variable kemiskinan dan untuk variable pengangguran bobot Customize mengasilkan nilai 92.51% lebih kecil disbanding queen sebesar 92.53%
Peningkatan Akurasi Klasifikasi Ketidaktepatan Waktu Kelulusan Mahasiswa Menggunakan Metode Boosting Neural Network I Ketut Putu Suniantara; Gede Suwardika; Siti Soraya
Jurnal Varian Vol 3 No 2 (2020)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v3i2.651

Abstract

Supervised learning in Machine learning is used to overcome classification problems with the Artificial Neural Network (ANN) approach. ANN has a few weaknesses in the operation and training process if the amount of data is large, resulting in poor classification accuracy. The results of the classification accuracy of Artificial Neural Networks will be better by using boosting. This study aims to develop a Boosting Feedforward Neural Network (FANN) classification model that can be implemented and used as a form of classification model that results in better accuracy, especially in the classification of the inaccuracy of Terbuka University students. The results showed the level of accuracy produced by the Feedforward Neural Network (FFNN) method had an accuracy rate of 72.93%. The application of boosting on FFN produces the best level of accuracy which is 74.44% at 500 iterations
Co-Authors Agus Tatang Sopandi Ayu Chrisniyanti Candra Ahmadi Dadang Hermawan Dedy Panji Agustino Dian Rahmani Putri Dian Rahmani Putri EDWAR EDWAR Evi Tandriani Evi Triandini Evi Triandini Fajar Astuti Hermawati Gede Agus Dirtha Kristian Gede Suwardika Gusti Ayu Made Arna Putri Halilurahman Halilurahman Hendayanti, Ni Putu Nanik I Gede Agus Astapa I Gede Agus Astapa I Gede Darsana I Gede Eka Wiantara Putra I Gede Eka Wiantara Putra I Gede Endy Permana Putra I Gede Nika Wirawan I Gede Suardika I Gusti Ngurah Satria Wijaya I Kadek Wahyu Adi Gunawan I Made Agus Wirahadi Putra I Made Ari Santosa I Made Ari Santosa I Made Ari Yudana I Made Bagus Dwi Mahadita I Made Hendra M. Pramayasa I Made Rudita I MADE RUDITA I Made Sujana I Made Tresna Wardana I Nyn Suraja Antarajaya I Nyoman Dwi Arysna Mahendra I Putu Andi Ariawan I Putu Ramayasa, I Putu Joko Santoso Kadek Adi Saputra Kadek Heri Budi Arsana Kadek Masakazu Kadek Masakazu Kadek Masakazu Kadek Surya Adi Saputra Ketut Gus Oka Ciptahadi Lilis Yuningsih Luh Putu Ersamiya Ika Jayanthi LUH PUTU SAFITRI PRATIWI M. Rusli M. Rusli, M. Rusli Masakazu, Kadek Ni Nyoman Supuwiningsih Ni Wayan Cahya Ayu Pratami Nurhidayati, Maulida Pande Putu Gede Putra Pertama Putra, I Gede Eka Wiantara Putu Adi Wiryawan Putu Citra Darmika Dewi Rahmani Putri, Dian Riza Wulandari Samuel Hutajulu Shofwan Hanief Siti Soraya Stefani Yarra Canista Subali, Made Agus Putra T.M. Kusuma Tifany Chandrarani Tria Hikmah Fratiwi Wijaya, I Gusti Ngurah Satria