Article Per Year (5 Year)
p-Index From 2021 - 2026
1.896
P-Index
This Author published in this journals
All Journal JURIKOM (Jurnal Riset Komputer) Journal of Artificial Intelligence and Innovative Applications (JOAIIA) TIN: TERAPAN INFORMATIKA NUSANTARA Bulletin of Computer Science Research JAMAIKA: Jurnal Abdi Masyarakat Journal of Artificial Intelligence and Digital Business JRIIN :Jurnal Riset Informatika dan Inovasi Jurnal Sinergi Sistem Informasi Pengabdian Masyarakat
Savitri
Universitas Pamulang
Aerospace Engineering Arts Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Veterinary Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Sistem Pendukung Keputusan Kelayakan Penerimaan Bantuan Zakat Mal dengan Metode Smart Hendri Setiawan; Savitri
Jurnal Riset Informatika dan Inovasi Vol 4 No 7 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengatasi kendala subjektivitas dan ketidakakuratan dalam penentuan penerima (mustahik) zakat mal di Masjid Al Muhajirin Komplek Pelita yang masih menggunakan mekanisme tradisional, sehingga seringkali mengakibatkan ketidaktepatan sasaran distribusi. Untuk mencapai objektivitas, efisiensi, dan transparansi, dirancang dan diimplementasikan Sistem Pendukung Keputusan (SPK) berbasis web dengan menggunakan metode Simple Multi-Attribute Rating Technique (SMART). Metode SMART diaplikasikan untuk melakukan pembobotan terukur terhadap kriteria penilaian yang meliputi tingkat pendapatan, tanggungan keluarga, kondisi tempat tinggal, status pekerjaan, kepemilikan aset, dan kebutuhan ekonomi. Hasil implementasi menunjukkan bahwa validasi perbandingan keputusan manual dan keputusan sistem, diperoleh tingkat akurasi sebesar 85,%. Hasil ini menunjukkan bahwa sistem mampu merepresentasikan proses penilaian penerimaa zakat dengan baik, konsisten, dan mendekati keputusan manual yang selama ini dilakukan secara subjektif. SPK ini secara signifikan berkontribusi dalam menghasilkan keputusan yang rasional, efisien, dan akuntabel, memastikan pengelola masjid dapat menetapkan penerima zakat secara akurat dan tepat sasaran.
Komparasi Metode Gradient Boosting dan Metode Random Forest Untuk Prediksi Curah Hujan Kintan Febiola; Savitri Savitri
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.13866

Abstract

Curah hujan di wilayah Tangerang Selatan memiliki pola yang berubah-ubah sehingga sulit diprediksi secara tepat. Penelitian ini bertujuan membandingkan metode Gradient Boosting dan Random Forest untuk memprediksi curah hujan berdasarkan data meteorologi wilayah Tangerang Selatan periode 2024–2026. Data diperoleh dari BMKG Wilayah II dan terdiri atas 707 record harian. Variabel yang digunakan meliputi rata-rata suhu udara (TAVG), rata-rata kelembapan udara (RH_AVG), lama penyinaran matahari (SS), kecepatan angin maksimum (FF_X), kecepatan angin rata-rata (FF_AVG), tekanan udara (Pressure), dan curah hujan sebagai target. Penelitian menggunakan pendekatan kuantitatif dan eksperimen. Data dibagi menjadi 565 data training dan 142 data testing dengan rasio 80:20. Evaluasi menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan R². Gradient Boosting memperoleh MAE 7,956, RMSE 18,175, dan R² 0,032, sedangkan Random Forest memperoleh MAE 7,886, RMSE 18,021, dan R² 0,048. Hasil menunjukkan bahwa Random Forest memiliki performa komparatif lebih baik, meskipun nilai R² kedua model masih rendah sehingga kemampuan dalam menjelaskan variasi curah hujan masih terbatas.
Co-Authors Darma Eko Prasojo David Dwi Oktavianus Devi Damayanti Firman Pratama Hendri Setiawan Iwan Giri Waluyo Kintan Febiola Nasution, Ali Napiah Romi Andrianto Romi Andrianto Safitri, Andin Eka Sahlan Sahlan Viviana Hanifa Wiwit Kurniawan Wiwit Kurniawan