Article Per Year (5 Year)
p-Index From 2020 - 2025
0.947
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Informatika dan Teknik Elektro Terapan Jurnal Mantik Jurnal Impresi Indonesia Jurnal Aplikasi dan Riset Informatika
Rina Septiriana
Universitas Tanjungpura
Religion Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences

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

Found 5 Documents
Search

 1 
Prediction Of The Number Of Course Participants Using Random Forest Regression Algorithm Rina Septiriana; Anggi Perwitasari; Tursina
Jurnal Mantik Vol. 6 No. 3 (2022): November: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mantik.v6i3.3175

Abstract

Classroom management is the process of using resources effectively to achieve goals. Planning the schedule is not easy because sometimes, after a schedule designed and when the schedule is published and used, there are problems where the class division of a course is not right on target. This study used the random forest regression method to predict the number of class participants. Data pattern affects the accuracy of calculating the predicted value. The best RMSE and MAE results in the Matematika Dasar Course are 6,51 for RMSE and 2,12 for MAE. At the same time, the prediction of course participant number is 73,18.
Prediksi Jumlah Penduduk menggunakan Metode Fuzzy Time Series Muhammad Maulana; Tursina Tursina; Rina Septiriana
Jurnal Impresi Indonesia Vol. 2 No. 3 (2023): Jurnal Impresi Indonesia
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/jii.v2i3.2200

Abstract

Tujuan: Berkurang atau bertambahnya penduduk pada suatu daerah memiliki peranan yang sangat penting pada daerah itu sendiri. Hal itu tentu saja merupakan masalah yang rumit bagi pemerintah kota pontianak dalam usahanya untuk membangun dan meningkatkan taraf hidup di kotanya.  Metode: Metode yang digunakan untuk memprediksi jumlah penduduk adalah metode Fuzzy time Series. Pada metode penelitian kualitatif yaitu penelitian yang bersifat deskriptif dan cendrung menganalisa. Hasil: jumlah penduduk 2021 adalah 672.943 dengan selisih data 216 dengan persentase 0,03%. prediksi menggunakan Fuzzy Time Series dipengaruhi dari jumlah data dan jumlah interval untuk membagi datanya. Dari hasil pengujian yang sudah digunakan untuk program dengan menggunakan berbagai periode waktu dan data aktual, dapat disimpulkan jumlah data sangat dapat mempengaruhi hasil dari tingkat keakuratan dari hasil prediksi yang sudah dilakukan dengan data. Kesimpulan: Berdasarkan dari hasil analisis dan pengujian terhadap prediksi jumlah penduduk dengan menggunakan fuzzy time series, dapat disimpulkan bahwa jumlah penduduk tahun 2021 adalah 672.943 dengan selisih data 216 dengan persentase 0,03
Optimasi Hyperparameter pada Neural Network (Studi Kasus: Identifikasi Komentar Cyberbullying Instagram) Nur Fajriyani; Enda Esyudha Pratama; Rina Septiriana
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.68319

Abstract

Instagram adalah salah satu media sosial yang populer di Indonesia dan memiliki resiko terjadinya cyberbullying, sehingga klasifikasi komentar cyberbullying perlu dilakukan menggunakan text mining. Model klasifikasi yang dibangun pada penelitian ini menggunakan Neural Network dengan arsitektur Multilayer Perceptron dan dilatih dengan algoritma Backpropagation. Bayesian Optimization digunakan untuk melakukan optimasi hyperparameter, dengan hyperparameter yang dioptimasi adalah hidden layer, learning rate, dan momentum. Dilihat dari hasil evaluasi, performa dari model Neural Network dengan optimasi hyperparameter lebih baik daripada Neural Network yang hanya menggunakan default hyperparameter. Dimana model Neural Network dengan default hyperparameter mengalami overfitting dan menghasilkan nilai akurasi sebesar 81,38%, sedangkan model dengan optimasi hyperparameter tidak mengalami overfitting dan mengalami kenaikan akurasi dibandingkan dengan model Neural Network tanpa optimasi hyperparameter dengan model dengan tiga hyperparameter yang dioptimasi yaitu hidden layer, learning rate, dan momentum mengalami kenaikan akurasi sebesar 2,5%, model dengan optimasi hyperparameter pada hidden layer dan pada learning rate masing-masing mengalami kenaikan akurasi yang sama, yaitu sebesar 2,37%, dan model dengan optimasi hyperparameter pada momentum mengalami kenaikan akurasi sebesar 2%. Hasil penelitian ini menunjukkan bahwa hidden layer, learning rate, dan momentum ketika di optimasi secara bersamaan memiliki pengaruh besar dalam mencegah overfitting, menaikan akurasi, dan memiliki waktu eksekusi yang baik daripada dioptimasi secara terpisah.
REKOMENDASI PEMILIHAN MODEL SEPEDA MENGGUNAKAN RULE BASED SYSTEM Trisya Ayu Pratami; Tursina Tursina; Rina Septiriana
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 2 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i2.4239

Abstract

Kenyamanan saat mengendarai sepeda yang tepat sangat berpengaruh dalam pengeluaran energi, keselamatan, mencegah cedera dan meningkatkan kinerja dalam bersepeda. Jika mengendarai sepeda yang kurang sesuai dengan postur tubuh akan menyebabkan ketidaknyamanan berkendara bahkan bisa menyebabkan cedera. Sehingga banyak calon pesepeda atau pengendara sepeda yang kesulitan menentukan ukuran sepeda yang tepat. Untuk menentukan ukuran sepeda yang tepat, maka perlu dilakukannya pengukuran postur tubuh. Dalam pengukuran ini diperlukan perhitungan yang akurat agar frame yang didapatkan tidak merugikan pengguna atau calon pesepeda. Perhitungan ini menggunakan formula dari Greg LeMond bernama metode Lemond. Metode Lemond adalah sebuah formula yang digunakan untuk menghitung ukuran komponen frame sepeda yang sesuai dengan penggunanya. Metode ini menggunakan tinggi badan dan inseam (jarak dari telapak kaki sampai pangkal paha) sebagai indikator utama dalam menentukan ukuran frame dan komponen frame. Penelitian ini menggunakan tahap SDLC yang dimulai dari analisis kebutuhan dilanjutkan dengan perancangan dalam bentuk UML yang terdiri dari use case diagram, activity diagram, dan class diagram. Sistem ini dirancang menggunakan metode rule based system dimana formula perhitungan metode Lemond tersebut direpresentasikan kedalam bentuk aturan-aturan yang digunakan untuk menghasilkan suatu rekomendasi yang tepat. Kemudian aturan tersebut diimplementasikan ke dalam sistem dengan bahasa PHP dan framework Laravel. Selanjutnya, aplikasi tersebut diuji dengan metode black box dan UAT yang dilakukan terhadap 35 responden pada aspek fungsionalitas dan komunikasi visual. Dari hasil penelitian UAT diperolehlah, hasil persentase sebesar 82,9% yang menunjukkan bahwa aplikasi sangat memuaskan dan sesuai dengan tujuan penelitian serta membuktikan bahwa rule based system berhasil diimplementasikan dengan baik dalam sistem rekomendasi.
Model Pemilihan Rumah Tinggal Dengan Metode Weighted Product (WP) Muhammad Yasir Permadi; Eva Faja Ripanti; Rina Septiriana
Jurnal Aplikasi dan Riset Informatika Vol 1, No 2 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v2i1.60604

Abstract

Rumah merupakan bangunan yang berfungsi sebagai tempat tinggal atau hunian dan sarana pembinaan keluarga. Dalam pengertian yang luas, rumah tinggal bukan hanya bangunan (struktural), melainkan tempat melangsungkan kehidupan dan sosialisasi. Oleh karena itu setiap manusia pasti membutuhkan rumah. Untuk membantu merencanakan pembelian rumah idaman telah dibangun sebuah model pemilihan rumah tinggal, untuk semakin mengefektifkan model agar mendapatkan hasil yang optimal ditambahkan sebuah algoritma pengambilan keputusan yang disebut fuzzy multi-attribute decision making (FMADM). FMADM yang dipakai dalam model ini adalah FMADM dengan metode weighted product (WP). Tujuan dari penelitian ini adalah membangun model yang dapat membantu merencanakan pemilihan rumah tinggal yang sesuai kebutuhan masyarakat. Pengumpulan data pada penelitian ini dilakukan dengan cara literature review dan observasi. Selain itu, penelitian ini menggunakan Software Development Life Cycle (SDLC) dengan metode Waterfall untuk merancang dan membangun model, dimana dari hasil perancangan terlihat masing-masing sub-kriteria dan juga gambaran dari model pemilihan rumah tinggal. Perbandingan hasil perhitungan menggunakan model dan hasil perhitungan yang dilakukan secara manual dengan metode weighted product terhadap 12 sampel rumah, ditemukan rumah terbaik adalah komplek villa issaura dengan nilai vektor V sebesar 0,096306.
Co-Authors Anggi Perwitasari Enda Esyudha Pratama Eva Faja Ripanti Muhammad Maulana Muhammad Yasir Permadi Nur Fajriyani Trisya Ayu Pratami Tursina Tursina Tursina