Article Per Year (5 Year)
p-Index From 2021 - 2026
2.681
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi BAREKENG: Jurnal Ilmu Matematika dan Terapan J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika KOMPUTA : Jurnal Ilmiah Komputer dan Informatika M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika Jurnal Varian International Journal of Advances in Data and Information Systems Majalah Ilmiah Matematika dan Statistika (MIMS) Jurnal Abdimas Indonesia : Jurnal Abdimas Indonesia International Journal of Data Science, Engineering, and Analytics (IJDASEA) Indonesian Community Journal eProceedings of Engineering
Regita Putri Permata
Telkom University
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : eProceedings of Engineering

 1 
Peramalan Data Kualitas Udara Menggunakan Multivariat LSTM di Wilayah Kota Surabaya Faradila Efaranti , Inge; Putri Permata, Regita; Ni'mah, Rifdatun
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Peningkatan polusi udara di wilayah perkotaan, termasuk Kota Surabaya, mendorong perlunya pengembangan model peramalan kualitas udara yang akurat dan adaptif. Penelitian ini bertujuan untuk menganalisis hubungan antara parameter meteorologi dan kualitas udara, serta membangun model peramalan menggunakan metode Long Short-Term Memory (LSTM) berbasis data multivariat. Data yang digunakan diperoleh dari Stasiun Pemantauan Kualitas Udara (SPKU) Kebonsari periode Januari 2022– Desember 2024, dengan parameter suhu udara, kelembapan, dan kecepatan angin sebagai input, serta PM10 dan CO sebagai target.Analisis korelasi dilakukan untuk meng identifikasi pengaruh antar parameter, dan hasilnya menunjukkan hubungan signifikan yang dapat dimanfaatkan dalam peramalan. Model LSTM dibangun dengan pendekatan time series dan dilatih menggunakan arsitektur jaringan yang mampu menangkap pola temporal antar variabel. Evaluasi kinerja mo del dilakukan dengan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), dan Symmetric Me an Absolute Percentage Error (SMAPE). Hasil evaluasi menunjukkan bahwa model menghasilkan MSE sebesar 113.6211, RMSE sebesar 10.6593, MAPE sebesar 49.45%, dan SMAPE sebesar 28.17%, yang mengindikasikan performa peramalan yang cukup baik. Dengan hasil tersebut, model multivariat LSTM memiliki potensi untuk digunakan sebagai alat bantu dalam pemantauan dan pengendalian kualitas udara oleh instansi terkait di Kota Surabaya. Kata kunci— CO, Kualitas Udara, LSTM, Multivariat, PM10, Peramalan
Segmentasi Mahasiswa Berdasarkan Kesiapan Karir menggunakan Algoritma K-Means dan Visualisasi Interaktif di Telkom University Surabaya Taqhsya Dwiyana , Ananda; Putri Permata, Regita; Ni'mah, Rifdatun
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Tingginya angka keraguan mahasiswa semester akhir terhadap motivasi dan kompetensi kerja mereka menunjukkan pentingnya evaluasi terhadap kesiapan karir mahasiswa. Pra-survei yang dilakukan di Telkom University Surabaya mengungkap bahwa 78% mahasiswa merasa tidak yakin terhadap motivasi internal mereka, dan 83% meragukan kemampuan mereka untuk bersaing di dunia kerja. Berdasarkan hal tersebut, penelitian ini bertujuan untuk mengelompokkan mahasiswa berdasarkan tingkat kesiapan karir menggunakan algoritma K-Means, serta menyajikan hasilnya dalam bentuk dashboard interaktif. Lima faktor utama yang dianalisis meliputi motivasi, kematangan pribadi, kematangan sosial, sikap kerja, dan kompetensi kerja. Data dikumpulkan melalui kuesioner skala Likert dan dianalisis secara langsung menggunakan algoritma K-Means untuk membentuk kelompok mahasiswa dengan karakteristik kesiapan karir yang serupa. Setelah klaster terbentuk, dilakukan reduksi dimensi menggunakan Principal Component Analysis (PCA) guna memvisualisasikan hasil klaster dalam ruang dua dimensi. Validasi jumlah klaster optimal dilakukan menggunakan metode Elbow dan Silhouette Score. Penelitian ini menghasilkan tiga klaster utama yaitu klaster Siap Kerja, klaster Menuju Siap Kerja, dan klaster Butuh Pembinaan. Visualisasi interaktif melalui Looker Studio membantu dalam memahami karakteristik tiap klaster secara lebih dinamis. Hasil penelitian ini mendukung pengambilan keputusan berbasis data oleh Career Development Center (CDC) dalam merancang program pengembangan karir yang lebih tepat sasaran. Kata kunci— Kesiapan karir, K-Means, segmentasi mahasiswa, PCA visualisasi, dashboard interaktif
Co-Authors Adzanil Rachmadhi Putra Alifah, Amalia Nur Alifianti, Tarisma Dwi Putri Almaasah Zatri, Nasywaa Amri Muhaimin Andrea Tri Rian Dani Astikhatul Mufaidah Dani, Andrea Tri Rian Faradila Efaranti , Inge Helisyah Nur Fadhilah Helisyah Nur Fadhilah M. Fathurahman Mohammad Hamim Zajuli Al Faroby Muhaimin, Amri Muhammad Adib Kamali Nadifah, Rofiatun Ni'matuzzahroh, Ludia Ni’mah, Rifdatun Putra, Fachrian Bimantoro Rifdatun Ni’mah Rindra Syaifullah Ryanta Meylinda Savira Salsabiila, Annas Thasya Haafizhah Sanjaya, I Made Wisnu Adi Savira, Ryanta Meylinda Sembiring, Fikrie Hartanta Shefira Eka Putri Sri Hidayati Syaifullah, Rindra Taqhsya Dwiyana , Ananda Yohanes Setiawan