Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) eProceedings of Engineering
Siti Sa'adah
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Export Commodity Price Forecasting in Indonesia Using Decision Tree, Random Forest, and Long Short-Term Memory Shadifa Auliatama Harjanto; Siti Sa'adah; Gia Septiana Wulandari
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 8, No 4 (2022): Desember
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v8i4.25242

Abstract

Gross Domestic Product (GDP) is an indicator that becomes a benchmark for a country's economic performance. One of the factors that significantly affect GDP is export activity. However, the problem that occurs is that the export value is relatively fluctuating, this is because commodity prices are always changing every time. Therefore, we need a system that can predict commodity prices accurately. It is hoped that this system can help the government to make appropriate export policies based on predictions of commodity prices in the future. The contribution of this study is to compare Decision Tree, Random Forest, and Long Short-Term Memory (LSTM) performance in forecasting several export commodities in Indonesia. In this study, the commodities forecasted are the main commodities from each sector that dominates exports in Indonesia, namely palm oil from the manufacturing sector, coffee from the agricultural sector, and coal from the mining sector. The experiments in this study were conducted by testing several hyperparameters of each method to determine the best model. The performance of models is measured using Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE). The results show that LSTM has the lowest error among Decision Tree and Random Forest with MAPE of 0.121, 0.494, and 0.282 in forecasting coal, coffee, and palm oil price respectively. Therefore, LSTM has proven to be the best method among Random Forest and Decision Tree in forecasting export commodity prices in Indonesia.
Measuring and Mitigating Bias in Bank Customers Data with XGBoost, LightGBM, and Random Forest Algorithm Berliana Shafa Wardani; Siti Sa'adah; Dade Nurjanah
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 9, No 1 (2023): March
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i1.25768

Abstract

To retain its clients, the Portuguese banking institution conducts direct marketing in the form of phone calls to conduct marketing so that clients subscribe to the bank's term deposit. The data used is named bank customers data. Important client features are considered in the acquisition process. This research was conducted with bank customers data from Portuguese banking institution which implements agent acquisition. With a large number of data on bank customers, it can lead to a diversity of data which allows the results of agent acquisition to be unfair. With this, a bias detection and mitigation algorithm are needed to achieve fairness. AI fairness 360 (AIF 360) is a toolkit that provided a bias detection and mitigation algorithm. The bias mitigation algorithm in AIF 360 is divided into three processes, namely reweighing and learning fair representation at the pre-processing stage, prejudice remover and adversarial debasing at the in-processing stage, and equalized odds and reject option classification at the post-processing stage. The output of this study is a comparison of the calculation of bias detection with disparate impact (DI) and statistical parity differences (SPD) before and after mitigation. The adversarial debiasing algorithm performed best than others with 0.943 of DI, -0.004 of SPD, and also increased the 0.015% of the AUC score. Conducting this research can help the prediction of client’s term deposits in Portuguese banking institution more fairly.
Analisis dan Implementasi Contet Based Image Retrieval Menggunakan Metode ORB Muhammad Mirza; Tjokorda Agung Budi Wirayuda; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Pada citra retrieval terdapat dua metodologi untuk memanggil data yang ada pada basis data, yang pertama dengan text-based yaitu dengan menggunakan text sebagai suatu kunci pada pencariannya dan yang kedua adalah content-based yang menggunakan suatu content tertentu sebagai kuncinya. Salah satu kekurangan dari text-based adalah sulitnya mencari kata kunci pada data yang ingin dicari terutama pada data multimedia seperti video, gambar, dan suara. Kata kunci yang tidak tepat memungkinkan user akan mendapatkan data yang tidak tepat ketika menginputkan suatu text untuk mencari data multimedia karena terlalu banyaknya data multimedia pada basis data. Berbeda dengan text-based, content-based menggunakan sebuah fitur seperti bentuk, warna, tekstur, dan titik untuk mencari data sehingga akurasi pada data yang diinginkan akan lebih baik dibandingkan dengan menggunakan suatu kata untuk mencari data multimedia. Dengan mencocokkan fitur pada gambar yang diinput dengan pada fitur gambar yang ada pada basis data, sistem akan menampilkan data sesuai dengan kecocokkannya. Teknik tersebut biasa disebut dengan Content-Based Image Retrieval (CBIR). Dibutuhkan akurasi yang baik agar pengembalian data yang dicari akan tepat pada data yang diinputkan, metode ORB akan diimplementasikan pada sistem CBIR karena memiliki akurasi yang baik pada image retrieval. Metode ORB menggunakan fitur keypoint pada data sebagai kunci pencariannya. Akurasi sistem CBIR dengan menggunakan metode ORB dapat mencapai 90.12%. Kata kunci: Content Based Image Retrieval, ORB, Image Matching, Image Retrieval
Prediksi Calon Nasabah Gadai Potensial pada PT. Pegadaian (Persero) dengan Menggunakan Metode Suport Vector Machine-Sequential Minimal Optimization (SVM-SMO Ramadhan Wahyu Pratama; Arie Ardiyanti Suryani; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Salah satu tantangan yang dihadapi oleh perusahaan jasa gadai terutama PT. Pegadaian adalah usaha menurunkan barang lelang milik nasabah akibat nasabah tersebut tidak melakukan pencicilan pinjaman sebelum jatuh tempo berakhir. Jenis nasabah yang tidak melakukan usaha untuk menebus barang gadaian mereka dapat dikatakan sebagai seorang nasabah yang tidak potensial bagi perusahaan. Untuk itu maka perusahaan perlu mengetahui jenis nasabah mereka apakah termasuk dalam kategori potensial atau tidak, informasi ini berguna untuk mengantisipasi kemungkinan kemunculan nasabah lelang yang akan merugikan perusahaan. Penentuan nasabah potensial dan tidak potensial ini dapat dilakukan pada tahap klasifikasi dengan menggunakan metode Support Vector Machine Sequential Minimal Optimization. Tugas akhir ini bertujuan untuk menerapkan Menerapkan Support Vector Machine Sequential Minimal Optimization (SVM-SMO) untuk memprediksi nasabah potensial dan tidak potensial. Pemilihan metode SVM dalam tugas akhir ini karena SVM telah terbukti kehandalannya dalam melakukan klasifikasi data dalam jumlah yang besar dan memiliki atribut data yang kompleks. Sebelum melalui tahap klasifikasi terlebih dahulu data akan dipreprocessing dan dinormalisasi dengan menggunakan normalisasi linear. Terdapat tiga parameter uji yang digunakan sebagai evaluasi sistem yaitu Precision, Recall dan F-measure, dengan hasil rata-rata setiap parameter uji bernilai diatas 75%. Kata Kunci: Nasabah Gadai, Support Vector Machine Sequential Minimal Optimization
Analisis dan Implementasi Object Tracking Menggunakan Metode ASIFT dan Mean Shift Andrian Wijayana; Tjokorda Agung Budi Wirayuda; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Semakin tingginya kebutuhan manusia terhadap sistem keamanan berbasis tracking yang dapat bekerja secara otomatis, membuat bermunculan metode dan teknik baru guna memenuhi kebutuhan tersebut. Pada object tracking, ekstraksi ciri menjadi salah satu tugas utama dalam melacak sebuah objek dimana ciri yang digunakan harus tahan terhadap berbagai kondisi karena objek selalu bergerak bebas dalam video.  Oleh  karena  itu,  ektraksi  ciri  yang  tahan  terhadap segala bentuk transformasi atau fully invariant sangat dibutuhkan pada object tracking. Salah satu metode ekstraksi ciri yang fully invariant adalah metode affine scale invariant feature transform (ASIFT). Hasil penelitian menunjukkan bahwa kondisi lingkungan objek berpengaruh terhadap banyaknya kemungkinan objek terdeteksi dengan tepat. Kondisi lingkungan terkontrol cenderung memiliki hasil yang lebih baik dari lingkungan yang tidak terkontrol. Selain itu, nilai threshold dan radius yang digunakan juga sangat mempengaruhi hasil matching objek. Berdasarkan penelitian, threshold dengan nilai 0.9 dan radius 10 % memiliki kecenderungan dapat mendeteksi objek dengan tepat. Hasil penelitian juga menunjukkan bahwa metode ASIFT-Mean Shift dapat mengatasi permasalahan perubahan point of view yang terjadi pada objek dengan akurasi 30%.
Desain Dan Implementasi Voice Command Menggunakan Metode Mfcc Dan Hmms Muslim Sidiq; Tjokorda Agung Budi Wirayuda; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Semakin seringnya interaksi manusia terhadap teknologi menuntut pengembangan metode interaksi dengan mesin ke arah yang lebih natural. Suara yang merupakan komunikasi yang paling sering digunakan manusia menjadikannya salah satu metode interaksi yang natural. Maka dari itu pengembangan sistem yang dapat mengenali ucapan manusia sebagai suatu aksi pada mesin dapat menjadi satu pilihan untuk permasalahan tersebut. Voice command yang merupakan sistem speech recognition untuk meberikan fungsi dan aksi pada sistem yang telah didefinisikan sebagai Command dan Control systems. Nilai amplitudo diambil dari sinyal suara masukan, sehingga didapatkan kumpulan angka real yang menjadi nilai masukan untuk ekstraksi ciri. Metode ekstraksi ciri yang digunakan pada tugas akhir ini adalah Mel Frequency Cepstral Coefficient (MFCC). Tahapan awal MFCC adalah memecah nilai amplitudo sinyal masukan menjadi frame-frame yang diolah dengan menggunakan mel-filterbak yang diadaptasi dari cara kerja pendengaran manusia. Hasil ekstraksi ciri kemudian dibuat menjadi codebook yang digunakan sebagai inputan simbol pada HMM untuk membentuk model dari setiap kata. Ketika pengujian ciri dari sinyal uji yang telah dikuantisasi kemudian dicocokan dengan model yang telah dibuat pada tahap sebelumnya, sehingga kata dapat dikenali. Dari hasil pengujian, sistem dapat mengenali kata yang diucapkan penutur dengan nilai akurasi rata-rata sebesar 93.89% pada lingkungan tanpa noise, dan 58.1% pada lingkungan dengan noise. Kata kunci: Voice Command, MFCC, HMMs
Analisis Dan Implementasi Algoritma Neural Network Pada Classification Dalam Melakukan Prediksi Pelanggan Churn Telkom Speedy Fauzan Azhim Umsohi; Jondri Jondri; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Penyedia layanan internet atau yang lebih dikenal sebagai internet service provider (ISP) saat ini semakin bertambah. Dari awalnya pelanggan di dominasi oleh satu provider sekarang sudah berganti dengan provider lain. Tentunya masih banyak lagi faktor lainnya, kejadian ini dinamakan churn. Untuk itu perlu dilakukan tindakan antisipasi untuk mengatasi hal tersebut dimana yang pada tulisan ini dengan melakukan klasifikasi prediksi churn.Data yang digunakan bersifat non-linier oleh karena itu pada tulisan ini digunakan metode Single-layered Supervised Neural Network’s yang dikenal SSNNs. Dimana metode ini memang ditujukan untuk data semacam ini [1]. Dengan parameter-parameter optimal yang dihasilkan saat pengujian sistem, didapat akurasi prediksi sebesar 72,35%. Kata Kunci: churn, Neural Network, klasifikasi, SSNNs.
Analisis Metode Laplacian Centrality Dalam Social Network Analysis Menggunakan Probabilistic Affinity Index (pai) Citra Rizki Pratiwi; Yanuar Firdaus Arie Wibowo; Siti Sa'adah
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Twitter merupakan media sosial yang umumnya digunakan dalam penyebaran informasi. Apabila diketahui siapa user (pengguna) paling berpengaruh pada Twitter dalam kelompok tertentu, maka hal tersebut akan memudahkan dalam penyebaran informasi di dalamnya. Kita dapat mengetahui user Twitter yang paling tinggi pengaruhnya (sentralitas / kepentingan) dengan memperhitungkan relasi follow, mention, dan reply yang terjadi di antara user dengan menggunakan metode centrality measurement pada social network analysis (SNA). Laplacian centrality (LC) merupakan salah satu metode centrality measurement yang tidak hanya memperhitungkan lingkungan lokal di sekitar vertex tapi juga lingkungan yang lebih luas di sekitar tetangganya. Namun, untuk memperoleh hasil yang sesuai dengan keadaan jaringan dan relasi yang ada, maka digunakan pembobotan PAI yang akan membandingkan nilai bobot relasi dengan total relasi yang dimiliki user. Pengimplementasian PAI pada LC akan mempengaruhi hasil ranking user ketika dibandingkan dengan hasil LC tanpa diimplementasikan PAI juga ketika dilakukan penambahan nilai bobot pada relasi tertentu di antara user. Penggunaan PAI pada LC dapat diterapkan pada graf berbobot-tak berarah dalam menentukan user yang paling berpengaruh dalam penyebaran informasi pada suatu kelompok di Twitter berdasarkan hasil nilai LC tertinggi. Kata kunci: Laplacian centrality (LC), Probabilistic Affinity Index (PAI), Social Network Analysis (SNA), Twitter
Analisis dan Implementasi Scale Invariant Feature Transform (SIFT) pada Sistem Autentikasi Menggunakan Pembuluh Vena Ghofinka Putri; Tjokorda Agung Budi Wiharja; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Pertumbuhan data yang semakin meningkat setiap harinya memicu pencurian data pribadi oleh pihak yang tidak bertanggung jawab. Guna mengatasi hal tersebut, sistem identifikasi biometrik menggunakan pembuluh darah vena yang terletak di dalam telapak tangan manusia menjadi isu hangat dalam meningkatkan keamanan dalam pengaksesan data. Citra inputan berupa foto telapak tangan diambil menggunakan near- infrared (NIR), sehingga pola pembuluh darah akan terlihat seperti garis hitam. Tahap pertama adalah menentukan wilayah yang akan dianalisa, kemudian citra tersebut akan melewati tahap preprocessing untuk mendapatkan pola pembuluh venanya. Selanjutnya dilakukan proses ekstraksi ciri untuk mendapatkan fitur unik dari citra hasil preprocessing. Pada tugas akhir ini metode ekstraksi ciri yang akan digunakan adalah Scale Invariant Feature Transform (SIFT). Dalam banyak hal di bidang pengenal objek, SIFT telah mampu menunjukkan performa terbaiknya. Diharapkan dengan menerapkan metode ini dapat memberikan performansi yang baik pada sistem autentikasi biometrik menggunakan pembuluh vena. Berdasarkan hasil penelitian yang dilakukan, sistem mampu mengidentifkasi 8 dari 10 orang dengan tepat. Dengan menerapkan metode SIFT ini, dihasilkan nilai Equal Error Rate (EER) sebesar 45% dari penggunaan database CASIA. Kata kunci : biometrik, pembuluh vena, sift
Analisis Probabilistic Affinity Index(pai) Dalam Metode Bonacich Power Centrality Pada Social Network Analysis Angga Yudha Kusuma; Yanuar Firdaus; Siti Sa'adah
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Penyebaran informasi melalui sosial media sekarang digunakan oleh banyak orang, apabila dapat diketahui pengguna(user) paling berpengaruh maka memudahkan dalam penyebaran informasi. Dengan parameter follow, mention, dan reply dapat dihitung tingkat relasi user pada twitter. Social Network Analysis berguna untuk mengetahui tingkat pengaruh suatu orang atau aktor pada penyebaran di jejaring social tersebut, dengan centrality measurement menggunakan bonacich power centrality(BPC) dan pengukuran atau pembobotan menggunakan Probabilistic Affinity Index (PAI) dapat menghitung tingkat pengaruh user terhadap jejaring sosial tersebut. Pembobotan dengan menggunakan PAI akan mempengaruhi hasil ranking user dikarenakan PAI membandingkan nilai bobot relasi dengan total relasi dari user. Implementasi PAI pada BPC akan mempengaruhi hasil perangkingan user pada twitter dibandingkan dengan BPC tanpa menggunakan PAI. Kata Kunci: Social Network Analysis (SNA), Bonacich Power Centrality, Probabilistic Affinity Index(PAI), social network.
Co-Authors Andrian Wijayana Angga Yudha Kusuma Arie Ardiyanti Suryani Bagus Ardisaputra Berliana Shafa Wardani Citra Rizki Pratiwi Dade Nurjanah Fauzan Azhim Umsohi Ghofinka Putri Gia Septiana Wulandari Hendri Priyanto Jondri Jondri Moc. Arif Bijaksana Moch Arif Bijaksana Mochamad Irfan Dary Muhammad Mirza Muslim Sidiq Naziah Amalia Nisaa' 'Ainulfithri Ramadhan Wahyu Pratama Reza Aulia Sadewa Shadifa Auliatama Harjanto Shaufiah . Tjokorda Agung Budi Wiharja Tjokorda Agung Budi Wirayuda Yanuar Firdaus Yanuar Firdaus Arie Wibowo