Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Inferensi Community Development Journal: Jurnal Pengabdian Masyarakat Darmabakti : Junal Pengabdian dan Pemberdayaan Masyarakat
Dwi Rantini
Universitas Airlangga
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Mathematics Public Health Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Quantile Regression Neural Network Model For Forecasting Consumer Price Index In Indonesia Dwi Rantini; Made Ayu Dwi Octavanny; Rumaisa Kruba; Heri Kuswanto; Kartika Fithriasari
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (696.316 KB) | DOI: 10.12962/j27213862.v1i1.6719

Abstract

The main purpose of time series analysis is to obtain the forecasting result from an observation for future values. Quantile Regression Neural Network is a statistical method that can model data with non-homogeneous variance with artificial neural network approach that can capture nonlinear patterns in the data. Real data that allegedly have such characteristics is Consumer Price Index (CPI).  CPI forecasting is important to assess price changes associated with cost of living as well as identifying periods of inflation or deflation. The purpose of this research is to compare several method of forecasting CPI in Indonesia. The data used in this study during January 2007 until April 2018 period. QRNN method will be compared with Neural Network with RMSE evaluation criteria. The result is QRNN is the best method for forecasting CPI with RMSE 0.95.
Predicting Popularity of Movie Using Support Vector Machines Dwi Rantini; Rosyida Inas; Santi Wulan Purnami
Inferensi Vol 2, No 1 (2019): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (411.243 KB) | DOI: 10.12962/j27213862.v2i1.6806

Abstract

There are many movies performed, from low until high rating, which is the movie maybe popular or not popular. If many people watched that movie maybe it is popular, in other hand if a movie is watched by a little person so that movie can called as not popular movie. Popularity of movie can determined by several factors, such as likes, ratings, comments, etc. To determine popular or not popular of movie based on features, will use two classification methods that is logistic regression and Support Vector Machine (SVM). In this research, the data are Conventional and Social Media Movies Dataset 2014 and 2015. To get the best model and without ignoring the principle of parsimony, will do feature selection. The selected features are genre, sentiment, likes, and comments. That features will be used to classify the popularity of movies. This research used two classification methods namely logistic regression and Support Vector Machine (SVM). When used logistic regression, the accuracy is 77.29%, while used SVM the accuracy is 83.78%. Based on the accuracy of both methods, it is found that SVM gives the highest accuracy for CSM dataset. The highest accuracy is obtained from the SVM method with non-stratified holdout training-testing strategy. 
ESKALASI KEMAMPUAN MENGOLAH DATA BAGI KADER DESA MENGGUNAKAN TEKNOLOGI INFORMASI Ratih Ardiati Ningrum; Chandrawati Putri Wulandari; Mohammad Ghani; Dwi Rantini; Fikri Arif Abdillah; Adam Maurizio Winata
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 4 No. 1 (2023): Volume 4 Nomor 1 Tahun 2023
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v4i1.12130

Abstract

Peran penting pengolahan data semakin disadari karena diperlukan untuk memberikan gambaran dan informasi penting tentang suatu kumpulan data. Pengolahan data yang tepat dapat menjadi pedoman dalam pembuatan kebijakan. Perkembangan teknologi yang sangat pesat mendorong hampir semua lingkungan untuk memanfaatkan teknologi informasi secara maksimal. Menggunakan data kependudukan dapat membantu mengidentifikasi kondisi sosial-demografi desa. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan keterampilan kader desa dalam menggunakan Google Data Studio dan Microsoft Excel untuk mendukung analisis data dalam pengelolaan data kependudukan. Kegiatan berlangsung pada bulan Agustus 2022 dengan melibatkan 25 orang kader desa sebagai peserta pelatihan. Peningkatan kemampuan peserta kegiatan ditunjukkan oleh peningkatan skor post-test dibandingkan dengan skor pre-test. Dengan demikian, kegiatan ini terbukti efektif dalam meningkatkan pengetahuan dan keterampilan kader desa di bidang teknologi informasi. Adanya kegiatan ini juga mendukung tujuan pembangunan berkelanjutan (SDGs) pada indikator ke-4 dan ke-10 yaitu pendidikan bermutu dan berkurangnya kesenjangan. Oleh karena itu diharapkan setelah mengikuti kegiatan ini para kader dapat mengolah atau menganalisis data kependudukan lebih cepat dan akurat dengan visualisasi yang tepat untuk membantu mereka mengambil keputusan.
Pelatihan Analisis Data Bagi Kader Desa dan Guru Sekolah Dasar di Jombang Ratih Ardiati Ningrum; Chandrawati Putri Wulandari; Mohammad Ghani; Dwi Rantini; Fikri Arif Abdillah; Adam Maurizio Winata
Darmabakti : Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 4 No 1 (2023): Darmabakti : Junal Pengabdian dan Pemberdayaan Masyarakat
Publisher : Lembaga Peneliian dan Pengabdian Masyarakat (LPPM) Universitas Islam Madura (UIM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/darmabakti.2023.4.1.81-88

Abstract

Peran penting pengolahan data semakin dirasa perlu untuk memberikan gambaran dan informasi penting terhadap suatu kumpulan data. Pengolahan data yang tepat dapat dijadikan acuan untuk pengambilan suatu kebijakan. Kemajuan teknologi yang sangat cepat, mendorong hampir semua aspek kehidupan untuk dapat memanfaatkan teknologi informasi secara maksimal. Pemanfaatan pada data kependudukan dapat membantu melihat kondisi sosiodemografi desa. Begitu pula untuk data sekolah, teknologi informasi dapat dimanfaatkan untuk membantu proses belajar mengajar. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan keterampilan pada kader desa dan guru sekolah dasar dalam memanfaatkan Google Data Studio dan Microsoft Excel untuk mendukung analisis data berkaitan dengan bidang pekerjaan masing-masing. Kegiatan ini juga mendukung capaian SDGs pada indikator ke-4 dan ke-10 yaitu pendidikan bermutu dan berkurangnya kesenjangan. Peningkatan keterampilan peserta ditunjukkan dengan kenaikan nilai post-test dibandingkan dengan nilai pre-test. Sehingga, kegiatan ini terbukti efektif meningkatkan pengetahuan dan keterampilan teknologi informasi para kader desa dan guru sekolah dasar.
Co-Authors Adam Maurizio Winata Chandrawati Putri Wulandari Fikri Arif Abdillah Fithriasari, Kartika Heri Kuswanto Made Ayu Dwi Octavanny Mohammad Ghani Ratih Ardiati Ningrum Rosyida Inas Rumaisa Kruba Santi Wulan Purnami