Article Per Year (5 Year)
p-Index From 2021 - 2026
1.836
P-Index
This Author published in this journals
All Journal Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Mirai Management Justek : Jurnal Sains Dan Teknologi Zero : Jurnal Sains, Matematika, dan Terapan Jurnal Sains Komputer dan Teknologi Informasi Community Development Journal: Jurnal Pengabdian Masyarakat Infotech: Jurnal Informatika & Teknologi E-Prosiding Seminar Nasional Manajemen dan Akuntansi STIE Semarang (SENMAS) TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Wellie Sulistijanti
Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang
Agriculture, Biological Sciences & Forestry Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Physics Public Health Social Sciences Transportation

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
ANALISIS PERFORMA INCEPTIONV3 CONVOLUTIONAL NETWORK PADA KLASIFIKASI VARIETAS DAUN GRAPEVINE: Performance Analysis of InceptionV3 Convolutional Network Used for Grapevine Leaves Varieties Classification Nurul Huda; Adiyah Mahiruna; Wellie Sulistijanti; Rina Chandra Noor Santi
Jurnal Sains Komputer dan Teknologi Informasi Vol. 5 No. 2 (2023): Jurnal Sains Komputer dan Teknologi Informasi
Publisher : Institute for Research and Community Services Universitas Muhammadiyah Palangkaraya

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

Abstract

Daun Grapevine digunakan dalam berbagai masakan tradisional di seluruh dunia. Mengenali berbagai jenis daun Grapevine menjadi semakin penting karena harga dan rasanya bervariasi. Akan tetapi, identifikasi jenis daun ini secara manual akan sulit dan membutuhkan waktu yang lama. Sehingga, beberapa penelitian tentang klasifikasi daun ini dilakukan dengan memanfaatkan metode machine learning. Penelitian ini bertujuan untuk mengklasifikasikan 5 jenis daun Grapevine menggunakan arsitektur InceptionV3 yang merupakan salah satu arsitektur Convolutional Neural Network (CNN). Dataset yang digunakan adalah dataset publik yang terdiri dari 500 gambar, dimana untuk masing-masing kelas terdiri dari 100 gambar yaitu Ak (100), Ala Idris (100), Buzgulu (100), Dimnit (100), Nazli (100). Tahapan pertama dari penelitian ini dengan cara membagi dataset menjadi data training dan data testing. Prosentase data training sebesar 80% (400 gambar) dan data testing 20% (100 gambar). Tahapan selanjutnya dengan melakukan preprocessing gambar, dimulai dengan augmentasi gambar kemudian merubah ukuran gambar menjadi 300x300 pixel. Hasil dari preprocessing gambar inilah yang digunakan untuk uji coba model. Jika peneliti sebelumnya mengusulkan model berbasis Densenet-30 dan menghasilkan akurasi 98%, peneltian ini dengan menggunakan model InceptionV3 Convolutional Network berhasil mencapai akurasi sebesar 99.5%.
Peramalan Harga Penutupan Saham PT. Unilever Indonesia Dengan Menggunakan Metode Fuzzy Time Series Lee Aina Rahmawati; Wellie Sulistijanti
Jurnal Mirai Management Vol 8, No 2 (2023)
Publisher : STIE AMKOP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37531/mirai.v8i2.5260

Abstract

Saham merupakan bisnis yang dipilih masyarakat sebagai mata pencaharian khususnya dikala pandemi Covid-19 sehingga saham tidak hanya sebagai investasi saja. PT. Unilever Indonesia merupakan salah satu perusahaan yang menempati posisi kedelapan dengan kapitalisasi pasar terbesar di Indonesia dan mengalami fluktuasi harga saham yang tinggi. Tujuan dari penelitian ini adalah memperoleh hasil peramalan harga penutupan saham PT. Unilever Indonesia pada tanggal 20 Februari 2023 dengan menggunakan metode Fuzzy Time Series Lee. Fuzzy Time Series Lee digunakan untuk meramalkan data yang bersifat jangka pendek dengan pola data stasioner maupun tidak stasioner. Langkah-langkah dalam penelitian ini yang pertama, menentukan himpunan semesta pembicaraan, menentukan banyaknya himpunan fuzzy, mendefinisikan derajat keanggotaan himpunan fuzzy terhadap Ai dilanjutkan fuzzyfikasi data, membentuk Fuzzy Logical Relationship, membentuk Fuzzy Logical Relationship Group, menentukan defuzzyfikasi untuk menghasilkan nilai peramalan. Tingkat akurasi dari hasil peramalan menggunakan fuzzy time series lee di hitung menggunakan Mean Absolute Percentage Error. Hasil penelitian menunjukan nilai peramalan harga penutupan saham PT. Unilever Indonesia pada tanggal 20 februari 2023 sebesar 4551 dan menghasilkan nilai MAPE peramalan sebesar 2,3142%, yang artinya tingkat kesalahan peramalan pada metode Fuzzy Time Series Lee mempunyai tingkat akurasi peramalan yang sangat baik.
UPAYA-UPAYA DALAM MENINGKATKAN KEPUTUSAN PEMBELIAN SEPATU SKECHERS PADA TOKO AFTER.DISC Alfin Muslikhun; Wellie Sulistijanti
E-Prosiding Seminar Nasional Manajemen dan Akuntansi STIE Semarang (SNMAS) Vol 3 No 1 (2023): STIESEM 2023 (International Webinar & Call for Paper) “Utilization of Technology
Publisher : STIE Semarang

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

Abstract

Penelitian ini memiliki tujuan menguji seberapa besar pengaruh faktor yang memiliki persanan dalam meningkatkan keputusan konsumen untuk membeli sepatu original di toko sepatu After.disc. Populasi yang ada dalam penelitian yaitu semua pelanggan yang membeli sepatu Skechers di toko sepatu After.disc dengan jumlah konsumen yang tidak terbatas. Sampel penelitian berjumlah 100 orang yang dihitung dengan memakai rumus Lameshaw dan metode pengambilan sampel menggunakan metode Accidental Sampling. Data diolah menggunakan aplikasi SPSS versi 22. Hasil pengujian Hipotesis 1 (H1) menyatakan bahwa harga memiliki peran positif signifikan pada keputusan pembelian. Hipotesis 2 (H2) menyatakan Citra Toko memiliki peran positif signifikan pada Keputusan Pembelian. Hipotesis 3 (H3) menyatakan kualitas produk memiliki peran positif signifikan pada keputusan pembelian. Nilai koefisien determinasi sebesar 73,7% yang berarti keputusan pembelian dalam penelitian ini dipengaruhi variabel harga, citra toko, maupun kualitas produk. Untuk sisanya 26,3% merupakan pengaruh dari variabel lain. Pengujian secara simultan menghasilkan Harga, Citra toko, maupun Kualitas Produk secara bersama-sama memiliki peranan dalam Keputusan Pembelian.
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE PROVINSI BALI MENGGUNAKAN METODE FUZZY TIME SERIES CHEN Lubna Aulia; Wellie Sulistijanti
E-Prosiding Seminar Nasional Manajemen dan Akuntansi STIE Semarang (SNMAS) Vol 3 No 1 (2023): STIESEM 2023 (International Webinar & Call for Paper) “Utilization of Technology
Publisher : STIE Semarang

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

Abstract

Tujuan dari penelitian ini untuk meramalkan jumlah kunjungan wisatawan mancanegara ke propinsi Bali. Karena Provinsi Bali sebagai pintu masuk utama wisatawan mancanegara ke Indonesia memberi perhatian lebih pada sektor pariwisata terlebih setelah terjadi pandemik Covid-19 yang meyebabkan penurunan drastis jumlah kunjungan wisatawan mancanegara, untuk itu diperlukan langkah untuk meramalkan data time series untuk periode selanjutnya. Populasi dari penelitian ini adalah wisatawan mancanegara yang datang ke provinsi Bali dengan jumlah yang tidak terbatas. Sampel yang digunakan adalah wisatawan mancanegara yang datang ke propinsi Bali dari bulan Juni 2022 sampai dengan bulan Mei 2023 yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Bali sejumlah 12 data. Metode peramalan yang digunakan pada penelitian ini adalan fuzzy time series Chen. Fuzzy time series Chen merupakan metode prediksi yang mampu mengenali pola dari data time series. Hasil peramalan jumlah kunjungan wisatawan mancanegara ke Provinis Bali untuk bulan Juni 2023 menggunakan fuzzifikasi bulan Mei 2023 dengan hasil peramalan sebesar 413.690 wisatawan dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 13,4898%
Peramalan nilai tukar dolar Amerika Serikat (USD) terhadap rupiah Indonesia (IDR) Menggunakan Metode ARIMAX Wellie Sulistijanti; Revino Januar Rachmadi
INFOTECH : Jurnal Informatika & Teknologi Vol 6 No 2 (2025): INFOTECH: Jurnal Informatika & Teknologi
Publisher : LPPMPK - Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/infotech.v6i2.1741

Abstract

Nilai tukar Dolar Amerika Serikat (USD) terhadap Rupiah Indonesia (IDR) sangat penting untuk menilai kekuatan ekonomi nasional. Perubahan nilai tukar secara signifikan dipengaruhi oleh berbagai faktor luar, termasuk harga minyak mentah di pasar global. Mengingat volatilitas pasar global yang tinggi, diperlukan suatu metode untuk memprediksi fluktuasi yang dapat mengintegrasikan dampak dari elemen eksternal secara efektif. Penelitian ini bertujuan untuk memprediksi nilai tukar USD terhadap IDR melalui model ARIMAX, yang menggabungkan komponen autoregressive integrated moving average dan variabel eksternal. Analisis ini didasarkan pada catatan harian untuk tahun 2024, dengan fokus pada nilai tukar USD/IDR sebagai variabel dependen dan harga minyak mentah dunia sebagai variabel independen. Kedua set data ditransformasi menggunakan logaritma natural dan selisih untuk mencapai stasioneritas. Model optimal yang diidentifikasi untuk variabel dependen adalah ARIMA (3,1,3), sementara variabel independen diwakili oleh ARIMA (1,1,1). Melalui evaluasi prewhitening dan korelasi silang, struktur fungsi transfer yang paling sesuai ditentukan dengan parameter (b,r,s) = (2,0,1). Uji diagnostik yang dilakukan terhadap model ARIMAX yang dihasilkan mengkonfirmasi tidak adanya autokorelasi atau korelasi silang pada residual dan data input, yang menunjukkan bahwa asumsi-asumsi dasar dari model telah terpenuhi. Peramalan nilai tukar USD/IDR untuk Januari 2025 memberikan hasil yang baik, tercermin dari Mean Absolute Percentage Error (MAPE) sebesar 0.811%, Root Mean Square Error (RMSE) sebesar 150.616, dan Mean Absolute Error (MAE) sebesar 131. 616, dan Mean Absolute Error (MAE) sebesar 131. 449. Temuan ini menunjukkan bahwa model ARIMAX menunjukkan tingkat akurasi yang kuat dan secara efektif meramalkan nilai tukar mata uang dengan memasukkan faktor eksternal.
PELATIHAN PENGGUNAAN APLIKASI KEUANGAN DIGITAL BAGI MASYARAKAT NON-LITERASI TEKNOLOGI Wellie Sulistijanti; Fahry Reza; Retno Triswandari; Bahagia Bahagia; Taswati Nova Wijayaningrum
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 7 No. 2 (2026): Vol. 7 No. 2 (2026)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v7i2.57502

Abstract

Pengabdian kepada masyarakat melalui pelatihan penggunaan aplikasi keuangan digital bertujuan untuk meningkatkan literasi, keterampilan, serta kesiapan masyarakat non-literasi teknologi dalam memanfaatkan layanan keuangan berbasis digital. Metode yang digunakan berupa pendekatan partisipatif melalui demonstrasi langsung dan praktik berulang yang didukung oleh pendampingan intensif. Hasil kegiatan menunjukkan adanya peningkatan signifikan pada pemahaman konseptual peserta mengenai fungsi dan manfaat aplikasi keuangan digital, disertai dengan peningkatan keterampilan operasional dalam penggunaan fitur-fitur dasar secara mandiri. Dari aspek afektif, terjadi pergeseran sikap dari skeptis menjadi lebih terbuka dan adaptif terhadap teknologi digital. Secara sosial-ekonomi, program ini berkontribusi terhadap peningkatan efisiensi pengelolaan keuangan rumah tangga serta membuka peluang pemanfaatan aplikasi untuk kegiatan ekonomi produktif. Peningkatan aksesibilitas terhadap layanan keuangan digital juga mendorong integrasi peserta ke dalam ekosistem keuangan modern dan memperkuat inklusi keuangan. Namun, hasil evaluasi menunjukkan adanya peningkatan capaian yang signifikan antara kondisi awal dan akhir peserta, meskipun terdapat variasi berdasarkan karakteristik individu. Secara keseluruhan, program ini berhasil mencapai tujuan yang ditetapkan, tidak hanya dalam aspek teknis, tetapi juga dalam membangun kepercayaan diri, kesadaran, dan kesiapan masyarakat untuk beradaptasi secara berkelanjutan dalam era digital.
Evaluasi akurasi ARIMA dan fuzzy time series chen dalam peramalan minat belanja shopee Talitha Putri Talitha; Wellie Sulistijanti
INFOTECH : Jurnal Informatika & Teknologi Vol 7 No 1 (2026): INFOTECH: Jurnal Informatika & Teknologi
Publisher : LPPMPK - Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/infotech.v7i1.2408

Abstract

Shopee merupakan salah satu platform e-commerce pilihan utama masyarakat Indonesia untuk berbelanja secara daring. Seiring waktu minat belanja pada platform ini mengalami fluktuasi yang cenderung menurun. Sehingga dilakukan analisis peramalan minat belanja di Shopee agar dapat membantu para pelaku usaha dalam merancang strategi pemasaran yang sesuai dan adaptif terhadap perubahan perilaku konsumen. Penelitian ini bertujuan untuk membandingkan tingkat akurasi metode Autoregressive Integrated Moving Average (ARIMA) dan Fuzzy Time Series Chen dalam meramalkan minat belanja konsumen di Shopee berdasarkan nilai Mean Absolute Percentage Error (MAPE). Data yang digunakan dalam penelitian ini merupakan data mingguan minat belanja di platform Shopee periode Januari 2023 hingga Desember 2025. Proses pemodelan menghasilkan model ARIMA (3,1,3) sebagai model terbaik. Hasil akurasi peramalan menunjukkan bahwa model ARIMA (3,1,3) dengan MAPE sebesar 1%, lebih rendah dibandingkan metode Fuzzy Time Series Chen yang memiliki nilai MAPE sebesar 3%. Hasil tersebut mengindikasikan bahwa model Arima (3,1,3) memiliki tingkat akurasi sangat baik. Hasil peramalan minat belanja konsumen di Shopee pada bulan Januari 2026 mengalami penurunan pada minggu kedua hingga minggu ketiga. Berdasarkan hasil tersebut, penelitian ini merekomendasikan pelaku usaha untuk mengoptimalkan strategi promosi serta melakukan perencanaan persediaan stok produk di minggu kedua, guna menghadapi fluktuasi penurunan minat belanja konsumen serta menghindari penumpukan barang.
Analysis of the accuracy of the sarimax model in forecasting cocoa production in Central Sulawesi Nursuci Rafailah Arsya; Wellie Sulistijanti
TEKNOSAINS : Jurnal Sains, Teknologi dan Informatika Vol 13 No 1 (2026): TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Publisher : LPPMPK- Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/tekno.v13i1.1622

Abstract

Cocoa production in Central Sulawesi is among the highest in Indonesia and plays a crucial role in supporting national export needs. Cocoa production trends have shown a significant decline over the past two years. This decline is thought to be caused by various factors, including shrinking cultivated land due to land conversion and climate uncertainty, reflected in erratic rainfall patterns, resulting in unstable cocoa supply. Therefore, a scientific and data-driven approach to cocoa production forecasting is crucial for proper planning and monitoring of production and for anticipating imbalances between demand and supply. This study utilized the Seasonal Autoregressive Integrated Moving Average with Exogenous Variables (SARIMAX) method, considered superior for its ability to capture seasonal patterns while simultaneously accommodating the influence of exogenous variables such as rainfall and land area, resulting in more accurate forecasting. The data used are cocoa production data as endogenous variables and rainfall and land area as exogenous variables for the period January 2020 to December 2023. The analysis stages include SARIMA model identification, pre-whitening, transfer function analysis, and evaluation of model accuracy using Mean Absolute Percentage Error (MAPE). The results of the study show that the best model is SARIMAX (1,1,1)(0,1,0), with land area variables at lag-5 being significant to cocoa production, producing a MAPE value of 3.29%, so this model can be used to predict future cocoa production.
Predicting Malaria Incidence Using LSTM and Environmental Variables Wellie Sulistijanti; Laelatul Khikmah; Erisa Adyati Rahmasari; Cikal Arbitan Putra Sangnandha; Idan Maulana Yusuf; Dzahari Alikharimah Azizah
ZERO: Jurnal Sains, Matematika dan Terapan Vol 9, No 2 (2025): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v9i2.26043

Abstract

Climate change is exacerbating malaria risk in Indonesia, especially in Papua. This study proposes a Bidirectional Long Short-Term Memory (LSTM) model to forecast malaria incidence using climate variables. The dataset comprises monthly malaria and climate records (rainfall, temperature, humidity) from four high-endemic provinces between 2014 and 2024. Key methodologies included data augmentation to address data imbalances and a grouped time-series cross-validation for robust model evaluation. An ARIMA model was implemented as a validation baseline to benchmark the proposed approach. The Bi-LSTM model delivered superior performance, achieving an average test R² of 0.7210 and SMAPE of 11.02%. the model demonstrated excellent generalization with no evidence of overfitting, significantly outperforming the ARIMA baseline. The findings validate the use of deep learning models as effective tools for public health surveillance, providing reliable early warnings to support timely interventions. Future work will apply SHAP interpretability techniques and expanding the model's geographic scope.
Penerapan Model Vector Autoregressive (VAR) Untuk Peramalan Produksi Kakao di Provinsi Sulawesi Tengah Idil Aidil; Wellie Sulistijanti
Justek : Jurnal Sains dan Teknologi Vol 8, No 2 (2025): Juni
Publisher : Unversitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/justek.v8i2.31531

Abstract

Abstract: Cocoa is one of the main commodities in Indonesia that ranks third in the world as the largest cocoa exporting country, with production fluctuating each year. Therefore, this research aims to predict cocoa production in Central Sulawesi province considering the impact of rainfall using the VAR method. This study uses secondary data in the form of monthly data on cocoa production and rainfall from January 2020 to December 2023, obtained from the Central Statistics Agency (BPS). The stages of the VAR method begin with stationarity testing using the ADF Test, optimal lag selection using AIC, stability testing of characteristic roots, Granger causality testing, and forecasting. The results of the study obtained the best model is VAR(4) with a forecasting error rate of MAE of 8.84938, and the forecast for cocoa production in 2024 shows a relatively stable pattern with an average forecast value of 11.387 thousand tons. The coefficient of determination value of 41.64% indicates that the VAR(4) model has a fairly good fit.Abstrak: Kakao adalah salah satu komoditas utama di Indonesia yang menduduki peringkat ketiga di dunia sebagai negara pengekspor kakao terbesar, yang produksinya mengalami fluktuasi setiap tahun. Oleh karena itu, penelitian ini bertujuan untuk memprediksi hasil produksi kakao di provinsi Sulawesi Tengah dengan mempertimbangkan pengaruh dari curah hujan menggunakan metode VAR. Penelitian ini menggunakan data sekunder berupa data bulanan mengenai jumlah produksi kakao dan curah hujan dari Januari 2020 hingga Desember 2023, yang diperoleh dari Badan Pusat Statistik (BPS). Tahapan metode VAR yaitu dimulai dari pengujian stasioneritas dengan menggunakan ADF Test, pemilihan lag optimal dengan menggunakan AIC, pengujian stabilitas akar karakteristik, pengujian kausalitas Granger, dan peramalan. Dari hasil penelitian diperoleh model terbaik adalah VAR(4) dengan Tingkat kesalahan peramalan MAE sebesar 8.84938 dan hasil peramalan produksi kakao tahun 2024 menunjukkan pola yang relatif stabil dengan nilai rata-rata peramalan sebesar 11.387 ribu ton. Nilai koefisien determinasi sebesar 41,64% menunjukkan bahwa model VAR(4) memiliki tingkat kecocokan yang cukup baik.
Co-Authors Adiyah Mahiruna Aina Rahmawati Bahagia Cikal Arbitan Putra Sangnandha Dzahari Alikharimah Azizah Erisa Adyati Rahmasari Fahry Reza Habill Putra Sangnandha Idan Maulana Yusuf Idil Aidil Laelatul Khikmah Lubna Aulia Muslikhun, Alfin Nursuci Rafailah Arsya Nurul Huda Retno Triswandari Revino Januar Rachmadi Rina Chandra Noor Santi Talitha Putri Talitha Taswati Nova Wijayaningrum