Article Per Year (5 Year)
p-Index From 2021 - 2026
2.109
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Teknologi Informatika dan Komputer JUSTIN (Jurnal Sistem dan Teknologi Informasi) Tanjungpura International Journal on Dynamics Economics, Social Sciences, and Agribusiness (TIJDESSA) Journal of Computing and Informatics Research Hexatech: Jurnal Ilmiah Teknik Scientica: Jurnal Ilmiah Sains dan Teknologi
Niken Candraningrum
Universitas Tanjungpura, Pontianak
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Transportation Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Analisis Regresi dan Korelasi untuk Proyeksi Produksi Minyak Bumi dan Gas Alam Indonesia menggunakan Bahasa Pemrograman Python Kasliono, Kasliono; Suharmono, Edi; Povi, Povi; Meriani, Risca; Candraningrum, Niken
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1756

Abstract

Penelitian ini memiliki tujuan untuk mengetahui suatu cara pendekatan analisis data menggunakan bahasa pemrograman Python yang dapat diterapkan dalam industri minyak bumi dan gas alam serta memprediksi hasil produksi minyak bumi dan gas alam sampai pada tahun 2030. Penggunaan metode dalam penelitian ini yaitu dengan pendekatan deskriptif kuantitatif. Tujuan digunakannya metode ini yaitu untuk menguraikan secara sistematis peristiwa atau kejadian yang terjadi melalui penggunaan angka-angka dalam menganalisis data penelitian ini. Data tersebut kemudian diolah dengan bahasa pemrograman Python menggunakan library seperti Pandas, NumPy, Matplotlib, dan Scikit-Learn. Dalam penelitian ini data diolah dengan cara analisis regresi dan korelasi. Hasil penelitian yang diperoleh yaitu terjadinya penurunan yang cukup signifikan dari hasil prediksi produksi minyak bumi dan gas alam setiap tahunnya. Hasil prediksi produksi minyak bumi dan gas alam yang paling besar terjadi pada tahun 2022 yang menghasilkan minyak bumi sebesar 210.218,41 (000 barel) dan gas alam sebesar 2.709.176 (MMscf). Sedangkan hasil prediksi produksi minyak bumi dan gas alam pada tahun 2030 yaitu sebesar 116.827,69 (000 barel) dan 2.597.292 (MMscf). Minyak bumi dan gas alam dalam penelitian ini mempunyai keterkaitan yang lemah dengan nilai korelasi positif. Nilai korelasi sebesar 0.387558 menunjukkan bahwa adanya kecenderungan ketika produksi minyak bumi meningkat, produksi gas alam juga cenderung meningkat, begitupun sebaliknya.
Analisis Perbandingan Kemiripan Teks Bahasa Daerah di Indonesia Menggunakan Algoritma Naive Bayes dan K-Nearest Neighbor Alfarizi; Herry Sujaini; Niken Candraningrum
Journal of Computing and Informatics Research Vol 5 No 1 (2025): November 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/comforch.v5i1.2345

Abstract

Indonesia, as an archipelagic country, has a wide variety of languages, with 718 regional languages. However, many regional languages face the risk of declining usage and even extinction. Technological developments have opened up opportunities to analyze the patterns and unique characteristics of regional languages through n-gram analysis using naive bayes and k-nearest neighbor algorithms. Therefore, this study was conducted with the aim of analyzing the similarity of regional languages, particularly Central Javanese, Sundanese, and Pontianak Malay, as part of an effort to assist in the preservation of regional languages in Indonesia. The similarity between languages was calculated based on errors in the confusion matrix, and the performance of the algorithms was evaluated using accuracy and F1-score metrics. The naive bayes algorithm with combined unigram and bigram features showed the best performance with an accuracy and F1-score of 0.921. The results of the study showed the highest similarity value in the ‘Javanese - Malay’ language, although only 3.82%, and the lowest in the ‘Malay - Sundanese’ language at 1.66%. These similarity values are based on the dominant characters that appear in a language, such as ‘e’ in Malay and ‘a’ and ‘u’ in Sundanese. This study proves that there is little similarity between Javanese, Sundanese, and Malay.
Komparasi Algoritma K-Means dan Agglomerative Hierarchical untuk Klasterisasi Kalimat dalam Naskah Pidato Resista, Dear; Sujaini, Herry; Candraningrum, Niken
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 3 (2025): Volume 11 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i3.97275

Abstract

Penyampaian pesan dalam pidato bergantung pada susunan kalimat yang efektif dan bervariasi. Namun, keberagaman struktur kalimat dalam naskah pidato membuat pengelompokan secara manual menjadi kurang efisien. Dengan menggunakan teknik pemrosesan bahasa alami, proses ini dapat dilakukan secara sistematis melalui pendekatan klasterisasi. Studi ini berfokus untuk membandingkan performa algoritma K-Means dan Agglomerative Hierarchical dalam mengelompokkan kalimat pada naskah pidato. Data dikumpulkan dari situs Korpus Nusantara dan Jago Berpidato. Tahapan pre-processing mencakup data cleaning, case folding, stopword removal, tokenisasi, ekstraksi fitur menggunakan TF-IDF dengan parameter N-Gram, serta reduksi dimensi dengan PCA. Evaluasi menggunakan metrik Davies-Bouldin Index (DBI) dan Silhouette Score mengindikasikan bahwa algoritma Agglomerative Hierarchical dengan pendekatan average linkage menghasilkan klasterisasi yang lebih optimal dengan nilai DBI 0.1419 dan Silhouette Score 0.7742. Sebaliknya, algoritma K-Means menghasilkan performa lebih rendah, dengan nilai DBI 0.8551 dan Silhouette Score 0.5557. Selain itu, penggunaan parameter n-gram juga berpengaruh terhadap kualitas klasterisasi. Representasi trigram memberikan hasil terbaik khususnya pada Agglomerative Hierarchical dibandingkan dengan unigram (DBI/Silhouette Score: 0.6934/0.3002) dan bigram (DBI/Silhouette Score: 0.2192/0.6625). Pada penelitian ini, kombinasi Agglomerative Hierarchical dengan representasi fitur trigram terbukti paling efektif dalam mengelompokkan kalimat berdasarkan kemiripan gaya bahasa dalam naskah pidato.
Evaluasi performansi klasifikasi kematangan buah sawit dengan metode jarak berdasarkan fitur warna HSV Kurniawan, Panji; Sastypratiwi, Helen; Candraningrum, Niken
Hexatech: Jurnal Ilmiah Teknik Vol. 5 No. 1 (2026): Hexatech: Jurnal Ilmiah Teknik (In Press)
Publisher : ARKA INSTITUTE

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55904/hexatech.v5i1.1769

Abstract

Kelapa sawit merupakan komoditas perkebunan strategis yang berperan penting dalam perekonomian Indonesia. Penentuan tingkat kematangan buah kelapa sawit secara konvensional umumnya dilakukan dengan mengamati jumlah brondolan yang jatuh serta perubahan warna buah. Namun, metode ini memiliki kekurangan, antara lain bersifat subyektif dan berpotensi menurunkan kualitas serta kuantitas minyak karena brondolan jatuh sebelum dipanen. Oleh karena itu, dibutuhkan sistem pendukung berbasis teknologi untuk mengidentifikasi kematangan buah secara lebih objektif dan efisien. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kematangan buah kelapa sawit menggunakan teknik pengolahan citra digital berbasis fitur warna HSV. Proses dimulai dengan penentuan Region of Interest (ROI), konversi citra dari ruang warna RGB ke HSV, dan ekstraksi fitur dari komponen Hue, Saturation, dan Value. Fitur yang diperoleh diklasifikasikan menggunakan empat metode pengukuran jarak: Euclidean, Manhattan, Minkowski, dan Chebyshev. Evaluasi menggunakan confusion matrix dilakukan terhadap 45 citra latih dan 90 citra uji yang berasal dari data primer dan sekunder. Hasil menunjukkan bahwa metode Manhattan memberikan akurasi terbaik sebesar 97,77%, diikuti Euclidean dan Minkowski sebesar 93,33%, sedangkan Chebyshev menunjukkan akurasi terendah, yaitu 88,88%.
Co-Authors Afriani Afriani Alfarizi Arif Bijaksana Putra Negara Dwirizkianto, Septian Edi Suharmono Helen Sasty Pratiwi Helen Sastypratiwi, Helen Helfi Nasution Hengky Anra Heri Priyanto Herry Sujaini Herry Sujaini Kartika Sari Kasliono Kasliono Meriani, Risca Muhammad Annafri Panji Kurniawan Ponco Sunarko Povi Povi Povi, Povi Resista, Dear Risca Meriani Rudy Dwi Nyoto, Rudy Dwi Suharmono, Edi Sya’bani, Aselia Sekar Tursina , Tursina Tursina Tursina Yulianti