Article Per Year (5 Year)
p-Index From 2021 - 2026
2.248
P-Index
This Author published in this journals
All Journal Jurnal Transformatika JITK (Jurnal Ilmu Pengetahuan dan Komputer) Variance : Journal of Statistics and Its Applications LOSARI: Jurnal Pengabdian Kepada Masyarakat Journal Of Human And Education (JAHE) Berita Kedokteran Masyarakat Journal of Data Insights Prosiding Seminar Nasional Unimus
Dannu Purwanto
Universitas Muhammadiyah Semarang
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Earth & Planetary Sciences Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Nursing Public Health Social Sciences Transportation Other

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

Found 6 Documents
Search
Journal : Journal of Data Insights

 1 
Study on Import and Export Indicators in Indonesia Using Volatility and Markov Switching Model Combination: Kajian Indikator Impor dan Ekspor di Indonesia Menggunakan Kombinasi Model Volatilitas dan Markov Switching Fathoni Amri, Ihsan; Purwanto, Dannu
Journal of Data Insights Vol 1 No 1 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i1.137

Abstract

Krisis ekonomi tahun 1997 merupakan masalah yang terjadi di hampir semua negara berkembang termasuk Indonesia. Berdasarkan krisis ekonomi, diperlukan indikator performance knowledge. Impor dan ekspor merupakan indikator penting yang harus dilihat kinerjanya. Data bulanan impor dan ekspor merupakan data deret waktu karena dikumpulkan, dicatat, dan diamati dalam urutan waktu. Data impor dan ekspor mengandung masalah heteroskedastisitas pada model residual dan conditional change pada volatilitas. Kombinasi model volatilitas dan Markov switching dapat mengatasi permasalahan dalam penelitian ini. Penelitian ini dikembangkan dengan menggunakan data volatilitas dan smoothed probability, selanjutnya penelitian ini memperoleh tingkat akurasi dengan membandingkan probabilitas prediksi dengan probabilitas smoothed dari data aktual. Hasil dari penelitian ini diperoleh model SWARCH(4,1) dengan ARIMA(1,0,0) untuk rata-rata dan ARCH(1) untuk varians yaitu untuk total data impor dan model SWARCH(2,1) dengan ARIMA(1, 0,0) untuk rata-rata dan ARCH(1) untuk varian yang merupakan total data ekspor. Probabilitas prediksi perbandingan dan probabilitas pemulusan dari data aktual diperoleh akurasi 40,91% untuk indikator impor dan 100% untuk indikator ekspor, artinya untuk indikator impor harus mengubah nilai awal model SWARCH agar lebih akurat.
Klasifikasi Dataset Diabetes menggunakan Algoritma K-Nearest Neighbors Musa, Fitri Diana; M. Al Haris; Purwanto, Dannu; Amri, Saeful; Fadlurohman, Alwan; Fitriyana Ningrum, Ariska
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.201

Abstract

Data mining merupakan suatu metode yang baik untuk menangani data skala besar. Performasi menjadi penting dalam metode data mining. Salah satu metode yang memiliki performasi terbaik adalah K-Nearest Neighbor (KNN). Artikel ini membahas terkait performasi K-NN. Data yang digunakan pada penelitian ini adalah Diabetes. Data dibagi menjadi 80% data trainingdan 20% data testing. Dengan menggunakan 11 tetangga terdekat, model menghasilkan akurasi sebesar 0.765625. Angka ini mencerminkan kinerja yang baik. Metrik kritis termasuk akurasi sebesar 0.77, presisi sebesar 0.80, dan recall sebesar 0.85. Hasil ini menunjukkan bahwa model KNN memiliki potensi untuk mengklasifikasikan pasien diabetes dengan akurasi yang baik.
DASHBOARD LINGKUNGAN HIDUP UNTUK ANALISIS DIARE MENGGUNAKAN METODE K-MEANS CLUSTERING Sitti Sahara; Amri, Saeful; Fitriyana Ningrum, Ariska; Purwanto, Dannu
Journal of Data Insights Vol 2 No 1 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i1.210

Abstract

Abstrak Singkat: Diare adalah penyakit umum dengan penyebab yang beragam, termasuk virus, bakteri, dan faktor-faktor lainnya. Faktor-faktor lingkungan, gizi yang buruk, dan kurangnya pengetahuan masyarakat berperan penting dalam tingginya kasus diare, terutama pada anak-anak di bawah lima tahun, di Indonesia. Analisis cluster digunakan untuk mengelompokkan daerah berdasarkan kasus diare dan membantu perencanaan penanggulangan. Penelitian ini menggunakan data BPS 2021 dari 34 provinsi di Indonesia dan berfokus pada faktor penyebab diare. Penelitian ini bertujuan untuk memahami faktor-faktor yang berkontribusi pada kasus diare, dengan harapan dapat merumuskan strategi penanggulangan yang lebih efektif.
Application of Random Forest Method to Analyze the Effect of Smoking History on The Type and Outcomes of TB Examinations: Penerapan Metode Random Forest Untuk Menganalisis Pengaruh Riawayat Merokok Terhadap Tipe dan Hasil Pemeriksaan Pasien TBC Purwanto, Dannu; Yunanita, Novia
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.651

Abstract

Tuberculosis (TB) continues to pose a major global health challenge, especially in developing countries. One of the key risk factors that exacerbates the condition of TB patients is smoking, which increases susceptibility to infections and worsens disease prognosis. This study aims to evaluate the influence of smoking history on the type and outcomes of TB diagnoses using a Random Forest machine learning model. The dataset comprises information from TB-diagnosed patients, including demographic details such as age, gender, smoking status, patient type, and diagnostic results. The Random Forest model achieved an accuracy of 87.36%, performing best in classifying non-TB-infected patients. However, the model struggled to accurately identify healthy individuals without TB, likely due to data imbalance. This research offers fresh insights into the potential of machine learning to enhance TB diagnosis and prevention, while deepening the understanding of smoking as a risk factor in TB management.
Comparison of Holt-Winters Exponential Smoothing (HWES) and Singular Spectrum Analysis (SSA) Methods in Forecasting the Number of Passengers at PT KAI in Indonesia: Perbandingan Metode Holt-Winters Exponential Smoothing (HWES) Dan Singular Spectrum Analysis (SSA) Pada Peramalan Jumlah Penumpang PT KAI di Indonesia Ulinuha, Samikoh; Wahyu Utami, Tiani; Arum, Prizka Rismawati; Purwanto, Dannu
Journal of Data Insights Vol 2 No 2 (2024): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v2i2.654

Abstract

Penelitian ini mengkaji penerapan dua metode peramalan, yaitu Holt Winters Exponential Smoothing (HWES) dan Singular Spectrum Analysis (SSA), dalam meramalkan jumlah penumpang di PT Kereta Api Indonesia. Hasil penelitian menunjukkan bahwa penerapan metode HWES dengan model additive menghasilkan nilai parameter pemulusan optimal dengan alpha , beta dan gamma model ini memiliki nilai MAPE sebesar 10.75%. Sementara itu, pada HWES model multiplicative menghasilkan nilai parameter pemulusan alpha , beta dan gamma , menghasilkan nilai MAPE 14.50%. Metode SSA dengan window length menghasilkan nilai MAPE 13.33%. Perbandingan nilai MAPE anatara metode HWES additive, HWES multiplicative dan SSA menunjukkan bahwa HWES additive lebih unggul dengan MAPE sebesar 10.75%. Peramalan jumlah penumpang Kereta Api Indonesia menggunakan metode terbaik Holt Winters Exponential Smoothing Additive untuk periode Januari hingga Desember 2024 memperlihatkan variasi jumlah penumpang terendah pada bulan Agustus dan tertinggi pada bulan Januari.
Evaluation of Deep Learning Optimizers for Predicting JISDOR Exchange Rates Using LSTM Networks: Evaluasi Pengoptimalan Deep Learning untuk Memprediksi Nilai Tukar JISDOR Menggunakan Jaringan LSTM Ningrum, Ariska Fitriyana; Purwanto, Dannu; Kusuma Wardani, Amelia
Journal of Data Insights Vol 3 No 1 (2025): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v3i1.726

Abstract

This research explores the application of four optimization algorithms—Adam, Nadam, RMSProp, and SGD—on a Long Short-Term Memory (LSTM) model to forecast the Jakarta Interbank Spot Dollar Rate (JISDOR). The volatile nature of exchange rate data, influenced by global and domestic economic dynamics, necessitates the use of models like LSTM that excel in capturing both short- and long-term dependencies. Performance was assessed using metrics such as Root Mean Squared Error (RMSE) and Mean Absolute Percentage Error (MAPE). Among the optimizers, Nadam proved to be the most effective, achieving the lowest RMSE of 62.767 and a MAPE of 0.003, indicating its capability in managing complex fluctuations in the dataset. Despite Nadam's promising results, opportunities for improvement remain, including the inclusion of additional input variables, fine-tuning model parameters, and expanding the training dataset. This study underscores the critical role of selecting appropriate optimization algorithms for enhancing the accuracy of LSTM models in forecasting volatile financial time-series data, particularly for currency exchange rates
Co-Authors - Tarsan Agustiyar Agustiyar Ahmad Amrullah B Alfidha Rahmah Ali Imron Alwan Fadlurohman Amanda, Qorry Amri, Saeful Ariska Fitriyana Ningrum Arya Praditya Basrowi, Ray Wagiu Dhani, Oktaviana Rahma Fauzi, Fatkhurokhman Haryani, Deby Aprilia Ihsan Fathoni Amri Kusuma Wardani, Amelia Lein, Raymond Bolly Linda Puspitasari M. Al Haris Maryam, Adiva Kalila Miftakhul Haris Musa, Fitri Diana Prastyo, Ikwan Pratama, Rizky Adi Prizka Rismawati Arum Qonita Syalsabilla Handayani RA. Qonita Syalsabilla Handayani Rahma Nurmalita Sharkawy, Abdel Nasser Sitti Sahara Sofa, Yulia Ratna Soffi Amalia Nur Kholifah Tiani Wahyu Utami Ulinuha, Samikoh Wardani, Amelia Kusuma Yan Nazala Bisoumi Yuli Puspita Devi Yunanita, Novia