Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Desimal: Jurnal Matematika Jurnal Statistika Industri dan Komputasi
Kris Suryowati
Unknown Affiliation
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
APLIKASI METODE GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN LAJU PERTUMBUHAN PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI NUSA TENGGARA TIMUR Ignasia Novianti Luku; Kris Suryowati
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 2 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Salah satu indikator keberhasilan pelaksanaan pembangunan yang dapat dijadikan tolak ukur secara makro adalah pertumbuhan ekonomi yang dicerminkan dari perubahan PDRB dalam suatu daerah. Dalam buku KFR Provinsi NTT tahun 2019, dikatakan bahwa secara quarter to quarter PDRB NTT triwulan I berkurang sebesar -5,62 persen. Banyaknya faktor yang mempengaruhi laju pertumbuhan PDRB memungkinkan adanya multikolinearitas lokal. Geographically Weighted Regression Principal Component Analysis (GWRPCA) merupakan salah satu metode yang digunakan jika terjadi multikolinearitas dan heterogenitas spasial. Hasil penelitian menunjukan terdapat karakteristik pola spasial pada setiap variabel dependent dan independent yang berbeda dengan variabel independent yang saling berkorelasi. Metode PCA menghasilkan tiga komponen utama yang dapat mewakili variabel peubah asli dengan proporsi varian kumulatif sebesar 99%. Pemodelan GWRPCA menggunakan pembobot fixed kernel gaussian dengan tiga komponen utama sebagai variabel independent menghasilkan pemodelan yang berbeda disetiap lokasi pengamatan dimana variabel W1 mempengaruhi laju pertumbuhan PDRB di empat kabupaten/kota, komponen utama kedua dan ketiga tidak mempengaruhi laju pertumbuhan PDRB di Provinsi Nusa Tenggara Timur. Selain itu, pemodelan GWRPCA merupakan model yang lebih baik daripada model OLS dan RPCA dalam memodelkan laju pertumbuhan PDRB di Provinsi NTT pada tahun 2019 karena memiliki nilai R2 terbesar yaitu 88% dan nilai AIC terkecil yaitu -16,59.
Application of the perceptron algorithm in selecting statistics laboratory assistants Astuti, Febriani; Kris Suryowati; Olin Putra Pratama; Anggelina Karolina Teti
Desimal: Jurnal Matematika Vol. 8 No. 2 (2025): Desimal: Jurnal Matematika
Publisher : Universitas Islam Negeri Raden Intan Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24042/br4tf213

Abstract

Artificial Neural Networks (ANN) are computational models inspired by the structure and function of the human brain, particularly in utilizing interconnected neurons to solve complex problems. One of the foundational algorithms in ANN is the Perceptron algorithm, which is capable of identifying patterns and classifying data based on a set of input variables. This research aims to implement the Perceptron algorithm in the selection process of Statistics Laboratory Assistants at Akprind University. The method involves the use of fuzzy logic to assign weights to seven assessment variables determined by the laboratory: student semester, Grade Point Average (GPA), attitude, activeness during lectures, health condition, organizational involvement, and leadership. A dataset of 40 student records was used for training and testing the model. The results showed that the Perceptron algorithm, when integrated with fuzzy logic, successfully classified the data with an accuracy of 100%. In conclusion, the combination of the Perceptron algorithm and fuzzy logic proved to be effective in recognizing selection patterns, making it a reliable method for supporting the assistant recruitment process in the Statistics Laboratory at Akprind University.
Co-Authors Anggelina Karolina Teti Astuti, Febriani Ignasia Novianti Luku Olin Putra Pratama