Article Per Year (5 Year)
p-Index From 2020 - 2025
3.092
P-Index
This Author published in this journals
All Journal Jurnal Informatika Global Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya Journal of Sustainable Community Service OKTAL : Jurnal Ilmu Komputer dan Sains Jurnal Rekayasa Sistem Informasi dan Teknologi Journal Innovations Computer Science Journal of Data Analytics, Information, and Computer Science (JDAICS)
Terttiaavini
Unknown Affiliation
Humanities Astronomy Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Analisis Prediksi Pemilihan Mata Kuliah Peminatan pada Jurusan Teknik Informatika Universitas Indo Global Mandiri Menggunakan Metode Linier Regresi Destria, Abel; Nurlita, Anna; Terttiaavini
Journal Innovations Computer Science Vol. 2 No. 1 (2023): May 2023
Publisher : Yayasan Kawanad

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56347/jics.v2i1.119

Abstract

Universitas Indo Global Mandiri (UIGM) in Palembang organizes various higher education programs, from diplomas to PhDs. In this study, we perform data analysis using linear regression methods and predictive modeling techniques. In this connection, a survey was conducted among UIGM Computer Science Engineering course students to collect the necessary data. Data generated from surveys is used to predict future student choices when choosing a course of study. According to the forecast results, 12 students choose Intelligent Computer and Vision (KCV) majors, and 84 students choose Software Engineering (RPL) majors. Due to data limitations, these predictions may not be completely accurate. However, more complete data can help improve prediction accuracy. Therefore, it is important to collect more complete and representative data to improve prediction accuracy. The more complete the data, the more accurate the forecast results, which can provide more precise guidance in decision-making about your area of ​​expertise. This study contributes to the application of linear regression and predictive modeling techniques in higher education and highlights the importance of comprehensive data collection to support better predictive outcomes.
Penerapan Metode Forecasting Dalam Menentukan Prediksi Jumlah Mahasiswa Baru Dengan Menggunakan Single Exponential Smoothing Rama Samudra, M.S; Marcelina, Dona; Terttiaavini; Yulianti, Evi; Coyanda, John Roni; Putri, Indah Pratiwi
Jurnal Ilmiah Informatika Global Vol. 15 No. 2: Agustus 2024
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jiig.v15i2.3916

Abstract

Forecasting adalah suatu proses analisis untuk memprediksi nilai-nilai masa depan berdasarkan informasi data historis, atau tren yang telah ada. Forecasting melibatkan metode matematika, statistik, untuk menghasilkan perkiraan tentang apa yang mungkin terjadi di masa mendatang dengan mengumpulkan data historis jumlah mahasiswa baru yang mendaftar selama 11 tahun terakhir. Data harus mencakup periode waktu yang cukup lama untuk mengidentifikasi tren dan pola, kemudian analisis data historis untuk mengidentifikasi tren, musiman, atau fluktuasi lainnya. Analisis data dilakukan dengan menggunakan teknik analisis single exponential smooting akan memperhitungkan nilai alpha (konstanta smoothing) untuk menghasilkan perkiraan yang paling akurat. Analisis data menggunakan tiga nilai konstanta alpha 0.3, 0.6, 0.9 tersebut akan dipilih nilai alpha dengan nilai error terkecil, dan kemudian akan di aplikasikan pada sistem peramalan berbasis website. Melalui sistem berbasis website, informasi dapat dikelola secara efisien dan memungkinkan Universitas Indo Global Mandiri untuk mengoptimalkan proses penerimaan mahasiswa baru mereka. Dengan menerapkan metode peramalan ini dalam sistem berbasis website, Universitas Indo Global Mandiri dapat mengelola informasi secara efisien, yang pada gilirannya akan membantu mereka mengoptimalkan proses penerimaan mahasiswa baru. Analisis data dengan tingkat error terkecil, dapat diartikan bahwa metode peramalan tersebut telah memberikan hasil yang sangat mendekati dengan data aktual, sehingga dapat diandalkan untuk melakukan proyeksi ke depan.
Co-Authors Adelia Prameswari, Femy Ahmad Sanmorino Amelia, Nyimas Melati Puti Anna Nurlita Argeto , Valentino Ariati, Nining Aritonang, Ripka Elisabet Br Asmawati Athalla, Muhammad Radjab Ayu Safitri , Della Azizah, Tyara Nur Berliana Inasti Berliana, Eliya Choiriya, Nabila Choiriyah Salsabillah Coyanda, John Roni Destria, Abel Dwi Oktarini, Rahmi Dzaironi, Muhammad Evi Yulianti Fadhilsyah, Muhammad Fadilah Eka Sari Fitriani, Desy Hasna, Nabilah Sajidah Hertati , Lesi Heryati, Agustina Indra Juliansyah, Muhammad Agung Karina, Arihta Kumalinda, Tri Lesi Hertati, Lesi Lestari Setia Ningrum, Ayu Lutfiah, Anisa Marcelina, Dona Muhamad Liandri Mutiara Puteri, Adinda Nadira Putri Purbasari Nur Syabitha, Fidya Nurhalizah, Nadila Putri Kaneshia Rahmadina Putri, Indah Pratiwi Rama Samudra, M.S Ristina, Andan Rizki, Sutra Meilani Sagita, Lestari Siti Zahara, Meisin Suryati Susilo, Darmawan Talitha Syakirah Nanda Wijaya Tsabita, Putri Wahyuni, Ningsih