Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Online Mahasiswa (JOM) Bidang Ilmu Ekonomi Jurnal Media Informatika
Suerni, Suerni
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance

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

Found 2 Documents
Search

 1 
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI BUDIDAYA KERAMBA IKAN DI KECAMATAN SIAK HULU KABUPATEN KAMPAR Suerni, Suerni; Rita, Iyan Yani; Rahmita, Ningsih B.
Jurnal Online Mahasiswa (JOM) Bidang Ilmu Ekonomi Vol 7, No 2 (2020): (Juli - Desember 2020)
Publisher : Jurnal Online Mahasiswa (JOM) Bidang Ilmu Ekonomi

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

Abstract

The purpose of this study was to determine the factors that influence the production of fish cage cultivation in Siak Hulu District, Kampar Regency. The population is all cage owners in Siak Hulu Subdistrict of Kampar Regency as many as 220 people, with a total sample of 69 people. The sampling technique uses random sampling. The type of data used is primary data and secondary data, while the data collection technique uses a questionnaire. Data analysis method used in this study is to use multiple linear regression. The results showed that the production of fish cage cultivation in Siak Hulu District, Kampar Regency was influenced by land and natural resources, labor and capital factors. This means that as land and natural resources, labor and capital factors increase, fish cage production also increases.Keywords: Production, Land and Natural Resources, Labor, Capital
Perbandingan Algoritma Naïve Bayes, C4.5, dan K-Nearest Neighbor untuk Klasifikasi Kelayakan Program Keluarga Harapan Ramadani, Putri; Fadillah, Riszki; Adawiyah, Quratih; Suerni, Suerni; Al Ghazali, Baginda Restu
Jurnal Media Informatika Vol. 6 No. 1 (2024): Jurnal Media Informatika Edisi September - Desember
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i1.6083

Abstract

Penelitian ini bertujuan membandingkan kinerja tiga algoritma klasifikasi—Naïve Bayes, C4.5, dan K-Nearest Neighbor (K-NN)—dalam menentukan kelayakan penerima Program Keluarga Harapan (PKH) di Rantau Prapat. Dataset terdiri dari 109 data keluarga dengan variabel seperti pendapatan, jumlah tanggungan, status pekerjaan, dan kepemilikan aset. Pengolahan dan analisis data dilakukan menggunakan RapidMiner Studio, dengan evaluasi kinerja berdasarkan akurasi, presisi, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa algoritma C4.5 memberikan kinerja terbaik dengan akurasi 91,8%, presisi 90,7%, recall 92,3%, dan AUC 0,944. Naïve Bayes mencatat akurasi 87,2% dan recall 88,9%, sedangkan K-NN menghasilkan akurasi 89,9% dan recall 91,1%, namun memerlukan komputasi lebih tinggi. Temuan ini menunjukkan bahwa C4.5 lebih efektif dalam mengklasifikasikan kelayakan penerima PKH secara akurat dan efisien. Penelitian ini menegaskan potensi algoritma machine learning dalam mendukung pengambilan keputusan pada program bantuan sosial. Studi lanjutan disarankan untuk memperluas cakupan data dan mengeksplorasi metode klasifikasi lainnya guna optimalisasi distribusi bantuan.
Co-Authors Adawiyah, Quratih Al Ghazali, Baginda Restu Fadillah, Riszki Rahmita, Ningsih B. Ramadani, Putri Rita, Iyan Yani