Claim Missing Document
Check
Articles

Found 5 Documents
Search

COMPARISON BETWEEN PROPORTIONAL INTEGRAL DERIVATIVE (PID) AND MODEL PREDICTIVE CONTROL (MPC) FOR SHIP HEADING CONTROL Jannaty, Baity; Muhammadun, Muhammadun; Mustaqim, Kiki
Kadikma Vol 14 No 3: Desember 2023
Publisher : Department of Mathematics Education , University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/kdma.v14i3.44356

Abstract

In this paper discussed about ship heading control problem. Ship heading control is one of the ship control problem in the application in the marine field. With rudder angle as input control, the heading angle controlled therefore it can reach reference heading angle with minimum energy. Assume that is wave disturbance to the system. We compare two method for control the heading angle, that is Proportional Integral Derivative (PID) and Model Predictive Control (MPC). Proportional Integral Derivative (PID) is a controller that determine the presition of an instrumentation system with feedback characteristic on the system. MPC is a control technique, which embeds optimization within feedback to deal with systems subject to constraints on inputs and states. From the simulation result, MPC can compansate the disturbance better than PID. The time to reach reference angle when controlled using MPC faster than using PID. The change value of Np also almost give same result. But the change parameter PID can give very difference result seen from the rise time, the settling time, and the overshoot.
Analisis Sentimen Ulasan Aplikasi PosPay untuk Meningkatkan Kepuasan Pengguna dengan Metode K-Nearest Neighbor (KNN) Mustaqim, Kiki; Amaresti, Fatia Amalia; Dewi, Intan Novita
Jurnal Pendidikan Informatika (EDUMATIC) Vol 8 No 1 (2024): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v8i1.24779

Abstract

PT Pos Indonesia has launched a digital pospay service. Users who have a positive experience are more likely to return to application. User perceptions analysis can be known from the Review sentiments. Review sentiments that are classified as positive and negative are really needed by developers to improve services (user satisfaction). The research aims to increase user satisfaction of the PosPay application based on the application's review data. The source of data is a review of the pospay application at Google play store. The method used quantitative study method that is K-Nearest Neighbor (K-NN) that classify objects based on learning data that are closest to the object. Research variable is the word from user commentary that associated with the pospay application services. Application review data in scrapping, preprocessing, splits data (train data and test data). Supervised learning (TF-IDF and K-NN) prepared with python programming provides data visualizing. The research results show that the sentiment of Pospay application users tends to be positive. K-NN classification model produces 91% accuracy, 90% precision and recall by 99%. The key word of positive sentiment is: easy, helpful, transaction. Keyword negative sentiment: balance, pay, login.
PENERAPAN EXPLORATORY DATA ANALYSIS (EDA) DAN ANALISIS RECENCY, FREQUENCY, AND MONETARY (RFM) UNTUK SEGMENTASI PELANGGAN E-COMMERCE Amalia Maresti, Fatia; Mustika Anugraheni, Gabriella; Hargiyanto, Radio Ananto; Mustaqim, Kiki
Competitive Vol. 19 No. 1 (2024): Jurnal Competitive
Publisher : PPM Universitas Logistik dan Bisnis Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36618/competitive.v19i1.4059

Abstract

E-commerce menghasilkan volume data yang sangat besar setiap harinya yang dihasilkan oleh pelanggan saat bertransaksi. Pelanggan merupakan kelompok maupun individu yang memegang peranan penting dalam proses strategi bisnis dengan membeli produk atau jasa berdasarkan pada keputusan sendiri yang beralaskan oleh pertimbangan dari segi kebermanfaatan serta harga dari setiap produk atau jasa. Dalam penelitian ini pelanggan akan dilakukan segmentasi berdasarkan data transaksi penjualan pada e-commerce menggunakan metode Exploratory Data Analysis (EDA) dan analisis Recency, Frequency, and Monetary (RFM). Pemberlakuan segmentasi pelanggan bertujuan untuk memahami karakteristik pelanggan dan mengimplementasi strategi retensi agar meningkatkan kemajuan suatu perusahaan dengan membuat strategi pemasaran yang efektif dan memprediksi perilaku pelanggan di masa mendatang. Pada tahapan awal segmentasi pelanggan dilakukan investigasi untuk menemukan pola, mengevaluasi hipotesis, dan memverifikasi asumsi berkaitan dengan data pelanggan melalui rangkuman statistik menggunakan metode Exploratory Data Analysis (EDA). Tahapan selanjutnya dilakukan identifikasi untuk mengetahui pola perilaku pelanggan yang melakukan pembelian barang sehingga dapat dikelompokkan berdasarkan karakteristik dengan analisis Recency, Frequency, and Monetary (RFM). Terdapat 11 kategori yang dihasilkan dalam segmentasi pelanggan, di antaranya adalah Champions, Loyal Customer, Promising Customer, New Customer, Need Attention, At Risk, Potential, About To Sleep, Old Potensial, Hibernating, dan Lost.
Penerapan Metode Regresi Linear Berganda Untuk Memprediksi Angka Buta Huruf Di Provinsi Jawa Barat Mustaqim, Kiki; Riza, Noviana; Sawalia Fitri, Nita; Nur Handayani, Nasywa
Data Sciences Indonesia (DSI) Vol. 4 No. 2 (2024): Article Research Volume 4 Issue 2, December 2024
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i2.5372

Abstract

Angka buta huruf di Indonesiayang diartikan sebagai persentase penduduk berusia 15 tahun ke atas yang tidak memiliki kemampuan membaca dan menulis kalimat sederhana, menjadi isu yang sangat penting, terutama di provinsi dengan jumlah penduduk besar seperti Jawa Barat. Meskipun telah dilakukan berbagai upaya untuk meningkatkan tingkat melek huruf, tantangan tetap ada, dan data menunjukkan bahwa angka buta huruf masih cukup tinggi di beberapa daerah. Penelitian ini mengidentifikasi sejumlah variabel yang diduga berkontribusi terhadap angka buta huruf, termasuk jumlah penduduk dan kondisi ekonomi. ini bertujuan untuk memprediksi angka buta huruf di Provinsi Jawa Barat menggunakan metode regresi linear berganda. Variabel independen yang digunakan dalam penelitian ini adalah jumlah penduduk (X1), jumlah sekolah dasar (X2), dan jumlah penduduk miskin (X3), dan variabel dependennya adalah angka buta huruf. Data yang digunakan merupakan data sekunder dari instansi terkait di Provinsi Jawa Barat. Analisis regresi linear berganda diterapkan untuk mengetahui pengaruh ketiga variabel independen terhadap angka buta huruf serta memprediksi angka buta huruf di masa yang akan datang. Hasil penelitian menunjukkan bahwa ketiga variabel independen memiliki pengaruh terhadap angka buta huruf di Jawa Barat. Model regresi yang dihasilkan dapat digunakan untuk memprediksi angka buta huruf berdasarkan perubahan pada jumlah penduduk, jumlah sekolah dasar, dan jumlah penduduk miskin.
Perbandingan Metode Regresi Linear Dan K-Nearest Neighbor (KNN) Dalam Memprediksi Produksi Tanaman Padi Di Pulau Sumatera Mustaqim, Kiki; Riza, Noviana; , Yusuf; Muhammad Reefy Hidayatullah
Data Sciences Indonesia (DSI) Vol. 4 No. 2 (2024): Article Research Volume 4 Issue 2, December 2024
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i2.5201

Abstract

Padi merupakan bahan pangan yang sangat penting untuk menunjang kebutuhan pangan di Indonesia, khususnya di Pulau Sumatera. Faktor-faktor yang memengaruhi produksi padi meliputi luas panen, kelembapan, curah hujan, dan suhu rata-rata. Setiap tahun, suhu bumi yang terus meningkat akibat pemanasan global berdampak pada iklim yang fluktuatif, sehingga dapat menghambat produksi padi. Memahami faktor-faktor tersebut menjadi penting untuk pengembangan strategi yang efektif dalam meningkatkan produktivitas padi. Penelitian ini menggunakan bahasa pemrograman Python pada Google Colab untuk membandingkan metode regresi linear berganda dan K-Nearest Neighbors (KNN) dalam memprediksi produksi padi di Pulau Sumatera. Hasil penelitian menunjukkan bahwa metode regresi linear lebih akurat dibandingkan KNN, dengan nilai R² regresi linear sebesar 0,868181, lebih unggul 18,94% dibanding KNN. Selain itu, regresi linear memiliki nilai MAE yang lebih rendah sebesar 22,03% dan nilai MSE yang lebih rendah sebesar 55,49% dibanding KNN. Hasil ini menunjukkan bahwa regresi linear lebih andal dalam memprediksi produksi padi di Pulau Sumatera dan dapat digunakan sebagai alat bantu dalam pengambilan keputusan strategis di sektor pertanian.