Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JUTIS : Jurnal Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika)
Krishna Putra, Eddie
Unknown Affiliation
Computer Science & IT Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASTERING KOPI ARABIKA MENGGUNAKAN ALGORITMA K-MEDOIDS Santana, Sony; Krishna Putra, Eddie; Nurul Sabrina, Puspita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9480

Abstract

Industri kopi arabika merupakan salah satu usaha yang berkembang di indonesia. Usaha ini memiliki keuntungan yang menjanjikan seperti memberikan lapangan pekerjaan yang menguntungkan bagi masyarakat. Permasalahan yang muncul industri kopi yang semakin hari kreatif dan inovatif ini akan selalu mencari dan mengutamakan kualitas kopi yang menghasilkan produk yang mampu bersaing dengan lawan. Dataset yang diambil dalam penelitian ini bersumber dari Coffee Quality Institute dan dibagi ke dalam beberapa variabel yang dibutuhkan. Data tersebut akan melakukan pre-processing data seperti Cleaning Data, Transformasi Data, Normalisasi Data. Untuk mengatasi permasalahan tersebut dilakukan klasterisasi atau pengelompokan data dengan metode k-medoids. Output yang akan keluar akan menghasilkan nilai Cluster dari data kopi tersebut yang memiliki nilai kemurnian Cluster yang tinggi. Dari hasil penenelitian ini menunjukan klaster 1 menonjol dengan nilai terbaik untuk aroma, Flavor, acidity, dan Uniformity, meliputi negara-negara tertentu seperti Guatemala, Honduras, Ethiopia, dan lainnya. Klaster 2, diwakili oleh negara-negara seperti Colombia, Brazil, dan Costa Rica, menunjukkan nilai terbaik pada atribut seperti aftertaste, body, Balance, clean cup, Sweetness, cupper point, dan total cup point. Klaster 3, yang meliputi sejumlah negara termasuk Mexico, Taiwan, dan United States (Hawaii), menunjukkan nilai terendah pada semua atribut. Jadi hasil akhir dari Cluster 2 memiliki nilai atribut rata-rata yang tinggi, sementara Cluster 1 memiliki nilai rata-rata yang sedang, dan Cluster 3 menampilkan nilai rata-rata yang rendah
Advanced Earthquake Magnitude Prediction Using Regression and Convolutional Recurrent Neural Networks Id Hadiana, Asep; Muhammad Sukma, Rifaz; Krishna Putra, Eddie
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 4 (2024): August 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i4.5922

Abstract

Earthquake magnitude prediction is critical in seismology, with significant implications for disaster risk management and mitigation. This study presents a novel earthquake magnitude prediction model by integrating regression analysis with Convolutional Recurrent Neural Networks (CRNNs). It utilises Convolutional Neural Networks (CNNs) for spatial feature extraction from 2-dimensional seismic signal images and Long Short-Term Memory (LSTM) networks to capture temporal dependencies. The innovative model architecture incorporates residual connections and specialised regression techniques for sequential data. Validated against a comprehensive seismic dataset, the model achieves a Mean Squared Error (MSE) of 0.1909 and a Root Mean Squared Error (RMSE) of 0.4369, with a coefficient of determination of 0.79772. These metrics, alongside a correlation coefficient of 0.8980, demonstrate the model's accuracy and consistency in predicting earthquake magnitudes, establishing its potential for enhancing seismic risk assessment and informing early warning systems.
Klasifikasi Penilaian Pinjaman Agunan pada PT KB Finansia Multi Finance menggunakan Metode Random Forest Hanif Abdul Aziz, Nabil; Krishna Putra, Eddie; Komarudin, Agus
JURNAL TEKNIK INFORMATIKA UNIS Vol. 12 No. 2 (2024): Jutis (Jurnal Teknik Informatika)
Publisher : Universitas Islam Syekh Yusuf

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33592/jutis.v12i2.5153

Abstract

Dalam dunia perbankan, terdapat tawaran kepada nasabah berupa pinjaman dengan syarat agunan, seperti rumah, tanah, atau kendaraan sebagai jaminan. Proses ini bertujuan untuk mengurangi risiko kredit bagi bank, karena jika nasabah gagal membayar, bank dapat mengambil dan menjual agunan untuk menutup kerugian. Penelitian ini bertujuan untuk menganalisis efektivitas kebijakan pinjaman dengan agunan di sektor perbankan serta dampaknya terhadap tingkat risiko kredit dan kepuasan nasabah. Dengan menggunakan metode data mining dan teknik klasifikasi Random Forest, studi ini akan mengevaluasi pola pembayaran nasabah, tingkat keberhasilan pengembalian pinjaman, dan elemen-elemen yang mempengaruhi pilihan nasabah dalam memanfaatkan layanan pinjaman dengan jaminan. Penelitian ini juga mempertimbangkan ketidakseimbangan data dengan menerapkan Teknik Oversampling, seperti Random Over Sampling untuk meningkatkan jumlah sampel pada kelas minoritas sehingga menjadi seimbang dengan kelas mayoritas. Hasil penelitian akan membandingkan efektivitas kedua teknik tersebut dalam memperbaiki ketepatan prediksi. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi bank untuk mengoptimalkan kebijakan pinjaman mereka, meningkatkan manajemen risiko, dan menawarkan produk pinjaman yang lebih sesuai dengan kebutuhan nasabah.
Co-Authors Hadiana, Asep Id Hanif Abdul Aziz, Nabil Komarudin, Agus Muhammad Sukma, Rifaz Nurul Sabrina, Puspita Santana, Sony