Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Djtechno: Jurnal Teknologi Informasi Indo-Fintech Intellectuals: Journal of Economics and Business Jurnal Manajerial dan Bisnis Tanjungpinang
Ryan Arya Pramudya
Universitas 17 Agustus 1945 Semarang
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Social Sciences

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

Found 3 Documents
Search

 1 
Klasifikasi Pola Pembelian Kendaraan Bermotor Untuk Merancang Strategi Promosi Terarah Menggunakan Algoritma Logistic Regression Ryan Arya Pramudya; Atika Mutiarachim; Puji Setya Sunarka
Indo-Fintech Intellectuals: Journal of Economics and Business Vol. 4 No. 5 (2024): Indo-Fintech Intellectuals: Journal of Economics and Business (in-Press)
Publisher : Lembaga Intelektual Muda (LIM) Maluku

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54373/ifijeb.v4i5.2121

Abstract

Penelitian ini bertujuan mengetahui pengaruh metode Logistic Regression pada klasifikasi kosumen kendaraan bermotor tahun 2021. Klasifikasi konsumen dilakukan untuk mengetahui kriteria konsumen secara spesifik, sehingga dapat melakukan promosi terarah langsung kepada konsumen yang tepat. Data diperoleh dari beberapa dealer penjualan motor di area Jawa Tengah dengan berbagai merk motor, pada rentang waktu Januari sampai Desember 2024. Data memiliki label binomial yang terdiri dari ‘cash’ untuk pembelian tunai dan ‘credit’ untuk pembelian kredit. Tahap preprocessing data dilakukan dengan menyamakan atribut dataset dari masing-masing dealer, downsampling untuk membuat jumlah data lebih simetris, kemudian seleksi data dan transformasi data untuk memastikan data yang digunakan nilainya konsisten, seleksi atribut untuk memilih atribut yang paling tepat digunakan dan memberi pengaruh signifikan. Klasifikasi dilakukan dengan algoritma Logistic Regression. Data dibagi menggunakan metode split dengan 70% data training dan 30% data testing,  Hasil performance akurasi 100% nilai classification error 0%, nilai kappa 1, nilai AUC 1.00 atau 100% di interpretasikan sangat baik, menunjukkan model algoritma Logistic Rgression sangat akurat dan tepat digunakan pada dataset ini.
Pengaruh Adopsi Sistem Pembayaran Digital dan Literasi Keuangan Digital Terhadap Kinerja Keuangan UMKM Dengan Kemudahan Transaksi Sebagai Variabel Mediasi Pada UMKM Di Kota Semarang Puji Setya Sunarka; Heru Eko Prasetyo; Ryan Arya Pramudya; Nur Atika Yuniarti
Manajerial dan Bisnis Tanjungpinang Vol. 9 No. 1 (2026): Jurnal Manajerial dan Bisnis Tanjung Pinang vol 9 no 1 2026
Publisher : STIE PEMBANGUNAN TANJUNGPINANG

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

Abstract

Pelaku usaha mikro, kecil, dan menengah (UMKM) didorong oleh perkembangan teknologi digital. untuk memanfaatkan sistem pembayaran digital sebagai bagian dari pendekatan untuk meningkatkan efisiensi operasional dan kinerja keuangan usaha. Meskipun demikian, keberhasilan implementasi sistem pembayaran digital tidak terbatas pada tingkat adopsi teknologi, tetapi juga pengetahuan pengguna tentang keuangan digital dan kemudahan transaksi. Studi ini bertujuan untuk menentukan bagaimana adopsi sistem pembayaran digital dan literasi keuangan digital berdampak pada kinerja keuangan usaha kecil dan menengah (UMKM) di Kota Semarang, dengan kemudahan transaksi sebagai variabel mediasi. Penelitian ini menggunakan pendekatan kuantitatif. Metode purposive sampling digunakan untuk melakukan survei terhadap 100 usaha mikro, kecil, dan menengah (UMKM) yang terletak di Kota Semarang. Model equation structure-partial least squares (SEM-PLS) digunakan untuk melakukan analisis data dengan perangkat lunak SmartPLS. Hasil penelitian menunjukkan bahwa adopsi sistem pembayaran digital dan literasi keuangan digital positif dan signifikan terhadap kemudahan transaksi dan kinerja keuangan UMKM. Selain itu, kemudahan transaksi terbukti positif terhadap kinerja keuangan UMKM, dan penelitian juga menunjukkan bahwa optimalisasi penggunaan sistem pembayaran digital dan literasi keuangan digital daripada mengurangi dampak adopsi sistem pembayaran digital dan literasi keuangan digital terhadap kinerja keuangan UMKM.
HYBRID DEEP LEARNING RANDOM FOREST OPTIMASI PEMILIHAN FITUR UNTUK PREDIKSI CHURN INDUSTRI TELEKOMUNIKASI Atika Mutiarachim; Dhendra Marutho; Nur Atika Yuniarti; Ryan Arya Pramudya; Jaluanto Sunu Punjul Tyoso
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.7052

Abstract

Customer churn merupakan tantangan kritis dalam industri telekomunikasi yang berdampak signifikan terhadap profitabilitas perusahaan. Penelitian ini mengusulkan pendekatan hybrid machine learning untuk memprediksi customer churn dengan mengintegrasikan deep learning dan random forest serta mengoptimalkan performa melalui seleksi fitur chi-square dan information gain. Dataset IBM Telco Customer Churn yang terdiri dari 7.043 sampel dengan 31 atribut digunakan dalam penelitian ini. Metodologi penelitian meliputi preprocessing data, implementasi 10-fold cross validation, aplikasi metode seleksi fitur, dan evaluasi performa menggunakan confusion matrix serta metrik klasifikasi biner. Hasil penelitian menunjukkan bahwa implementasi seleksi fitur secara signifikan meningkatkan akurasi prediksi, di mana akurasi tanpa seleksi fitur mencapai 97.00% (Deep Learning) dan 98.68% (Random Forest), sedangkan dengan seleksi fitur chi-square meningkat menjadi 97.97% (Deep Learning) dan 98.72% (Random Forest). Performa terbaik dicapai oleh kombinasi Random Forest dengan seleksi fitur information gain yang menghasilkan akurasi 98.75%, precision 98.37%, recall 99.96%, dan F-measure 99.16%. Temuan ini membuktikan efektivitas kombinasi algoritma ensemble dengan teknik seleksi fitur dalam mengoptimalkan prediksi customer churn untuk mendukung strategi retensi pelanggan yang lebih tepat sasaran
Co-Authors Atika Mutiarachim Dhendra Marutho Heru Eko Prasetyo Jaluanto Sunu Punjul Tyoso Nur Atika Yuniarti Nur Atika Yuniarti Puji Setya Sunarka