Desfourtheen, Rinda
Unknown Affiliation

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

Found 3 Documents
Search

PENERAPAN METODE NEWTON GREGORY DALAM MERAMALKAN GARIS KEMISKINAN DI SUMATERA SELATAN Damayanti, Nadia; Aprianoputri, Aurahaqqi; Desfourtheen, Rinda; Oktalia, Marheska; Saputra, Dimas Riski; Puspasari, Shinta
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.6018

Abstract

Kemiskinan masih menjadi masalah kompleks di berbagai daerah termasuk Sumatera Selatan. Garis kemiskinan diprediksi menggunakan metode interpolasi Newton-Gregory berdasarkan data historis dari Badan Pusat Statistik (BPS) dari tahun 2022–2024. Metode ini dipilih karena mudah digunakan dan mampu memberikan data yang akurat. Penelitian ini menggunakan bahasa pemrograman Python, yang membantu pengolahan data menjadi lebih efisien. Hasil penelitian menunjukkan bahwa metode ini memberikan prediksi yang sangat akurat dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,81%. Berdasarkan hasil prediksi menunjukkan bahwa garis kemiskinan di sebagian besar wilayah akan meningkat pada tahun 2024 dan 2025. Ogan Komering Ulu Selatan memiliki garis kemiskinan terendah, sedangkan Kota Palembang memiliki garis kemiskinan tertinggi. Diharapkan penelitian ini bisa menjadi alternatif untuk membantu perencanaan pembangunan berbasis data yang lebih baik.Keywords: Proverty, Newton-Gregory Interpolation, South Sumatera, Prediction, MAPE
Analisis Perbandingan PCA-KNN dan SVM untuk Prediksi Risiko Diabetes Desfourtheen, Rinda; Damayanti, Nadia; Gustriansyah, Rendra
Jurnal Sarjana Teknik Informatika Vol. 13 No. 3 (2025): Oktober
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v13i3.31232

Abstract

Diabetes merupakan penyakit kronis yang sering terlambat terdiagnosis akibat gejala awal yang tidak spesifik, sehingga deteksi dini penting untuk mencegah komplikasi serius. Penelitian ini bertujuan menganalisis dan membandingkan performa kombinasi Principal Component Analysis dengan K-Nearest Neighbor (PCA-KNN) dan Support Vector Machine (SVM) dalam prediksi risiko diabetes. Dataset yang digunakan berasal dari Kaggle dengan 768 entri dan delapan atribut medis. Tahap praproses mencakup imputasi median untuk nilai nol, normalisasi Z-score, serta reduksi dimensi menggunakan PCA pada model KNN yang menghasilkan lima komponen utama dengan varian kumulatif >80%. Nilai k optimal ditentukan melalui 10-Fold Cross Validation dengan hasil terbaik pada k=16. Hasil evaluasi menunjukkan PCA-KNN mencapai akurasi 76,47%, sensitivitas 90,00%, dan spesifisitas 50,94%, lebih baik dibanding KNN standar. Sementara itu, SVM memperoleh akurasi 72,73% dengan spesifisitas tinggi (84,00%) namun sensitivitas rendah (51,85%). Temuan ini mengindikasikan bahwa PCA-KNN lebih sesuai untuk skrining awal karena sensitivitas tinggi, sedangkan SVM dapat digunakan pada tahap konfirmasi berkat spesifisitas yang lebih baik.
PENERAPAN METODE NEWTON GREGORY DALAM MERAMALKAN GARIS KEMISKINAN DI SUMATERA SELATAN Damayanti, Nadia; Aprianoputri, Aurahaqqi; Desfourtheen, Rinda; Oktalia, Marheska; Saputra, Dimas Riski; Puspasari, Shinta
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.6018

Abstract

Kemiskinan masih menjadi masalah kompleks di berbagai daerah termasuk Sumatera Selatan. Garis kemiskinan diprediksi menggunakan metode interpolasi Newton-Gregory berdasarkan data historis dari Badan Pusat Statistik (BPS) dari tahun 2022–2024. Metode ini dipilih karena mudah digunakan dan mampu memberikan data yang akurat. Penelitian ini menggunakan bahasa pemrograman Python, yang membantu pengolahan data menjadi lebih efisien. Hasil penelitian menunjukkan bahwa metode ini memberikan prediksi yang sangat akurat dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,81%. Berdasarkan hasil prediksi menunjukkan bahwa garis kemiskinan di sebagian besar wilayah akan meningkat pada tahun 2024 dan 2025. Ogan Komering Ulu Selatan memiliki garis kemiskinan terendah, sedangkan Kota Palembang memiliki garis kemiskinan tertinggi. Diharapkan penelitian ini bisa menjadi alternatif untuk membantu perencanaan pembangunan berbasis data yang lebih baik.Keywords: Proverty, Newton-Gregory Interpolation, South Sumatera, Prediction, MAPE