Article Per Year (5 Year)
p-Index From 2021 - 2026
1.259
P-Index
This Author published in this journals
All Journal BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Jurnal Mnemonic Jurnal Pengabdian kepada Masyarakat Nusantara
Ratnasari, Andika Putri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Mathematics Mechanical Engineering Physics Social Sciences Transportation

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
KLASIFIKASI VARIETAS KACANG MENGGUNAKAN XGBOOST DENGAN PENYESUAIAN CLASS WEIGHTING Yusri, Thesa Adi Saputra; Rudhistiar, Deddy; Ratnasari, Andika Putri
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12788

Abstract

Kondisi data tidak imbang (imbalance) merupakan salah satu tantangan utama dalam masalah klasifikasi terkait kualitas atau penyakit pada bidang agrikultur. Penelitian ini bertujuan untuk mengimplementasikan algoritma XGBoost dalam klasifikasi varietas kacang kering dengan fokus pada penanganan ketidakseimbangan kelas melalui pembobotan kelas. Dataset yang digunakan terdiri dari tujuh jenis kacang kering dengan berbagai karakteristik fisik yang diukur dalam piksel, yang meliputi fitur dimensi dan bentuk. Proses normalisasi dilakukan menggunakan teknik min-max normalization untuk memastikan skala data konsisten. Untuk menangani ketidakseimbangan kelas, teknik pembobotan kelas diterapkan dalam XGBoost, yang memberikan bobot lebih pada kelas minoritas. Grid Search dengan 5-fold cross-validation digunakan untuk menemukan kombinasi hyperparameter terbaik, yang menghasilkan akurasi cross-validation sebesar 92.5% dan skor terbaik pada 92.8%. Evaluasi model pada data uji menunjukkan akurasi 93%, dengan hasil precision, recall, dan f1-score yang seimbang pada setiap kelas. Hasil ini menunjukkan bahwa XGBoost dengan pembobotan kelas dapat mengatasi ketidakseimbangan kelas dan memberikan akurasi yang tinggi pada klasifikasi kacang kering
COMPARISON OF DOUBLE RANDOM FOREST AND LONG SHORT-TERM MEMORY METHODS FOR ANALYZING ECONOMIC INDICATOR DATA Ratnasari, Andika Putri; Susetyo, Budi; Notodiputro, Khairil Anwar
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 2 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss2pp0757-0766

Abstract

The performance of machine learning in analyzing time series data is being widely discussed. A new ensemble method Double Random Forest (DRF), which considers supervised learning currently developed. This method has been claimed to be able to improve the performance of Random Forest (RF) if the data is under-fitting. Another machine learning method, Long Short-Term Memory Networks (LSTMs) have capability to analyze nonlinear data. Since the study compare both methods has not been existed in literature, it is interesting to compare the performance of both methods using Indonesian data, especially economic indicator data which have been found to be under-fitting, non-underfitting, and nonlinear data. The indicators used in this study are Export, Import, Official Reserves Asset, and Exchange Rate data. The results showed that overall, the LSTMs method outperforms DRF method in analyzing the data.
Workshop Inferensi Statistik dengan Pendekatan Berbasis Simulasi Kismiantini, Kismiantini; Subekti, Retno; Brilliant, Indira Ihnu; Ratnasari, Andika Putri
Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Vol. 9 No. 2 (2025): Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA
Publisher : Yogyakarta State University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jpmmp.v9i2.83414

Abstract

Mata kuliah Statistika umumnya lebih fokus pada prosedur inferensi bagi parameter secara teoritis dan belum memperhatikan pendekatan berbasis simulasi. Pendekatan berbasis simulasi memiliki kelebihan tanpa adanya pemenuhan asumsi klasik. Di Program Studi Matematika Universitas Nusa Cendana, materi inferensi statistik dengan pendekatan berbasis simulasi masih belum diterapkan secara optimal sehingga kelompok dosen Statistika Universitas Negeri Yogyakarta melaksanakan kegiatan workshop inferensi statistik dengan pendekatan berbasis simulasi. Evaluasi kemampuan peserta dalam memahami dan menerapkan materi yang disampaikan diukur melalui 15 butir pernyataan dengan empat respons skala Likert (sangat setuju, setuju, tidak setuju, sangat tidak setuju). Berdasarkan kuesioner hari pertama (39 peserta memberikan respons lengkap), diperoleh rata-rata 38,10% peserta menjawab "˜sangat setuju', 61,54% "˜setuju', dan 0,37% "˜tidak setuju'. Kemudian kuesioner hari kedua (20 peserta memberikan respons lengkap), diperoleh hasil rata-rata 39,38% peserta menjawab "˜sangat setuju', 58,75% "˜setuju', dan 1,88% "˜tidak setuju'. Oleh karena itu, dapat disimpulkan bahwa mayoritas peserta dapat memahami materi workshop dan mengikuti pelatihan dengan baik.
Pelatihan Analisis Data Pendidikan dan Ilmu Sosial dengan Program JASP Kismiantini, Kismiantini; Ratnasari, Andika Putri; Nur'aini, Rizky
Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Vol. 9 No. 2 (2025): Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA
Publisher : Yogyakarta State University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jpmmp.v9i2.83501

Abstract

Pelatihan Analisis Data Pendidikan dan Ilmu Sosial dengan Program JASP bertujuan untuk meningkatkan pemahaman mahasiswa dan dosen dalam analisis data menggunakan JASP sebagai alternatif perangkat lunak statistik berbayar. Kegiatan ini dilaksanakan secara luring di Universitas Sarjanawiyata Tamansiswa (UST) dengan metode pemaparan materi, demonstrasi, dan latihan mandiri. Materi pelatihan mencakup pengoperasian dasar JASP, analisis deskriptif, visualisasi data, uji-t, analisis variansi (ANOVA), dan regresi linear. Hasil evaluasi menunjukkan bahwa sebelum pelatihan, 70,59% peserta belum pernah menggunakan JASP dan 82,35% tidak mengenal program ini. Setelah pelatihan, 62,06% peserta menyatakan mampu dan 33,53% sangat mampu menggunakan JASP dalam analisis data. Pelatihan ini juga mendorong penggunaan perangkat lunak open-source dalam dunia akademik. Kendala utama yang dihadapi adalah keterbatasan akses internet, yang menghambat instalasi program bagi beberapa peserta. Secara keseluruhan, pelatihan ini berhasil meningkatkan keterampilan analisis data peserta. Kedepannya, pelatihan serupa diharapkan dapat diperluas ke program studi lain dan diintegrasikan dalam kurikulum pembelajaran, guna mendukung pendidikan berbasis data di Indonesia.
FORECASTING INDONESIA COMPOSITE INDEX USING HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE-DOUBLE RANDOM FOREST MODEL Ratnasari, Andika Putri; Yuli Arini, Luthfia Hanun
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 20 No 1 (2026): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol20iss1pp0573-0584

Abstract

Modeling time series data using autoregressive integrated moving average (ARIMA) has been widely discussed. However, this has limitations in that it can only handle linear data. Machine learning is one of the alternative approaches that can solve this limitation since this method can handle nonlinear cases. Double random forest (DRF) is considered a supervised learning method that can solve regression problems. This research provides a novel hybrid forecasting framework combining ARIMA and DRF, designed to model both linear and nonlinear behaviors, and provide more accurate predictions for volatile financial data like the Indonesia Composite Index (ICI). Previous studies have not examined the performance of the hybrid ARIMA-DRF model. In this study, the performance of ARIMA, DRF, and the hybrid ARIMA-DRF models is compared using ICI data obtained from Bank Indonesia’s website. ICI has nonstationary and nonlinear characteristics. This made the ICI data suitable to be modeled using the hybrid ARIMA-DRF model. The comparison results indicate that the hybrid ARIMA-DRF model outperforms the independent ARIMA and DRF models, with a value of its mean absolute percentage error is 4.17%. Therefore, forecasting the future value of ICI data was done by using a hybrid ARIMA-DRF model with forecasting periods from October 2023 to September 2024. The forecasting results show that ICI values fluctuate over the forecasting periods, hence the authority might use the pattern to predict the ICI behaviors and take further decisions. While the forecasting results offer valuable insights for decision-making, this study has limitations as it does not incorporate external macroeconomic variables that may influence ICI behavior.
Peningkatan Literasi Statistik Melalui Workshop Analisis Regresi Linier Menggunakan Software JASP Subekti, Retno; Kismiantini; Brilliant, Indira Ihnu; Ratnasari, Andika Putri; Atikah, Farahhuda
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 7 No. 1 (2026): Edisi Januari - Maret
Publisher : Lembaga Dongan Dosen

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

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan literasi statistik bagi dosen dan mahasiswa melalui pelatihan analisis regresi linier menggunakan software statistik yang gratis yaitu JASP. Kegiatan dilaksanakan pada tanggal 7–8 Oktober 2025 di Program Studi Demografi dan Pencatatan Sipil UNS secara luring dan daring.  Metode pelaksanaan mencakup ceramah, demonstrasi, dan praktik langsung dengan studi kasus. Hasil evaluasi menunjukkan bahwa seluruh peserta mengalami peningkatan pemahaman, dengan 42,33% peserta menyatakan sangat setuju dan 57,77% menyatakan setuju bahwa peserta memahami materi analisis regresi linier sederhana dan berganda menggunakan JASP. Kegiatan ini memberikan kontribusi positif terhadap peningkatan kemampuan analisis data berbasis software statistik bebas lisensi
Pelatihan Analisis Data Pendidikan dan Ilmu Sosial dengan Pendekatan Nonparametrik Menggunakan Program JASP Kismiantini, Kismiantini; Ratnasari, Andika Putri; Nur'aini, Rizky
Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Vol. 10 No. 1 (2026): Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA
Publisher : Yogyakarta State University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jpmmp.v10i1.90566

Abstract

Pelatihan analisis data pendidikan dan ilmu sosial dengan pendekatan nonparametrik menggunakan program JASP bertujuan untuk meningkatkan pemahaman dan kemampuan mahasiswa dan dosen dalam analisis data menggunakan model/metode statistik yang mengalami pelanggaran asumsi dengan program JASP sebagai alternatif perangkat lunak statistik berbayar. Kegiatan ini dilaksanakan secara luring di Universitas Sarjanawiyata Tamansiswa (UST) sebanyak 3 kali pertemuan dengan metode pemaparan materi, demonstrasi, praktik, dan latihan mandiri. Materi pelatihan meliputi pengoperasian program JASP, perbandingan dua grup independen dengan uji Mann-Whitney, perbandingan dua grup dependen dengan uji tanda peringkat Wilcoxon, perbandingan lebih dari dua grup independen dengan uji Kruskal-Wallis, perbandingan lebih dari dua grup dependen dengan uji Friedman. Hasil evaluasi melalui kuesioner menunjukkan bahwa sebelum pelatihan, 80% peserta tidak mengetahuai program JASP, 95% peserta tidak pernah melakukan analisis perbandingan dua grup independen, dua grup dependen, lebih dari dua grup independen, maupun lebih dari dua grup dependen dengan pendekatan nonparamterik menggunakan program JASP. Setelah pelatihan, 66,67% peserta sangat mampu menggunakan program JASP untuk melakukan uji Mann-Whitney dan uji peringkat bertanda Wilcoxon, 73,33% peserta sangat mampu menggunakan program JASP untuk melakukan uji Kruskal-Wallis, dan 60% peserta sangat mampu menggunakan program JASP untuk melakukan uji Friedman. Pelatihan ini mendorong sivitas akademik untuk menggunakan perangkat lunak statistik yang open source dan bersifat legal. Kendala utama yang dihadapi dalam pelaksanaan pelatihan adalah keterbatasan akses internet dan kapasitas komputer sehingga terjadi hambatan dalam instalasi program bagi beberapa peserta. Secara keseluruhan pelatihan ini berhasil meningkatkan keterampilan analisis data pendidikan dan ilmu sosial dengan pendekatan nonparametrik menggunakan program JASP. Melalui pelatihan ini diharapkan bahwa pembelajaran Statistika dan analisis data oleh mahasiswa dan dosen dapat menggunakan program JASP.
Co-Authors Atikah, Farahhuda Brilliant, Indira Ihnu Budi Susetyo Deddy Rudhistiar Kismiantini Kismiantini Nur'aini, Rizky Retno Subekti Thesa Adi Saputra Yusri Yuli Arini, Luthfia Hanun