Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Abdimas Berdaya : Jurnal Pembelajaran, Pemberdayaan dan Pengabdian Masyarakat Arcitech: Journal of Computer Science and Artificial Intelligence Submit : Jurnal Ilmiah Teknologi Informasi dan Sains
Widyastuti, Artika
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

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

Found 3 Documents
Search

 1 
Peningkatan Kapabilitas Manajemen Sekolah Pos PAUD melalui Pelatihan Adaptasi Teknologi Digital Zahara, Soffa; Tri Asmorowati, Erna; Cahyono Putra, Andhika; Nurma Wachidah, Hajar; Utami Asyafiiyah, Gita Rohma; Widyastuti, Artika; Andriani, Friska
Jurnal Abdimas Berdaya : Jurnal Pembelajaran, Pemberdayaan dan Pengabdian Masyarakat Vol 8, No 1 (2025): Jurnal Abdimas Berdaya
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jab.v8i1.1052

Abstract

Analisis Wilayah Prioritas Pembangunan di Provinsi Jawa Timur Berdasarkan Indikator Sosial Menggunakan Metode K-Means Clustering Asyafiiyah, Gita Rohma Utami; Widyastuti, Artika; Andriani, Friska
Arcitech: Journal of Computer Science and Artificial Intelligence Vol. 5 No. 1 (2025): June 2025
Publisher : Institut Agama Islam Negeri (IAIN) Curup

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29240/arcitech.v5i1.13488

Abstract

Development is a key indicator of a region's progress; however, regional disparities remain a pressing issue due to uneven distribution of development. This study employs a data mining approach using the K-Means Clustering method. The objective is to classify priority development areas in East Java Province based on various social indicators, including total population, population growth rate, population density, Human Development Index (HDI), unemployment rate, and average years of schooling (AYS). Unlike previous studies, this research adopts a more comprehensive data-driven approach. The results show that K-Means successfully classifies regions into two clusters: priority and non-priority. A Silhouette Score of 0.45 indicates a fairly good level of cluster separation. Most of the regions in the priority cluster are regencies, while the non-priority cluster predominantly consists of urban areas. These findings confirm that K-Means Clustering is an effective decision-support tool for identifying priority development areas through data-based analysis.
Prediksi Harga Rumah Sesuai Spesifikasi Menggunakan Metode Multiple Linear Regression Widyastuti, Artika
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 4 No. 1 (2024): Juni 2024
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v4i1.3343

Abstract

Tempat tinggal atau rumah adalah salah satu kebutuhan utama manusia yang berguna sebagai tempat tinggal, tempat bersantai dan berkumpul dengan keluarga. Sehingga pertimbangan dalam pembelian rumah memerlukan sebuah metode untuk membantu menentukan harga yang sesuai pembeli inginkan. Dengan menggunakan metode Multiple Linear Regression dari data rumah yang didapatkan dari websiteb kaggle.com terdapat variabel-variabel potensial seperti harga rumah, luas tanah, luas bangunan, jumlah ruang kamar tidur, jumlah ruang kamar mandi dan garasi. Penelitian ini menggunakan dataset sebanyak 1010 data dengan 6 variabel. Data tersebut akan melalui proses pre-processing data sebelum dilakukannya training model. Selanjutnya pada tahap evaluasi menggunakan matrik pengujian, yaitu MAE (Mean Absolute Error), RMSE (Root Mean Squared Error) digunakan untuk menilai kinerja model. Berdasarkan hasil analisis dari dataset, dimana data tersebut dibagi menjadi dua bagian yaitu, sebanyak 80% sebagai data training dan 20% sebagai data testing dari hasil analisis tersebut diperoleh tingkat akurasi sebesar 0,77 atau 77% dengan tingkat error MAE sebesar 1980.3555 dan tingkat error MSE sebesar 10675731 lalu proses prediksi harga untuk sebuah rumah dengan spesifikasi tertentu telah didapatkan.
Co-Authors Andhika Cahyono Putra Asyafiiyah, Gita Rohma Utami Friska Andriani Nurma Wachidah, Hajar Tri Asmorowati, Erna Utami Asyafiiyah, Gita Rohma Zahara, Soffa