Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan sudo Jurnal Teknik Informatika
Saputra, Pingki Ans
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

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

Found 3 Documents
Search

 1 
PREDIKSI DAN ANALISIS POLA PERUBAHAN IKLIM MENGGUNAKAN ALGORITMA GRADIENT BOOSTING Saputra, Pingki Ans; Irawan, Sandra Septi; Rahmaddeni, Rahmaddeni; Prianto, Robi; Hidayat, Taupik
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6230

Abstract

Peningkatan suhu global merupakan indikator utama perubahan iklim yang memengaruhi pola cuaca, kenaikan permukaan laut, dan frekuensi kejadian cuaca ekstrem. Penelitian ini bertujuan memprediksi dan menganalisis pola perubahan iklim, khususnya suhu global, menggunakan algoritma Gradient Boosting. Dataset yang digunakan dalam penelitian ini diambil dari tahun 2020 sampai dengan 2024 dari platform Kaggle berjumlah 53 baris. Bedasarkan pengujian yang dilakukan dengan menggunakan Gradient Boosting hasil prediksi dengan menggunakan metrik evaluasi RMSE dan MAE menunjukkan bahwa metode ini menghasilkan error yang yang kecil pada CO2 Concentration (ppm), dengan RMSE nya 10.43, MAE nya adalah 8.92. Untuk Sea Surface Temp (°C), RMSE nya 8.57, MAE nya adalah 7.42, menunjukkan kesalahan prediksi suhu permukaan laut yang relatif kecil.
PREDIKSI DAN ANALISIS POLA PERUBAHAN IKLIM MENGGUNAKAN ALGORITMA GRADIENT BOOSTING Saputra, Pingki Ans; Irawan, Sandra Septi; Rahmaddeni, Rahmaddeni; Prianto, Robi; Hidayat, Taupik
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6230

Abstract

Peningkatan suhu global merupakan indikator utama perubahan iklim yang memengaruhi pola cuaca, kenaikan permukaan laut, dan frekuensi kejadian cuaca ekstrem. Penelitian ini bertujuan memprediksi dan menganalisis pola perubahan iklim, khususnya suhu global, menggunakan algoritma Gradient Boosting. Dataset yang digunakan dalam penelitian ini diambil dari tahun 2020 sampai dengan 2024 dari platform Kaggle berjumlah 53 baris. Bedasarkan pengujian yang dilakukan dengan menggunakan Gradient Boosting hasil prediksi dengan menggunakan metrik evaluasi RMSE dan MAE menunjukkan bahwa metode ini menghasilkan error yang yang kecil pada CO2 Concentration (ppm), dengan RMSE nya 10.43, MAE nya adalah 8.92. Untuk Sea Surface Temp (°C), RMSE nya 8.57, MAE nya adalah 7.42, menunjukkan kesalahan prediksi suhu permukaan laut yang relatif kecil.
Analisis Faktor Dominan Minat Beli Generasi Z di Shopee Menggunakan Algoritma Naïve Bayes Saputra, Pingki Ans; Rahmaddeni, Rahmaddeni; Irawan , Sandra Septi; Prianto, Robi; Delfi, Delfi
sudo Jurnal Teknik Informatika Vol. 4 No. 3 (2025): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v4i3.1137

Abstract

Pertumbuhan pesat e-commerce di Indonesia telah mengubah perilaku konsumen, khususnya Generasi Z yang dikenal sebagai pengguna digital native. Penelitian ini bertujuan untuk menganalisis faktor-faktor dominan yang memengaruhi minat beli Generasi Z di platform Shopee dengan menggunakan algoritma Naïve Bayes. Data dikumpulkan melalui survei terhadap 100 responden Generasi Z aktif pengguna Shopee, dengan variabel yang meliputi harga, ulasan produk, kecepatan pengiriman, metode pembayaran, dan pengaruh sosial. Pengolahan data dilakukan menggunakan metode SEMMA (Sample, Explore, Modify, Model, Assess) dan diimplementasikan dalam perangkat lunak RapidMiner. Hasil penelitian menunjukkan bahwa faktor harga dan kecepatan pengiriman menjadi dua variabel paling dominan yang memengaruhi minat beli. Model klasifikasi terbaik diperoleh pada skenario split data 80:20 dengan akurasi sebesar 73,75%, recall kelas "YA" sebesar 88,89%, dan precision yang seimbang. Temuan ini memberikan kontribusi strategis bagi pelaku e-commerce, khususnya Shopee, untuk mengarahkan strategi pemasaran yang lebih sesuai dengan karakteristik dan preferensi Generasi Z.
Co-Authors Delfi Delfi, Delfi Irawan , Sandra Septi Irawan, Sandra Septi Prianto, Robi Rahmaddeni Rahmaddeni Taupik Hidayat, Taupik