Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jifosi
Andini Fitriyah Salsabilah
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI DATA MINING DENGAN METODE K-MEANS CLUSTERING UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Andini Fitriyah Salsabilah; Zain Muzadid Zamzani; Wanda Gustrifa
JIFOSI Vol. 5 No. 3 (2024): Perkembangan dan Implementasi Kecerdasan Buatan dalam Sistem Informasi Modern
Publisher : UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifosi.v5i3.460

Abstract

Penelitian ini menganalisis Tingkat Pengangguran Terbuka (TPT) di Provinsi Jawa Timur menggunakan metode K-Means Clustering. Data TPT diperoleh dari Badan Pusat Statistik (BPS) untuk periode 2019-2023, mencakup 38 kabupaten/kota di Jawa Timur. Penelitian ini bertujuan untuk mengelompokkan wilayah berdasarkan tingkat pengangguran guna mendukung pemerintah dan pemangku kepentingan dalam menentukan prioritas penanganan daerah dengan TPT tinggi. Proses analisis menggunakan metodologi SEMMA (Sampling, Exploration, Modification, Modeling, dan Assessment). Penentuan jumlah cluster optimal dilakukan dengan metode Elbow menggunakan Silhouette Score. Hasil pengelompokan menunjukkan distribusi kabupaten/kota ke dalam beberapa klaster berdasarkan tingkat kemiripan TPT. Evaluasi menggunakan Silhouette Score menghasilkan nilai rata-rata sebesar 0,4333 yang mengindikasikan bahwa klaster yang terbentuk memiliki tingkat pemisahan yang cukup baik tetapi masih dapat ditingkatkan. Hasil ini memberikan gambaran awal yang berguna dan dapat digunakan sebagai referensi untuk analisis lanjutan atau pengambilan kebijakan yang lebih tepat sasaran. Kata kunci: Tingkat Pengangguran Terbuka, Data Mining, K-Means, SEMMA, Silhouette Score
IMPLEMENTASI ALGORITMA REGRESI LINEAR UNTUK MEMPREDIKSI HARGA EMAS Andini Fitriyah Salsabilah; Muhammad Sabili Nurilhaq; Putra Dwi Wira G. Y; Achmad Arbi Hanafi; M. Daffa Atillah
JIFOSI Vol. 5 No. 3 (2024): Perkembangan dan Implementasi Kecerdasan Buatan dalam Sistem Informasi Modern
Publisher : UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifosi.v5i3.461

Abstract

Penelitian ini bertujuan untuk memprediksi harga emas dengan menggunakan beberapa variabel bebas, yaitu kurs silver (SLV), indeks S&P 500 (SPX), kurs pada bursa saham "The United States Oil Fund" (USO), dan kurs nilai Euro (EUR) terhadap dollar Amerika Serikat (USD). Data yang digunakan dalam penelitian ini merupakan data sekunder yang bersumber dari "Gold Price Data" dengan total sebanyak 2290 observasi dan 7 kolom. Metode yang digunakan adalah regresi, yang merupakan teknik untuk membangun model prediktif berdasarkan nilai input yang diberikan. Hasil prediksi dievaluasi berdasarkan nilai Root Mean Square Error (RMSE), di mana nilai yang lebih kecil menunjukkan akurasi yang lebih baik. Hasil penelitian menunjukkan bahwa model single variable memiliki akurasi sebesar 73%, sementara model multi variable memiliki akurasi sebesar 84%. Untuk meningkatkan akurasi prediksi, penelitian ini merekomendasikan penggunaan model prediktif yang lain serta perbaikan dalam pembagian dataset untuk memastikan distribusi yang lebih representatif. Penelitian ini tidak hanya berkontribusi dalam memprediksi harga emas, tetapi juga dalam pengembangan model prediksi yang lebih akurat dengan memanfaatkan variabel ekonomi yang relevan. Kata Kunci : prediksi harga emas, regresi, kurs silver, indeks S&P 500, RMSE.
Co-Authors Achmad Arbi Hanafi M. Daffa Atillah Muhammad Sabili Nurilhaq Putra Dwi Wira G. Y Wanda Gustrifa Zain Muzadid Zamzani