Dly, Revidamurti
Unknown Affiliation

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

Found 2 Documents
Search

ANALISIS POPULARITAS GENRE FILM DI INDONESIA MENGGUNAKAN ALGORITMA DECISION TREE Dobry Sianipar, Freyro; Irya Shakila Syukron, Ananda; Defiyanti, Aqilah; Hafiz, Alfin; Dly, Revidamurti; Ramadhani, Fanny; Arnita, Arnita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13841

Abstract

Industri perfilman di Indonesia mengalami pertumbuhan pesat dengan semakin beragamnya genre yang diminati oleh penonton. Namun, pola popularitas genre film masih menjadi tantangan dalam pengambilan keputusan industri. Penelitian ini bertujuan untuk menganalisis faktor yang memengaruhi popularitas genre film di Indonesia dengan menerapkan algoritma Decision Tree. Data yang digunakan berasal dari The Movie Database (TMDb) mencakup 3.000 film dari tahun 2015 hingga 2024, dengan variabel utama berupa jumlah penonton dan rating. Proses analisis mencakup tahapan preprocessing data, transformasi data, serta penyeimbangan kelas menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa rating merupakan faktor dominan dalam menentukan popularitas genre film, diikuti oleh genre Romance, Drama, dan Horror. Model Decision Tree yang diterapkan memiliki akurasi sebesar 72,98% dalam mengklasifikasikan film populer dan tidak populer. Temuan ini memberikan kontribusi terhadap pemahaman preferensi penonton di Indonesia dan dapat menjadi acuan bagi industri perfilman dalam menyusun strategi produksi dan pemasaran yang lebih efektif. Berbeda dengan penelitian sebelumnya yang berfokus pada sistem rekomendasi atau analisis faktor individu, penelitian ini menawarkan pendekatan klasifikasi genre film berdasarkan kombinasi jumlah penonton dan rating, sehingga memberikan perspektif yang lebih komprehensif dalam mengidentifikasi tren popularitas film di Indonesia.
Pemodelan Stokastik Inflasi Bulanan Kota di Sumatera Utara Menggunakan SARIMA dan Simulasi Monte Carlo Hutabarat, Felix John Pardamean; Simanullang, Paskah Abadi; Dly, Revidamurti; Panggabean, Suvriadi
Griya Journal of Mathematics Education and Application Vol. 5 No. 4 (2025): Desember 2025
Publisher : Pendidikan Matematika FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/griya.v5i4.933

Abstract

Monthly inflation in North Sumatra exhibits high fluctuation, seasonality, and uncertainty (stochasticity), making it difficult for deterministic models to predict accurately. This study aims to analyze seasonal and stochastic patterns, build a SARIMA model, and apply Monte Carlo Simulation to generate probabilistic prediction ranges. This study uses a quantitative approach with BPS monthly inflation (month-to-month) data from January 2021–September 2025 for five cities in North Sumatra. The Seasonal Autoregressive Integrated Moving Average (SARIMA) model is used to capture seasonal patterns and trends, while Monte Carlo Simulation (5,000 paths) is applied to quantify prediction uncertainty by generating probabilistic distributions. The forecast results (Oct 2025–Dec 2026) indicate that Medan City is projected to face the highest inflationary pressure. However, model validation on 2024 test data showed limited performance, marked by negative R² values for all cities (ranging from -0.364 to -1.146). This negative R² finding highlights high uncertainty. This combined approach proves more informative than single-point predictions, as it explicitly presents the uncertainty range (visualized as a "fan 90%" band), offering a more comprehensive forecasting picture for policy considerations.