Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jatilima : Jurnal Multimedia Dan Teknologi Informasi Journal of Artificial Intelligence and Digital Business
Ristianto, Suma Danu
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Round-Trip Time Estimation Using Hybrid Neuro-Fuzzy Based On Subtractive Clustering Sailellah, Hassan Rizky Putra; Ristianto, Suma Danu
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 06 (2026): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i06.2159

Abstract

Round-trip time (RTT) is a key latency indicator for quality-of-service (QoS) control and task orchestration in cloud–edge systems. However, RTT is highly time-varying due to congestion dynamics, routing changes, and fluctuating traffic conditions, motivating short-term prediction to enable proactive decision making. This paper investigates a hybrid neuro-fuzzy baseline for RTT prediction implemented using an Adaptive Neuro-Fuzzy Inference System (ANFIS) with subtractive-clustering-based initialization to avoid rule explosion in high-dimensional inputs. A controlled dataset was generated in Mininet using a dumbbell topology with injected delays (1–1000 ms). In total, 100,000 raw RTT records were collected (100 RTT measurements per run across 1000 runs) and aggregated into 1000 supervised samples paired with TCP-state features. Experiments followed a unified and reproducible protocol with a fixed 60/10/30 train/validation/test split, train-only feature standardization, train-only target normalization with inverse transformation for reporting, and validation-based checkpoint selection. The ANFIS baseline (radius ????=0.5r=0.5, 19 rules) achieved RMSE/ MAE/ MAPE/ ????2 of 1191.63/ 751.02/ 0.001921/ 0.999996 on validation and 1207.23/ 664.70/ 0.001311/ 0.999996 on testing. Training required 546.91 s, while inference remained lightweight (0.0846 s for 100 validation samples and 0.1493 s for 300 test samples). Diagnostic analyses using learning curves, parity plots, residual inspection, and empirical error distributions further supported the strong agreement between predicted and observed RTT values. These results indicate that ANFIS with subtractive clustering can deliver accurate and low-latency RTT prediction suitable for QoS-aware orchestration pipelines where training can be performed offline.
Evaluasi Kinerja Pendidikan Di Gunungkidul Melalui Segmentasi Angka Partisipasi Murni Dengan Pendekatan Gaussian Mixture Model Rozy, Agus Fachrur; Suryaningrat, Wahyu; Walhidayah, Irfan; Ristianto, Suma Danu; Arif, Ahmad Bintang
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.7116

Abstract

Pendidikan merupakan faktor kunci dalam pembangunan daerah, termasuk di Kabupaten Gunungkidul, Daerah Istimewa Yogyakarta (DIY). Angka Partisipasi Murni (APM) digunakan sebagai indikator utama untuk mengevaluasi kinerja pendidikan, namun kesenjangan partisipasi tetap terjadi, terutama pada jenjang SMP dan SMA. Penelitian ini bertujuan untuk menganalisis pola partisipasi pendidikan dan mengidentifikasi segmentasi APM berdasarkan jenjang pendidikan SD, SMP, dan SMA selama periode 2019–2023. Data APM diperoleh dari Bappeda Gunungkidul dan dianalisis menggunakan pendekatan statistik deskriptif serta Gaussian Mixture Model (GMM) untuk mengelompokkan pola partisipasi. Hasil penelitian menunjukkan bahwa APM SD tetap stabil pada kategori sangat tinggi (4), menandakan akses pendidikan dasar yang memadai. Sebaliknya, APM SMP mengalami penurunan signifikan pada 2023, dari kategori sangat tinggi (4) menjadi sangat rendah (1), sedangkan APM SMA konsisten berada di kategori sangat rendah (1), mengindikasikan tantangan serius dalam mempertahankan partisipasi siswa di pendidikan menengah. Evaluasi model menggunakan Bayesian Information Criterion (BIC) menunjukkan nilai optimal sebesar 3,385, mengonfirmasi kecocokan GMM dalam mengelompokkan data. Temuan ini menekankan perlunya strategi peningkatan akses pendidikan menengah, termasuk intervensi ekonomi bagi siswa rentan putus sekolah, penguatan program afirmatif, dan perumusan kebijakan berbasis bukti. Studi ini diharapkan dapat memberikan wawasan praktis bagi pemangku kebijakan dalam merancang strategi pendidikan yang lebih inklusif, berkelanjutan, dan mampu mengurangi kesenjangan partisipasi pendidikan di Kabupaten Gunungkidul.  
Co-Authors Arif, Ahmad Bintang Rozy, Agus Fachrur Sailellah, Hassan Rizky Putra Suryaningrat, Wahyu Walhidayah, Irfan