Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Informatics and Interactive Technology (JIITE)
Estriana, Rias
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media

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

Found 2 Documents
Search

 1 
Analisis Perbandingan XGBoost, Random Forest, dan LSTM untuk Prediksi Jumlah Penumpang Bus Wati, Rahma; Estriana, Rias; Praptiwi, Ratna; Salsabila Ilmi, Brilliant; Rafa Oktavian, Nazly; Zakiyudin, Toik
Journal of Informatics and Interactive Technology Vol. 2 No. 3 (2025): Desember
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v2i3.73

Abstract

Peningkatan kebutuhan transportasi publik di kawasan urban mendorong perlunya sistem prediksi jumlah penumpang yang akurat guna mendukung pengambilan keputusan dalam pengelolaan armada bus. Penelitian ini membandingkan tiga algoritma machine learning, yaitu XGBoost, Random Forest, dan Long Short-Term Memory (LSTM), dalam memprediksi jumlah penumpang bus bulanan berdasarkan dataset Los Angeles County Metropolitan Transportation Authority (LACMTA) periode 2009–2024. Pendekatan yang digunakan adalah time-series regression dengan teknik rekayasa fitur seperti lag features dan moving averages. Evaluasi model dilakukan menggunakan metrik MAE, RMSE, dan R² Score. Hasil penelitian menunjukkan bahwa XGBoost merupakan algoritma dengan performa terbaik dengan R² sebesar 0.9936 dan RMSE terendah sebesar 352.78, diikuti oleh Random Forest. Sementara itu, LSTM serta model statistik seperti Exponential Smoothing dan Auto-SARIMA menunjukkan performa yang buruk dan prediksi yang tidak stabil. Penelitian ini menegaskan bahwa model tree-based lebih unggul dalam menangani data deret waktu agregat bulanan dengan karakteristik ketimpangan dan fluktuasi yang tinggi.
Penerapan Metode Vector Space Model TF-IDF dan Cosine Similarity pada Sistem Temu Balik Informasi Berita Pangestu, Adinda; Estriana, Rias; Wati, Rahma; Firmansyah, Aldrian; Fahat, Muhammad; Safira, Aulia; Zakiyudin, Toik
Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v3i1.109

Abstract

Perkembangan pesat media berita daring menyebabkan peningkatan volume dokumen teks yang signifikan, sehingga menimbulkan permasalahan information overload dalam proses pencarian informasi. Pengguna sering mengalami kesulitan menemukan berita yang relevan karena banyaknya dokumen yang memiliki kemiripan kata, namun tidak selalu sesuai dengan konteks kebutuhan informasi. Oleh karena itu, diperlukan suatu sistem temu balik informasi yang mampu melakukan pencarian dan pemeringkatan dokumen berita secara akurat berdasarkan tingkat relevansi konten. Penelitian ini bertujuan untuk menerapkan metode Vector Space Model (VSM) dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) serta pengukuran kemiripan menggunakan Cosine Similarity pada sistem temu balik informasi berita berbahasa Indonesia. Pendekatan penelitian yang digunakan adalah pendekatan kuantitatif dengan metode content-based information retrieval. Data penelitian berupa kumpulan dokumen berita daring yang diproses melalui tahapan preprocessing teks, meliputi case folding, tokenisasi, stopword removal, dan stemming, untuk menghasilkan data teks yang bersih dan seragam. Setiap dokumen kemudian direpresentasikan dalam bentuk vektor numerik menggunakan VSM dan diberi bobot TF-IDF untuk menonjolkan istilah yang bersifat spesifik terhadap topik dokumen. Tingkat kemiripan antara kueri pengguna dan dokumen berita dihitung menggunakan Cosine Similarity, yang selanjutnya digunakan sebagai dasar pemeringkatan dokumen. Hasil penelitian menunjukkan bahwa integrasi VSM, TF-IDF, dan Cosine Similarity mampu meningkatkan relevansi hasil pencarian dan menyajikan dokumen berita secara terstruktur sesuai dengan kebutuhan pengguna. Dengan demikian, sistem yang dikembangkan dapat menjadi solusi efektif dalam pencarian informasi berita berbasis teks serta berpotensi diterapkan pada koleksi dokumen berskala besar.
Co-Authors Fahat, Muhammad Firmansyah, Aldrian Pangestu, Adinda Praptiwi, Ratna Rafa Oktavian, Nazly Rahma Wati Safira, Aulia Salsabila Ilmi, Brilliant Zakiyudin, Toik