cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
Jurnal Sains dan Seni ITS
ISSN : -     EISSN : -     DOI : -
Core Subject : Humanities, Art,
Arjuna Subject : -
Articles 28 Documents
Search results for , issue "Vol 13, No 6 (2024)" : 28 Documents clear
Analisis Lama Rawat Inap Pasien Diabetes Melitus Menggunakan Regresi Cox Proportional Hazard (Studi Kasus : RSUD Genteng Banyuwangi) Laviona, Zakiyah; Ratih, Iis Dewi
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.151693

Abstract

Diabetes melitus adalah penyakit kronis progresif yang ditandai dengan ketidakmampuan tubuh untuk melaku-kan metabolisme karbohidrat, lemak, dan protein, mengarah ke hiperglikemia (kadar glukosa darah tinggi). Proporsi dari kejadian diabetes melitus mencapai 90%-95% dari populasi dunia yang menderita diabetes melitus. Diabetes melitus me-nempati urutan ke-6 sebagai penyebab kematian di dunia ini. Hasil Utama Riskesdas Provinsi Jawa Timur tahun 2018 me-nyebutkan bahwa prevalensi diabetes melitus berdasarkan diagnosis dokter pada penduduk umur ≥ 15 tahun di Provinsi Jawa Timur meningkat, yaitu dari 2,1% menjadi 2,6%. Kasus diabetes melitus di Kabupaten Banyuwangi masih marak ter-jadi karena pemahaman serta kesadaran masyarakat untuk melakukan pengobatan masih sangat rendah. Masyarakat yang mempunyai riwayat penyakit diabetes melitus dan rutin me-lakukan pengobatan hanya 30 persen. Untuk menyelesaikan permasalahan tersebut diperlukan suatu analisis statistik untuk melihat perbaikan klinis pasien diabetes melitus setelah menja-lani pengobatan. Salah satu metode yang dapat digunakan adalah analisis survival menggunakan regresi Cox Proportional Hazard. Analisis survival merupakan salah satu metode statis-tika yang bertujuan menaksir probabilitas kelangsungan hidup, kekambuhan, kematian dan peristiwa-peristiwa lainnya sampai periode waktu tertentu. Berdasarkan pemodelan pada analisis lama rawat inap pasien diabetes melitus diperoleh bahwa vari-abel usia, hiperglikemia, dan jenis pembayaran diduga menjadi faktor-faktor yang memengaruhi lama rawat inap pasien diabe-tes melitus. Penelitian ini dapat memberikan informasi kepada pihak RSUD Genteng agar lebih memperhatikan pasien diabe-tes melitus sesuai dengan usia, diagnosa hiperglikemia, dan je-nis pembayaran yang dilakukan karena hal tersebut dapat me-mengaruhi lama rawat inap yang dijalani.
Prediksi Pergerakan Naik Turun Harga Saham Berdasarkan Headline Berita Menggunakan Support Vector Machine Dan Naive Bayes Classifier Dwita, Olga Mauri Sandi; Mukarromah, Adatul
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.156225

Abstract

Saham merupakan bentuk kepemilikan dalam perusahaan yang dipengaruhi oleh faktor ekonomi dan kinerja perusahaan. Penelitian ini memprediksi harga saham SMGR.JK dengan menggunakan skor sentimen dari judul berita di situs bisnis.com dan Google News dan Google News serta fitur time-series harga saham, diklasifikasikan menjadi kategori naik dan turun berdasarkan pendekatan abnormal return. Dalam penelitian ini, model Support Vector Machine (SVM) dipilih karena kemampuannya dalam menangani data yang tidak linear dan kemampuannya yang terbukti unggul dalam klasifikasi kompleks. Di sisi lain, Naive Bayes Classifier (NBC) dipilih karena kesederhanaannya dan kecepatan komputasinya yang efisien, meskipun tidak selalu mampu menangani data non-linear dengan baik. Hasil penelitian menunjukkan bahwa model SVM secara konsisten mengungguli NBC baik pada data pelatihan maupun pengujian. Pada data pengujian, model SVM mencapai akurasi sebesar 72,88%, presisi 72,86%, recall 72,91%, dan F1-score 72,88%. Keberhasilan model SVM dalam mencapai hasil ini menunjukkan kemampuannya dalam memberikan prediksi yang akurat dan konsisten. Selain itu, hasil prediksi SVM pada tanggal 29 Desember 2023 terbukti sesuai dengan pergerakan harga saham aktual pada tanggal tersebut. Meskipun model SVM menunjukkan performa yang baik, penting untuk melakukan analisis lebih lanjut dengan data yang lebih luas dan periode waktu yang lebih panjang untuk memastikan keandalan dan efektivitas model ini dalam jangka panjang. Evaluasi berkelanjutan akan membantu mengidentifikasi potensi perbaikan dan memastikan bahwa model tetap relevan dengan kondisi pasar yang berubah.
Pengelompokan Desa Program Pendaftaran Tanah Sistematis Lengkap di Jawa Timur Menggunakan Metode Ensemble Fuzzy C-Means dan K-Modes Syabariananda, Pramestiti Aisyah Noor; Sutikno, Sutikno
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.155815

Abstract

Pendaftaran hak atas tanah merupakan kegiatan penting pemerintah untuk memberikan kepastian dan perlindungan hukum bagi pemegang hak atas tanah melalui sertifikat. Hanya sekitar 31,74% dari 126 juta bidang tanah di Indonesia yang berhasil terdaftar hingga tahun 2016. Pemerintah memulai program baru bernama Pendaftaran Tanah Sistematis Lengkap (PTSL) yang melibatkan pendaftaran serentak tanah yang belum terdaftar di suatu wilayah. Jawa Timur sebagai salah satu provinsi yang telah melaksanakan program PTSL dengan 318 desa memiliki karakteristik keadaan wilayah yang berbeda-beda. Pada penelitian ini digunakan metode analisis kelompok data campuran, yaitu ensemble fuzzy c-means dan k-modes untuk mengelompokkan desa-desa di Jawa Timur berdasarkan karakteristik desa dalam memprioritaskan wilayah sebagai upaya percepatan pemenuhan target pendaftaran tanah. Penelitian ini menggunakan data Analisis Risiko PTSL-PM Fase 6 di Jawa Timur pada tahun 2023. Hasil penelitian menggunakan ensemble fuzzy c-means dan k-modes menghasilkan empat cluster optimum dengan nilai akurasi tergolong tinggi. Desa pada cluster satu memiliki karakteristik tidak termasuk status kawasan lahan, desa pada cluster dua memiliki karakteristik jumlah kepala keluarga tertinggi, desa pada cluster tiga memiliki karakteristik topografi bergelombang dan desa pada cluster empat memiliki karakteristik total bidang tanah terendah.
Pemodelan Faktor-Faktor yang Memengaruhi Jumlah Diabetes Melitus di Provinsi Jawa Timur Tahun 2022 Menggunakan Geographically Weighted Negative Binomial Regression Jatikusuma, Andhika; Purhadi, Purhadi
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.155357

Abstract

Diabetes melitus (DM) adalah kondisi medis yang di-tandai oleh tingginya kadar glukosa darah akibat gangguan produksi atau penggunaan insulin dan dapat merusak organ dan jaringan penting tubuh. Provinsi Jawa Timur menjadi sa-lah satu wilayah dengan jumlah kasus DM tertinggi di Indonesia pada tahun 2022. Dalam penelitian ini, data jumlah kasus DM menunjukkan overdispersion yang diatasi dengan metode Geo-graphically Weighted Negative Binomial Regression (GWNBR). Tujuan penelitian ini adalah untuk mengetahui karakteristik data jumlah kasus DM di Jawa Timur serta faktor-faktor yang mempengaruhinya, dan untuk memodelkan jumlah kasus DM menggunakan metode GWNBR. Penelitian ini menggunakan pembobot fungsi kernel adaptive bisquare dan adaptive tricube. Pemodelan GWNBR dilakukan dengan exposure dan tanpa exposure, di mana jumlah penduduk digunakan sebagai varia-bel exposure. Hasil penelitian menunjukkan bahwa jumlah ka-sus DM terbanyak ditemukan di Kota Surabaya dengan 96.732 kasus, sementara jumlah kasus terendah terdapat di Kota Batu dengan 2.611 kasus. Berdasarkan kriteria kebaikan model AICc, model GWNBR dengan exposure adalah model terbaik dengan menggunakan kernel adaptive bisquare dengan nilai AICc 23.012,62 dan menghasilkan dua kelompok kabupaten/ kota berdasarkan variabel yang berpengaruh signifikan, va-riabel yang signifikan di seluruh lokasi yaitu persentase pendu-duk tingkat pendidikan SMA ke atas, rata-rata pengeluaran makanan dan minuman jadi per kapita dalam sebulan, dan rata-rata pengeluaran makanan berserat per kapita dalam se-bulan, sedangkan variabel yang berpengaruh di sebagian besar lokasi adalah persentase penduduk usia lanjut.
Perbandingan Metode Random Forest Regression (RFR) dan Support Vector Regression (SVR) dalam Memprediksi Risiko Kredit pada Bank XYZ Tualeka AC, Nur Aisha Al Zahra; Atok, R. Mohamad; Alfajriyah, Aimmatul Ummah
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.150012

Abstract

Meningkatnya animo masyarakat terhadap pengajuan pinjaman kredit di lembaga keuangan telah diimbangi dengan peningkatan kredit bermasalah yang berpotensi menimbulkan kerugian dan mempengaruhi rasio Non-Performing Loan (NPL). Penelitian ini bertujuan untuk membandingkan efektivitas metode Random Forest Regression (RFR) dan Support Vector Regression (SVR) dalam memprediksi risiko kredit pada Bank XYZ. Pemilihan parameter dilakukan dengan metode Grid Search, sementara evaluasi model menggunakan metrik Mean Absolute Percent Error (MAPE) dan Mean Squared Error (MSE). Hasil prediksi risiko kredit menggunakan metode RFR menunjukkan akurasi tinggi pada data pelatihan dengan MAPE sebesar 0,0125%, namun performanya menurun pada data pengujian dengan MAPE sebesar 14,86% dan MSE sebesar 0,3766. Sebaliknya, hasil prediksi risiko kredit menggunakan metode SVR dengan beberapa kernel menunjukkan bahwa kernel RBF memberikan hasil terbaik dengan MAPE sebesar 11,63% dan MSE sebesar 0,2486, mengungguli kernel Linear, Polynomial, dan Sigmoid. Perbandingan metode RFR dan SVR dengan kernel RBF menunjukkan bahwa meskipun RFR menunjukkan akurasi sangat tinggi pada data pelatihan, performanya yang buruk pada data pengujian menunjukkan overfitting yang signifikan. Sebaliknya, SVR dengan kernel RBF menunjukkan kinerja yang konsisten baik pada data pelatihan maupun pengujian, dengan nilai MAPE dan MSE yang lebih rendah. Kesimpulan dari penelitian ini menunjukkan bahwa SVR dengan kernel RBF merupakan pilihan yang lebih baik untuk prediksi risiko kredit, memberikan keseimbangan terbaik antara akurasi prediksi dan kemampuan menjelaskan variasi dalam data. Penelitian ini diharapkan dapat mendorong perusahaan perbankan untuk meningkatkan kualitas kredit melalui manajemen risiko yang efektif dan pemanfaatan teknologi machine learning dalam memprediksi risiko kredit.
Analisis Faktor yang Memengaruhi Status Desa di Provinsi Papua Menggunakan Metode Regresi Probit dengan Pendekatan Combine Sampling Prastyo, Yoppy Eka; Ratnasari, Vita
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.155908

Abstract

Pembangunan nasional di Indonesia, terutama di wilayah pedesaan, menjadi fokus utama untuk mencapai tujuan pembangunan berkelanjutan. Meskipun berbagai upaya pembangunan telah dilakukan, terdapat ketidakmerataan distribusi pembangunan di seluruh daerah, khususnya di Provinsi Papua yang menghadapi tantangan tingkat ketertinggalan yang signifikan. Penelitian ini mengambil pendekatan klasifikasi dengan menggunakan Regresi Probit dan metode Combine Sampling (gabungan SMOTE dan Tomek Links) untuk mengatasi ketidakseimbangan data pada status desa tertinggal di Provinsi Papua tahun 2021. Analisis statistik deskriptif menunjukkan bahwa 92,9% desa di Papua tergolong tertinggal, sementara 7,1% tidak tertinggal. Hasil resampling menggunakan metode combine sampling menunjukkan peningkatan keseimbangan data antara desa tertinggal dan tidak tertinggal. Analisis regresi probit dengan data resampling mengidentifikasi 10 variabel signifikan yang memengaruhi status desa, seperti jumlah SD/MI, rasio keluarga pengguna listrik, dan kejadian pencemaran air. Model regresi probit yang dihasilkan menunjukkan akurasi yang baik dengan nilai rata-rata AUC 86,1%, G-mean 80,8%, akurasi klasifikasi 80,8%, sensitivitas 79,2%, dan spesifisitas 82,6%. Fold terbaik menunjukkan nilai AUC 87,87% dan akurasi klasifikasi 81,72%.
Peramalan Total Nominal Klaim pada Program Jaminan Hari Tua (JHT) Menggunakan Metode Hybrid ARIMA-Long Short Term Memory (ARIMA-LSTM) Margiansyah, Syafarizal Irgi; Atok, R Mohamad; Alfajariyah, Aimmatul Ummah
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.149794

Abstract

Risiko dalam berbagai sektor semakin meningkat di era ini, mendorong perlunya manajemen risiko yang bijaksana sebagai langkah preventif untuk melindungi individu, organisasi, perusahaan, dan lembaga dari potensi kerugian. Salah satu sektor yang sangat rentan terhadap risiko keuangan adalah industri asuransi, yang baru-baru ini disoroti oleh serangkaian kebangkrutan perusahaan asuransi ternama di Indonesia. Dalam konteks ini, Badan Penyelenggara Jaminan Sosial (BPJS) Ketenagakerjaan memegang peran sentral dalam mengelola risiko terkait jaminan sosial, termasuk program Jaminan Hari Tua (JHT), yang memberikan perlindungan finansial bagi pekerja setelah masa pensiun. Penelitian ini bertujuan untuk meramalkan data total nominal klaim JHT menggunakan metode hybrid ARIMA-LSTM, dengan data periode Januari 2018 hingga Februari 2024. Metode hybrid ARIMA-LSTM dipilih karena efektif dalam meramalkan data time series dalam berbagai bidang, seperti yang telah ditunjukkan dalam penelitian terdahulu dalam berbagai bidang, termasuk prediksi ekspor dan kasus COVID-19. Melalui penelitian ini, didapatkan hasil model penelitian terbaik yaitu Hybrid ARIMA (1,1,2) dengan LSTM (2-2-1) dengan lag signifikan y_(t-3) dan y_(t-12). Model tersebut mendapatkan nilai evaluasi 16,9205%. Model Hybrid ARIMA (1,1,2) dengan LSTM (2-2-1) menurunkan nilai error sebesar 1,3139% dari model ARIMA. Hasil peramalan ini dapat digunakan sebagai dasar bagi BPJS Ketenagakerjaan untuk menyusun strategi keuangan yang lebih efektif dan mengelola likuiditas dengan lebih baik.
Clustering Lokasi Pengujian Kualitas Air PT Air Minum Giri Menang (Perseroda) sebagai Bentuk Evaluasi Perusahaan Menggunakan Self Organizing Maps (SOM) Farady, M. Difa; Ahsan, Muhammad
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.156302

Abstract

Terjadi penurunan titik lokasi yang MSAM dari pengawasan yang dilakukan secara internal pada tahun 2022 dan 2021. Maka dari itu, dilakukan clustering berdasarkan lokasi pengujian kualitas air PT Air Minum Giri Menang (Perseroda) menggunakan Self Organizing Maps (SOM). Karakteristik data hasil pengujian di 60 lokasi dari parameter kekeruhan, pH, besi, dan nitrit menunjukkan kualitas air yang sangat baik. Sebelum melakukan clustering, terdeteksi beberapa outlier. Lokasi Ireng menjadi outlier paling esktrim karena memiliki nilai kekeruhan dan pH yang sangat mendekati batas spesifikasi, yaitu kekeruhan sebesar 4,95 NTU dan pH 8,41. Hasil clustering terbaik adalah dengan menghapus satu outlier dan membentuk dua klaster dengan hasil evaluasi nilai silhouette coefficient 0,668 dengan kategori klaster layak atau sesuai. Dilakukan pengujian multivariat normal yang menghasilkan sampel tidak berditribusi normal multivariat, sehingga digunakan pengujian hipotesis nonparametrik Kruskal-Wallis. Berdasarkan hasil pengujian Kruskal-Wallis diperoleh hasil bahwa klaster 1 dan klaster 2 berbeda secara signifikan, serta variabel yang berbeda secara signifikan antara klaster 1 dan klaster 2 adalah kekeruhan dan besi. Klaster 2 cenderung memiliki kualitas air yang lebih baik dibandingkan klaster 1. Kekeruhan di klaster 1 cenderung lebih tinggi dibanding klaster 2 dan beberapa lokasi di klaster 1 memiliki tingkat kekeruhan yang lebih dari 1 NTU. Pada variabel besi juga begitu, klaster 1 cenderung memiliki kandungan besi yang lebih tinggi dibanding klaster 2. Pihak perusahaan perlu meningkatkan pemantauan dan pengendalian kualitas air di lokasi-lokasi dengan nilai di beberapa parameter mendekati batas spesifikasi.
Peramalan Harga Saham PT Gojek Tokopedia Tbk Menggunkan Support Vector Regression dengan Fruit Fly Optimization Algorithm Serhansyah, Aditya Agral; Ulama, Brodjol Sutijo Suprih
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.150020

Abstract

Saham merupakan bukti investasi atas modal terha-dap suatu perusahaan yang digunakan oleh perusahaan dalam menjalankan bisnis dan kegiatan operasionalnya. Tujuan uta-ma dari investasi dalam bentuk saham untuk memaksimalkan return dan meminimalkan risiko yang didapatkan dari return. Informasi harga saham sangat diperlukan oleh para pembeli atau penjual saham. Peramalan harga saham merupakan salah satu teknik analisis untuk mendapatkan prediksi harga saham berdasarkan historis harga saham sebelumnya. Harga saham terendah dan tertinggi (low price and high price) merupakan informasi penting pada perdagangan saham. Harga saham terendah dapat menjadi sinyal bagi investor untuk membeli saham tersebut, dan harga tertinggi menjadi informasi untuk menjual saham tersebut atau mengambil keuntungan. Oleh karena itu, dibutuhkan peramalan yang tepat dan efisien. Pada penelitian ini akan dilakukan peramalan harga saham PT Gojek Tokopedia, Tbk. Metode peramalan yang digunakan adalah Support Vector Regression (SVR) karena metode ini dapat menyelesaikan permasalahan estimasi non-linear sehingga bisa digunakan untuk meramalkan harga saham. Peramalan harga saham menggunakan model SVR akan dibantu dengan optimasi parameter, yaitu Fruit Fly Optimization Algorithm (FOA). Mo-del peramalan terbaik untuk harga high saham PT Gojek Tokopedia Tbk menggunakan kernel RBF dengan para-meter C (constant) sebesar 37,69508, ε (epsilon) sebesar 0,00282, dan γ (gamma) sebesar 0,34580 dengan nilai MAPE sebesar 1,9686%. Model peramalan terbaik untuk harga low saham PT Gojek Tokopedia Tbk menggunakan kernel RBF dengan parameter C (constant) sebesar 64,33006, ε (epsilon) sebesar 0,01161, dan γ (gamma) sebesar 1,77057 dengan nilai MAPE sebesar 1,672%. Pola pergerakan harga saham PT Gojek Tokopedia Tbk selama 10 hari ke depan masih terus berfluktuasi namun cenderung menunjukkan tren naik.
Barcoding Inventarisasi Tumbuhan Obat dan Studi Etnobotani di Kebon Omah Kedinding Lor, Kecamatan Kenjeran, Surabaya Rosyid Ridho, Muhammad Ainur; Irwandi, Shafannisa Febrina; Purwani, Kristanti Indah
Jurnal Sains dan Seni ITS Vol 13, No 6 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i6.157166

Abstract

Tanaman Obat Keluarga (TOGA) merupakan ramuan yang diekstrak dari berbagai bagian tanaman dan dapat digunakan sebagai ramuan tradisional. Keberadaan tanaman obat di lingkungan rumah sangatlah penting. Tanaman obat yang dipilih biasanya yang dapat digunakan untuk pertolongan pertama atau obat ringan seperti demam dan batuk. Penelitian ini menggunakan metode deskriptif dengan pendekatan kualitatif melalui pengumpulan data (Survey) dengan metode wawancara semi terstruktur dengan responden untuk mendokumentasikan, membuat kunci identifikasi berupa booklet dan QRcode. Parameter analisis data yang diamati dalam penelitian ini adalah inventarisasi morfologi yang teridentifikasi. Hasil penelitian menunjukkan bahwa ditemukan 11 spesies yang terbagi 8 familia jenis tumbuhan yang dimanfaatkan oleh masyarakat dan familia terbanyak terdapat pada familia Zingiberaceae sebesar 36.36% yang memiliki 4 spesies. Kemudian 7 familia lainnya hanya ditemukan 1 spesies perfamilianya dengan persentase sebesar 9.09%. Bagian tanaman yang paling sering dimanfaatkan yaitu bagian Daun (47%) dan cara pemanfaatan yang paling sering digunakan yaitu dengan cara Direbus (50%). Manfaat yang diperoleh dari semua tumbuhan obat yang telah diidentifikasi berguna untuk pertolongan pertama atau obat ringan seperti mengobati demam, batuk dan flu.

Page 2 of 3 | Total Record : 28