Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

1.733

P-Index

This Author published in this journals

All Journal J@TI (TEKNIK INDUSTRI) Jurnal Optimasi Sistem Industri PSYMPATHIC Komunikologi: Jurnal Pengembangan Ilmu Komunikasi dan Sosial Jurnal Statistika dan Matematika (Statmat) Jurnal Riset Statistika Bandung Conference Series: Statistics Schema: Journal of Psychological Research STATISTIKA

Dwi Agustin Nuriani Sirodj

Program Studi Statistika, FMIPA, Universitas Islam Bandung

Author-ID : 2152779

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Social Sciences Other

Published : 16 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Klasifikasi Penipuan Transaksi Kartu Kredit Menggunakan Metode Random Forest Tiara Suci Lestari; Dwi Agustin Nuriani Sirodj
Jurnal Riset Statistika Volume 1, No. 2, Desember 2021, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Abstract. In today's technological developments, the use of credit cards is a very easy and practical way for customers to make transactions. However, with the increasing use of credit cards, it will lead to financial fraud, namely fraudulent credit card transactions that can harm customers and the bank or company. One technique that can overcome this problem is data mining techniques, namely the classification used to predict fraudulent actions in credit card transactions. The method used is the random forest method, which is an ensemble method by applying bootstrap aggregating (bagging) and random feature selection, which combines several decision trees to form a forest, then to get the results of the final classification prediction through a voting process. The data used is credit card transaction fraud data for 2019-2020. The purpose of the results of this study is to apply the random forest method to the classification of credit card transaction fraud based on the evaluation of classification accuracy such as confusion matrix, accuracy, sensitivity, precision, f-measure and AUC value. The results of the study showed that the application of the random forest method gave very good classification results in classifying fraudulent credit card transactions. Abstrak. Pada perkembangan teknologi saat ini, penggunaan kartu kredit merupakan cara yang sangat mudah dan praktis digunakan pelanggan dalam melakukan transaksi. Tetapi dengan meningkatnya penggunaaan kartu kredit maka akan menimbulkan kecurangan finansial yaitu penipuan transaksi kartu kredit yang dapat merugikan nasabah maupun pihak bank atau perusahaan. Salah satu teknik yang dapat mengatasi masalah tersebut yaitu teknik data mining yaitu klasifikasi yang digunakan untuk memprediksi tindakan penipuan pada transaksi kartu kredit. Metode yang digunakan yaitu metode random forest yang merupakan metode ensemble dengan menerapkan bootstrap aggregating (bagging) dan random feature selection yaitu menggabungkan beberapa pohon keputusan sehingga membentuk hutan (forest), kemudian untuk mendapatkan hasil dugaan klasifikasi akhir melalui proses voting. Data yang digunakan yaitu data penipuan transaksi kartu kredit tahun 2019-2020. Tujuan hasil dari penelitian ini yaitu menerapkan metode random forest pada klasifikasi penipuan transaksi kartu kredit berdasarkan evaluasi ketepatan klasifikasi seperti seperti confusion matrix, akurasi, sensitivitas, presisi, f-measure dan nilai AUC. Hasil dari penelitian didapatkan bahwa penerapan metode random forest memberikan hasil klasifikasi yang sangat baik dalam mengklasifikasikan penipuan transaksi kartu kredit.

Diagram Kontrol U dan Diagram Kontrol DOB dalam Pengendalian Kualitas Produksi Tepung Anwar Musadad Rosidin; Dwi Agustin Nuriani Sirodj
Jurnal Riset Statistika Volume 2, No. 1, Juli 2022, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Abstract. To maintain and improve the quality of the resulting production is to use statistical quality control. One of the methods used in statistical quality control is control diagram u and control diagram Decision On Belief (DOB). The u control chart and DOB control chart are attribute diagrams that are used to see if a production process is statistically controlled or not by looking at the points that are out of the control limits that have been determined by the existing formula. The DOB control chart which was first introduced by Nezhab (2010) is used to analyze and classify the state of the quality control system using univariate attribute data. This study discusses the quality control of tapioca flour production at PT. X with u and DOB control chart method. The data used in this study is the data on the number of defects in tapioca flour production at PT. X during the period in daily. By looking at the points that are out of control on each control chart. The result of this research is the DOB control chart shows a better performance than the u control chart in controlling the production quality of tapioca flour products at PT. X. Abstrak. Untuk menjaga dan meningkatkan kualitas produksi yang dihasilkan adalah dengan menggunakan pengendalian kualitas statistik. Salah satu metode yang digunakan dalam pengendalian kualitas statistik adalah diagram kontrol u dan diagram kontrol Decision On Belief (DOB). Diagram kontrol u dan diagram kontrol DOB merupakan diagram atribut yang digunakan untuk melihat proses suatu produksi sudah terkendali secara statistik atau belum dengan melihat titik-titik yang keluar dari batas kendali yang telah ditentukan dengan rumus yang sudah ada. Diagram kontrol DOB yang pertama kali diperkenalkan oleh Nezhab (2010) digunakan untuk menganalisis dan mengklasifikasikan keadaan sistem pengendalian kualitas dengan menggunakan data univariat atribut. Dalam penelitian ini dibahas pengendalian kualitas produksi tepung tapioka di PT. X dengan metode diagram kontrol u dan DOB. Data yang digunakan dalam penelitian ini adalah data jumlah cacat produksi tepung tapioka di PT. X selama periode dalam harian. Dengan melihat titik-titik yang out of control pada setiap diagram kontrol. Hasil dari penelitian ini adalah diagram kontrol DOB menunjukkan kinerja yang lebih baik daripada diagram kontrol u dalam pengendalian kualitas produksi produk tepung tapioka di PT. X.

Algoritma Artificial Neural Network dalam Klasifikasi Chest X-Rays Pasien COVID-19 Muhamad Nurhikmat Zain; Dwi Agustin Nuriani Sirodj
Jurnal Riset Statistika Volume 2, No. 2, Desember 2022, Jurnal Riset Statistika (JRS)
Publisher : UPT Publikasi Ilmiah Unisba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/jrs.v2i2.1426

Abstract. Artificial neural network is a network formed based on a human neural network consisting of a summation function, activation function and goal function. Artificial neural networks can be used to recognize objects from an image. The output of the artificial neural network in this study is the result of classification. This study will classify chest x-rays of COVID-19 patients. The process of classification using sigmoid activation function for the case of binary classification. Currently, to diagnose COVID-19 using Reverse Transcription Polymerase Chain Reaction (RT-PCR). However, there are several problems with the test mechanism (RT-PCR), has to do it special tools, materials, and it takes quite a long time. Another solution that can help is, use digital images form of chest x-rays to retrieve information and recognize objects automatically using artificial neural network method. The results of chest x-rays classification using a artificial neural network method with sigmoid activation function, get an accuracy of 88%, precision of 76%, and recall of 76%. Abstrak. Artificial neural network adalah jaringan yang dibentuk berdasarkan jaringan saraf manusia yang terdiri dari fungsi penjumlahan, fungsi aktivasi dan fungsi tujuan. Artificial neural network dapat digunakan untuk mengenali objek dari suatu citra. Output dari artificial neural network pada penelitian ini merupakan hasil klasifikasi. Penelitian ini akan melakukan klasifikasi chest x-rays pasien COVID-19. Proses klasifikasi dilakukan dengan menggunakan bantuan fungsi aktivasi sigmoid untuk kasus klasifikasi binary. Selama ini untuk mendiagnosa COVID-19 dilakukan dengan tes Reverse Transcription Polymerase Chain Reaction (RT-PCR). Namun ada beberapa masalah pada mekanisme pengujian tes (RT-PCR) diantaranya perlunya alat dan bahan khusus dan memakan waktu yang cukup lama. Solusi yang lebih cepat berbasis data sangat diperlukan dibandingkan melakukan tes (RT-PCR). Salah satu cara yang dapat membantu adalah dengan memanfaatkan citra digital berupa chest x-rays untuk mengambil informasi dan mengenali objek secara otomatis dengan menggunakan metode artificial neural network. Hasil klasifikasi chest x-rays dengan arsitektur artificial neural network yang telah dibangun mendapatkan nilai akurasi sebesar 88%, presisi sebesar 76% dan recall sebesar 76%.

Co-Authors Ainun Hayat Damayanti Alfiari Firdaus Anang Kurnia Anwar Musadad Rosidin Dian Trihastuti I Made Sumertajaya Ig. Jaka Mulyana Ihsana Sabriani Borualogo Ivan Gunawan Khasanah, Andhita Nurul Miki Amrilya Wardati Moh. Wigi Destriansyah Muhamad Nurhikmat Zain Muhamad Nurhikmat Zain Permana, Rizka Hadian Rizka Hadian Permana Sulisworo Kusdiyati Susandari Susandari Temi Damayanti Djamhoer Tiara Suci Lestari Vici Sofianna Putera Yehezkiel Prakoso Putra Yunen Yuli Aslamawati, Yuli

Title Search

Found 3 Documents Search Journal : Jurnal Riset Statistika

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search
Journal : Jurnal Riset Statistika