Article Per Year (5 Year)
p-Index From 2019 - 2024
0.92
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Jurnal Nasional Komputasi dan Teknologi Informasi Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jambura Journal of Electrical and Electronics Engineering
Ruhmi Sulaehani
Universitas Pohuwato
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Aplikasi Prediksi Harga Jahe Merah Metode Time Series Autoregressive Integrated Moving Average Ruhmi Sulaehani; Bahrin Bahrin
Jambura Journal of Electrical and Electronics Engineering Vol 4, No 1 (2022): Januari - Juni 2022
Publisher : Teknik Elektro - Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (608.515 KB) | DOI: 10.37905/jjeee.v4i1.12077

Abstract

Harga jahe merah naik secara signifikn sebelum wabah Covid-19 harga jahe di pasaran normal berkisar Rp.20.000/kg, tapi selama pandemi harga jahe merah naik secara signifikan. Harga naik secara signifikan tanpa pemberitahuan sebelumnya terjadi karena permintaan yang sangat melonjak baik dalam wilayah Kabupaten Pohuwato maupun diluar wilayah Kabupaten Pohuwato. Tujuan Penelitian ini yaitu membantu pemerintah memprediksi harga jahe merah dipasaran dalam kurung waktu tertentu dengan membuat aplikasi prediksi berbasis Web, bahasa pemrograman PHP dan untuk menganalisis digunakan aplikasi software Statistik R, metode yang digunakan yaitu Time series model ARIMA. Berdasarkan nilai aktual dan nilai hasil prediksi harga jahe merah yang diperoleh, pada model ARIMA didapatkan nilai AIC dengan model terbaik adalah -3048,61, yang merupakan nilai minimun. Aplikasi yang dibuat dapat membantu masyarakat dan pemerintah setempat mendapatkan info perkiraan atau prediksi harga jahe merah dimasa depan. Hasil prediksi harga jahe merah memperlihatkan harga jahe merah turun di bulan Juni yaitu sebesar Rp. 21.932/kgThe price of red ginger had increased significantly. Before the Covid-19 outbreak the price of red ginger on the market was normal. It was around Rp. 20.000/kg but during the pandemic the price of the red ginger increased significantly without any prior notification due to the red ginger was in demand both inside and outside the Pohuwato Regency. The purpose of this research is to help the Government control the prices in the market and to help the public society to get fast information about the estimation of the future prices during the particular time by creating a web-based prediction application using the PHP Programming Language and Data Analysis using the R Statistical Software Application. The research merhod used is the ARIMA time series model based on the actual value and predicted value of the red ginger prices obtained. There is an AIC value in the ARIMA model. The best model is -3048.61 the best model has the minimum AIC value. The application created is able to help the community and local government to get information on the estimated prices of the red ginger in the future. The results of the estimated prices of the red ginger showed the prices decreased in june by Rp. 21.932/kg.
METODE VIKOR DALAM PEMILIHAN PEGAWAI PEMERINTAH NON PEGAWAI NEGERI BERKUALITAS (PPNPN) Ruhmi Sulaehani; Jamaludin Bilondatu
Simtek : jurnal sistem informasi dan teknik komputer Vol 7 No 1 (2022): April 2022
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v7i1.121

Abstract

Untuk menunjang kinerja pegawai pemerintah non pegawai negeri (PPNPN) di Kantor Petanahan (BPN) Kabupaten Pohuwato dilakukan pemilihan pegawai berkualitas pada setiap tahunnya, dalam proses pemilihan PPNPN yang memiliki kompetensi sesuai dengan kriteria yang telah ditetapkan maka diperlukan metode yang dapat membantu dalam mengambil keputusan. Dari hasil penelitian Aplikasi sistem pendukung keputusan berbasis web dengan menggunakan metode Vise Kriterijumska Optimizajica I Kompromisno Resenje (VIKOR) dapat membantu Kantor Pertanahan Kabupaten Pohuwato dalam menentukan pegawai berkualitas, metode ini dipilih karena mampu menyelesaikan data terbaik dengan mencari nilai bobot untuk setiap kriteria, seperti orientasi pelayanan, Integritas, Komitmen, Disiplin, dan Kerjasama. Dengan dilakukannya proses perangkingan yang akan menentukan alternatif yang optimal proses ini dapat membantu Kantor Pertanahan (BPN) Kabupaten Phuwato dalam melakukan proses penilaian kepada pegawai berkualitas di lingkungan Kantor Pertanahan (BPN) Kabupaten Pohuwato. Metode yang digunakan mempermudah dalam proses pengolahan data yang ada sehingga hasil yang diharapkan dapat lebih efektif dan efesien.
Klasifikasi Tingkat Kepuasan Masyarakat Program RTP2S Menggunakan Metode SVM Berbasis Backward Elimination Ruhmi Sulaehani; Bahrin Bahrin
Jambura Journal of Electrical and Electronics Engineering Vol 5, No 1 (2023): Januari - Juni 2023
Publisher : Teknik Elektro - Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjeee.v5i1.17204

Abstract

RTP2S merupakan program pencanangan Rumah Tangga Pelopor Pencegahan Stunting, pendekatanya diimplementasikan melalui model pilot RTP2S yang didasarkan desa lokus stunting dan desa bermasalah sanitasi dan air bersih. Permaslahan yang terjadi yaitu pemerintah tidak ada data langsung dari masyarakat untuk mengetahui berhasil tidaknya pemerintah atau puas tidaknya masyarajkat dengan adanya program RTP2S yang telah dijalankan. Klasifikasi keberasilan pemerintah dinilai dari tingkat kepuasan masyarakat terhadap program RTP2S. Data yang digunakan yaitu berupa data hasil wawancara terhadap masyarakat yang berupa kuesioner. Pertanyaan kuesioner yang dibuat terdiri dari 16 pertanyaan yang disimbolkan P1-P16. Hasil kuesioner diinput menggunakan Microsoft Excel, data yang didapatkan sebanyak 50 record. Tahap preprocessing yang dilakukan yaitu pertama data selection dimana dilakukan pemilihan data sebelum tahap pemodelan, yang kedua tahap cleaning diterapkan untuk menghapus data kosong dan merubah data yang tidak konsisten, dan ketiga data reduction dalam dataset mungkin terjadi inkonsisten data dan duplikat data atau terdapat data yang sama akan dijadikan satu tupel. Untuk tahap eksperimen, peneliti menggunakan tool RapidMiner untuk pemodelan klasifikasi. Dari hasil penelitian bahwa dengan menggunakan seleksi fitur sangat berpengaruh terhadap peningkatan akurasi, karna atribut yang tidak signifikan dari model akan dieliminasi, dari hasil eliminasi menggunakan backward elimination, atribut yang digunakan hanya 5 atribut. Akurasi yang didapatkan dengan menggunakan Metode Support Vector Machine yaitu 54.00% sedangkan Support Vector Machine berbasis Backward Elimination yaitu 62.00%. Klasifikasi Tingkat Kepuasan Masyarakat Terhadap Program RTP2S yang di proporsi jumlah data bernilai benar yang berhasil diklasifikasi secara tepat yaitu 62% yaitu data Puas diklasifikasi Puas. Hasil yang didapatkan merupakan tingkat keberhasilan pemerintah dimana 62% masyarakat penerima bantuan RTP2S merasa Puas terhadap program RTP2S.
Predicting the success of the government’s program of lomaya (Regional PKH) in reducing poverty Ruhmi Sulaehani; Marniyati Husain Botutihe
ILKOM Jurnal Ilmiah Vol 14, No 3 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i3.1149.323-328

Abstract

Poverty reduction is one indicator of the success of development. The form of support from the Pohuwato Regency Government through the Social Service is to organize PKH-D, which is known as LOMAYA. It is one of the implementations of the Community Movement Towards Independent Prosperity (Gerakan Masyarakat Menuju Sejahtera Mandiri). This research was conducted to assist the government in predicting the level of development success indicated by the satisfaction of beneficiaries of lomaya. The method employed was the Naïve Bayes method and forward feature selection. The research data was obtained from a survey of lomaya beneficiaries in the last two years. The accuracy result obtained using the Naïve Bayes algorithm was 94.19%, while Naïve Bayes with the Forward Selection feature was only 94.03%. Therefore, the Naïve Bayes algorithm method is better than the Forward Selection based Naïve Bayes algorithm. Forward selection does not improve accuracy because the selection process causes many attributes to be discarded because they are considered irrelevant. This happened because of the inaccuracy of the data after being selected for its attributes using the Forward Selection feature resulting 1 attribute  only as a determinant.
Klasifikasi Nasabah Dalam Pengelolaan Resiko Kredit Menggunakan Metode Nave Bayes Betrisandi Betrisandi; Ruhmi Sulaehani; Ivo Colanus Rally Drajana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 6 (2023): Desember 2023
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i6.7246

Abstract

Abstrak - Pengelolaan risiko kredit merupakan elemen kritis dalam industri keuangan, di mana perusahaan perbankan dan lembaga keuangan lainnya berupaya untuk meminimalkan risiko gagal bayar peminjam. klasifikasi nasabah menjadi tantangan signifikan dan memegang peranan penting dalam proses pengambilan keputusan kredit. Oleh karena itu, klasifikasi nasabah menjadi suatu aspek penting dalam proses pengambilan keputusan kredit yang dapat membentuk dasar keputusan terkait penentuan suku bunga, plafon kredit, dan pemantauan risiko secara keseluruhan. penelitian ini bertujuan untuk memberikan kontribusi pada pemahaman mendalam terkait metode klasifikasi yang efektif dalam mengelola risiko kredit dengan menggunakan metode klasifikasi, dengan fokus pada pendekatan Naive Bayes, untuk mengatasi permasalahan yang dihadapi dalam klasifikasi nasabah. Kumpulkan data nasabah yang mencakup berbagai fitur atau atribut seperti umur, penghasilan, merek barang, jangka waktu dan jumlah bayar dengan hasil akurasi pada penelitian ini sebesar 87,30% sehingga membantu dalam pengambilan keputusan yang tepat dan akurat dalam memberikan kredit kepada nasabah. Kata kunci: Metode Nave Bayes, Klasifikasi, NasabahAbstract - Credit risk management is a critical element in the financial industry, where banking companies and other financial institutions strive to minimize the risk of borrower default. Customer classification is a significant challenge and plays an important role in the credit decision making process. Therefore, customer classification is an important aspect in the credit decision making process which can form the basis of decisions regarding determining interest rates, credit ceilings and overall risk monitoring. This research aims to contribute to an in-depth understanding of effective classification methods in managing credit risk using classification methods, with a focus on the Naive Bayes approach, to overcome problems faced in customer classification. Collect customer data which includes various features or attributes such as age, income, brand of goods, time period and payment amount with accuracy results in this research of 87,30% thus helping in making the right and accurate decisions in providing credit to customers.Keywords: Nave Bayes Method, Classification, Customer
Co-Authors Bahrin Bahrin Bahrin Bahrin Betrisandi Betrisandi Ivo Colanus Rally Drajana Jamaludin Bilondatu Marniyati Husain Botutihe