Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Ilmiah Teknologi Informasi Asia
Asyrofa Rahmi
Unknown Affiliation
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Penentuan Upah Minimum Kota Berdasarkan Tingkat Inflasi Menggunakan Backpropagation Neural Network (BPNN) Ervin Yohannes; Wayan Firdaus Mahmudy; Asyrofa Rahmi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 1: April 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (913.176 KB) | DOI: 10.25126/jtiik.201521128

Abstract

Upah Minimum Kota (UMK) adalah sebuah standardisasi upah atau gaji karyawan atau pegawai untuk diterapkan diperusahaan baik itu BUMN, BUMS, maupun perusahaan lain yang berskala besar. Faktor yang mempengaruhi UMK sangat banyak dan beragam salah satunya adalah rata-rata inflasi pengeluaran dimana terdapat 8 kategori yang dipakai. Tulisan ini memaparkan penggunaan Backpropagation Neural Network (BPNN) untuk memprediksi besarnya UMK. Pada tahap uji coba data dibagi menjadi dua bagian yaitu data latih dan data uji, dimana data latih digunakan untuk mencari jumlah iterasi, jumlah hidden layer, dan nilai learning rate yang optimal. Pengujian data latih memberikan hasil yakni jumlah iterasi optimal diperoleh pada saat iterasi 80, sedangkan untuk jumlah hidden layer yang optimal adalah sebanyak satu hidden layer dan untuk nilai learning rate optimal yakni pada saat bernilai 0.8. Semua variabel yang diperoleh dikatakan optimal karena memiliki rata-rata MSE paling kecil dibandingkan dengan data lainnya. Hasil yang diperoleh saat data uji dengan menggunakan iterasi, jumlah hidden layer, dan nilai learning rate yang optimal didapatkan hasil MSE sebesar 0.07280534710552478.
Clustering Nasabah Bank Berdasarkan Tingkat Likuiditas Menggunakan Hybrid Particle Swarm Optimization dengan K-Means Ida Wahyuni; Yudha Alif Auliya; Asyrofa Rahmi; Wayan Firdaus Mahmudy
Jurnal Ilmiah Teknologi Informasi Asia Vol 10 No 2 (2016): Volume 10 Nomor 2 (8)
Publisher : LP2M INSTITUT TEKNOLOGI DAN BISNIS ASIA MALANG

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Setiap Bank memiliki layanan dalam meminjamkan modal kepada suatu perusahaan. Namun nominal pinjaman modal tidaklah sedikit. Sehingga untuk mencegah pengembalian modal dapat dilakukan dengan lancar, diperlukan clustering perusahaan berdasarkan analisa likuiditas. Pada penelitian ini, clustering dilakukan menggunakan hybrid Particle Swarm Optimization dengan K-Means (PSO-KMeans). Metode hybrid tersebut digunakan untuk mendapatkan hasil cluster yang tidak terjebak dalam solusi optimum lokal. Hasil yang diperoleh dari hybrid PSO K-Means menunjukkan hasil yang lebih baik jika dibandingkan dengan menggunakan algoritma K-Means tanpa hybrid. Hal ini dibuktikan dengan perolehan centroid terbaik yang ditunjukkan dengan nilai Silhouette Coefficient yang diperoleh hybrid PSO K-Means lebih baik dibandingkan K-Means.
Co-Authors Ervin Yohannes Ida Wahyuni Luh Putu Ratna Sundari Wayan Firdaus Mahmudy