Article Per Year (5 Year)
p-Index From 2019 - 2024
2.517
P-Index
This Author published in this journals
All Journal Indonesian Journal on Computing (Indo-JC) JOIN (Jurnal Online Informatika) JURNAL MEDIA INFORMATIKA BUDIDARMA Building of Informatics, Technology and Science JINAV: Journal of Information and Visualization eProceedings of Engineering
Indwiarti, Indwiarti
Telkom University, Bandung
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Analisis Seleksi Mahasiswa Baru Jalur Non-tulis Menggunakan Algoritma Ant-miner M. Abdul Jabbar; Indwiarti Indwiarti; Fitriyani Fitriyani
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Seleksi mahasiswa baru jalur non-tulis adalah salah satu dari jalur masuk Universitas dengan jumlah pendaftar yang tinggi. Tugas akhir ini membahas bagaimana cara melakukan seleksi mahasiswa baru jalur non-tulis dengan menggunakan rules yang didapat dari metode klasifikasi. Diharapkan rules hasil klasifikasi dapat digunakan untuk membantu mengevaluasi penerimaan mahasiswa baru dari jalur non-tulis. Klasifikasi terhadap data seleksi mahasiswa baru jalur non-tulis dapat dilakukan dengan algoritma ant-miner. Ant-miner (ant-colony based data miner) adalah algoritma yang digunakan untuk mengekstrak rules klasifikasi dari data dan telah memberikan hasil yang cukup memuaskan dalam beberapa jenis data kompleks yang telah diujikan. Tugas akhir ini juga bertujuan untuk menghasilkan analisis dari penggunaan algoritma ant-miner terhadap data seleksi mahasiswa baru jalur non-tulis. Hasil penelitian tugas akhir ini menunjukkan bahwa algoritma ant-miner menghasilkan akurasi training dan testing yang cukup baik, tidak overfitting, dan menghasilkan rules dengan akurasi, recall dan presisi yang baik sehingga dapat digunakan untuk mengevaluasi penerimaan mahasiswa baru jalur non-tulis. Kata kunci : Klasfikasi, Seleksi Mahasiswa Baru, Ant-colony optimization, Ant-miner
Aplikasi Data Mining Menggunakan Aturan Asosiasi Dengan Algoritma Pincer Search Untuk Menganalisis Data Transaksi Penjualanstudi Kasus: Data Transaksi Penjualan Yomart Margacinta Bandung Mochamad Ikbal Ashari; Indwiarti Indwiarti; Yulian Sibaroni
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dunia bisnis ritel mengalami pertumbuhan yang sangat pesat, hal ini ditandai meningkatnya jumlah ritel. Umumnya setiap ritel menggunakan sistem komputerisasi dalam penyimpanan data penjualan dan pembelian yang menghasilkan data transaksi. Data transaksi tersebut dapat digunakan sebagai sumber informasi penting dalam mempertahankan keberadaan usaha tersebut. Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan penjualannya. Penelitian ini bertujuan untuk membangun sebuah aplikasi analisis keranjang belanja (market basket analysis) yang berkaitan dengan data transaksi penjualan yang menggunakan aturan assosiasi, mengidentifikasi beberapa tipe dari kaidah asosiasi yang berkaitan dengan data transaksi penjualan yaitu nilai-nilai support dan confidence, mengetahui combinasi dari item-item yang sering dibeli bersamaan oleh konsumen. Penelitian diolah dengan menggunakan software Microsoft Office Excel 2010 dan software matlab 2013. Data dianalisis menggunakan algoritma pincer-search yang menghasilkan aturan asosiasi dengan pola “if-then”. Hasil dari Aplikasi Analisis Keranjang Belanja adalah rule-rule yang menerangkan kecenderungan pelanggan dalam membeli barang-barang yang dibeli secara bersamaan, rule-rule tersebut akan digunakan untuk menentukan penempatan item-item agar supermarket dapat memaksimalkan keuntungan yang dapat diperoleh supermarket, dalam studi kasus ini adalah Yomart. Kata Kunci: Market Basket Analysis, Algoritma Pincer-search, Support, Confidence
Implementasi Klasifikasi Decision Tree Dengan Algoritma C4.5 Dalam Pengambilan Keputusan Permohonan Kredit Oleh Debitur (Studi Kasus: Bank Pasar Daerah Istimewa Yogyakarta) Rafik Khairul Amin; Indwiarti Indwiarti; Yuliant Sibaroni
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Meminjam dangan cara kredit sudah merupakan hal biasa di masyarakat. Sebelum mendapatkan kredit, seseorang harus melalui survey yang akan dilakukan oleh seorang analisis kredit untuk mengetahui apakah pemohon kredit layak atau tidak layak untuk mendapat kredit.Seorang analisis kredit harus benar-benar teliti dalam memprediksi pemohon kredit tersebut dalam pemberian kredit agar tidak terjadi kredit macet. Perlu adanya suatu penunjang keputusan untuk membantu seorang analisis kreditdalammemprediksi pemohon kredit. Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Pohon keputusan merupakan salah satu metode klasifikasi yang paling populer karena mudah untuk dipahami. C4.5 merupakan algoritma pohon keputusan yang sering digunakan untuk membuat suatu pohon keputusan karena memiliki tingkat akurasi yang tinggi dalam menentukan keputusan. Algoritma C4.5 adalah suksesor dari ID3 dimana pemilihan root dan parent bukan hanya berdasar information gain saja tetapi juga split information untuk mendapatkan Gain Ratio. Dataset yang digunakan dalam penelitian ini yaitu sebanyak 1000 data dengan proporsi 70% disetujui dan 30% data debitur yang ditolak. Dalam laporan ini dibahas kinerja algoritma pohon keputusan C4.5 pada identifikasi kelayakan kredit oleh debitur. Dari penelitian yang dilakukan, diketahui nilai precision terbesar dicapai oleh algoritma C4.5 dengan partisi data 90%:10% dengan nilai sebesar 78,08 %. Nilai recall terbesar partisi data 80%:20% dengan nilai sebesar 96,4 %. Dari hasil data latih yang sama,ID3 menghasilkan precision sebesar 71,51% dan recall sebesar 92,09% Hasil akhir dari penelitian ini membuktikan bahwa pada kasus ini algoritma C4.5 memiliki tingkat akurasi yang tinggi dan lebih baik dari ID3. Kata kunci :Pohon Keputusan, C4.5, Kelayakan Kredit Debitur, Gain Ratio.
Analisis Prediksi Churn Menggunakan Metode Logistic Regression Dan Algoritma Decision Tree Cici Olivia; Indwiarti Indwiarti; Yulian Sibaroni
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Costumer Relationship Management (CRM) merupakan sebuah strategi bisnis yang berorientasi pada pelanggan, dengan tujuan untuk memaksimalkan profit perusahaan dan kepuasan pelanggan. Salah satu aplikasi dari CRM adalah prediksi Churn. Churn mempunyai makna pelanggan memutuskan untuk keluar dari provider dan beralih ke provider lainnya atau ketidaksetiaan pelanggan. Teknik klasifikasi yang digunakan untuk prediksi Churn menggunakan metode Logistic Regression dan Decision Tree. Pada Logistic Regression pembentukan model berbasiskan persamaan dan kurva Logistic Regression. Sedangkan pada Decision Tree berbasiskan pohon keputusan. Hasil penelitian menunjukkan Decision Tree menghasilkan performansi lebih baik dibandingkan Logistic Regression dengan nilai akurasi 94,42% dan waktu 0,064 second. Sedangkan performansi yang dihasilkan metode Logistic Regression dengan akurasi sebesar 80,73% dan waktu 0,935 second. Penelitian lebih lanjut menunjukkan performansi terbaik pada metode Decisian Tree menggunakan satu atribut tagihan. Kata kunci: Prediksi Churn, Klasifikasi, Logistic Regression, Decision Tree.
Analisis Topologi Jaringan Saham-saham Lq45 Dengan Menggunakan Forest Of All Minimum Spanning Trees Rizky Farida Utami; Rian Febrian Umbara; Indwiarti Indwiarti
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Investasi saham di pasar modal merupakan cara untuk semakin memajukan ekonomi negara. Pada penelitian ini akan dilakukan analisis topologi jaringan saham-saham LQ45 dengan menggunakan forest of all Minimum Spanning Trees untuk melihat korelasi antar saham dan juga melihat sentralitas atau saham mana saja yang berpengaruh. Untuk meringkas informasi yang terkandung di forest of all MST, digunakan ukuran seperti ukuran sentralitas derajat, ukuran sentralitas keantaraan, ukuran sentralitas kedekatan, ukuran sentralitas vektor eigen dan ukuran sentralitas keseluruhan. Hasil yang didapat adalah, untuk sentralitas derajat tertinggi 0.159091 yaitu saham BSDE (Bumi Serpong Damai Tbk), untuk sentralitas keantaraan tertinggi 0.167019 yaitu saham BSDE (Bumi Serpong Damai Tbk), untuk sentralitas kedekatan tertinggi 0.427184 yaitu saham BSDE (Bumi Serpong Damai Tbk), untuk sentralitas vektor eigen tertinggi 0.538778 yaitu saham BSDE (Bumi Serpong Damai Tbk), dan untuk sentralitas keseluruhan tertinggi 0.259901 yaitu saham BSDE (Bumi Serpong Damai Tbk). Setelah menghitung ukuran sentralitas, terlihat bahwa saham BSDE merupakan saham yang memiliki korelasi tinggi dengan saham-saham lain dan saham paling berpengaruh di indeks LQ45 periode Agustus 2016-Januari 2017. Kata Kunci: forest of all minimum spanning trees, ukuran sentralitas, LQ45 Abstract Stock investment in the capital market is a way of advancing the country's economy. In this research, LQ45stock network topology analysis will be carried out using the forests of all Minimum Spanning Trees to see information and see the centrality. To summarize the information contained in the forests of all MSTs, centrality measures such as degree centrality, betweness centrality, closeness centrality, eigenvector centrality and overall centrality. The results obtained are, for the highest of degree centrality 0.159091 is stock BSDE (Bumi Serpong Damai Tbk), for the highest of betweness centrality 0.167019 is stock BSDE (Bumi Serpong Damai Tbk), for the highest of betweness centrality 0.427184 is stock BSDE (Bumi Serpong Damai Tbk), for the highest of eigenvector centrality 0,538778 is stock BSDE (Bumi Serpong Damai Tbk), and for the highest of overall centrality 0,259901 is stock BSDE (Bumi Serpong Damai Tbk). After calculating the amount of centrality, it can be seen that stocks BSDE has a high correlation with other stocks and the most influential stock on index LQ45 for the period of August 2016-January 2017. Keywords: forest of all minimum spanning trees, centrality measures, LQ45
Analisis Waktu Perbaikan Pada Sistem Kontinu Ika Nugraheni; Indwiarti Indwiarti; Erni Sumaryati
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

rak PT. Tyfountex merupakan sebuah pabrik yang memproduksi kain secara besar-besaran dan melakukan produksinya selama 24 jam. Mesin yang digunakan merupakan mesin yang saling berkesinambungan sehingga bila mesin satu rusak maka mesin selanjutnya akan terganggu. Dan jika ada faktor-faktor yang mengganggu proses produksi maka keuntungan dan proses produksi akan terganggu juga. Mesin yang berjalan secara kontinu ini sering terjadi kerusakan permanen maupun kerusakan kecil terutama pada mesin Continuous 1. Pada Continuous 1 ini terdiri dari mesin pander infrared, compiler , hotflow, dan drying and washing. Oleh karena itu,diperlukan analisis kapan harus dilakukan perbaikan,pergantian,dan pengkondisian ulang pada setiap komponen mesin. Hasil dari analisis ini akan didapatkan nilai D untuk mengetahui kecocokan distribusi dan waktu rata-rata antar kegagalannya Kata kunci : Sistem Kontinu, Perbaikan, Pergantian, Pengkondisian Ulang/ Penginstallan ulang.
Analisis Topologi Jaringan Saham-saham Lq45 Dengan Menggunakan Minimum Spanning Tree (mst) Tegar Tionanda Putra; Rian Febrian Umbara; Indwiarti Indwiarti
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam tugas akhir ini akan dibahas tentang analisis topologi jaringan saham LQ45 dengan menggunakan minimum spanning tree (MST). LQ45 merupakan salah satu indeks di Bursa Efek Indonesia. MST digunakan untuk dapat menentukan topologi jaringan dari saham-saham LQ45. Pentingnya sebuah topologi jaringan untuk dapat menentukan korelasi antara saham-saham yang ada pada LQ45. Untuk dapat membangun MST diperlukan algoritma pendukung, dalam tugas akhir ini menggunakan algoritma kruskal. Untuk meringkas informasi yang terkandung di dalam MST, menggunakan ukuran sentralitas masing-masing saham seperti sentralitas derajat, sentralitas keantaraan, sentralitas kedekatan dan sentralitas eigenvector. Hasilnya di dapat untuk sentralitas derajat 0,113636 yaitu saham PT Jasa Marga Tbk (JSMR), untuk sentralitas keantaraan 0,157505 yaitu saham PT Summarecon Agung Tbk (SMRA), untuk sentralitas kedekatan 0,295302 yaitu saham PT Summarecon Agung Tbk (SMRA), dan untuk sentralitas eigenvector 0,472326 yaitu saham PT Wijaya Karya Tbk (WIKA). Kata kunci : MST, Algoritma Kruskal, Ukuran Sentralitas, Indeks LQ45 Abstract In this final project will be discussed about LQ45 stock network topology analysis using minimum spanning tree (MST). LQ45 is one of the indexes in Indonesia Stock Exchange. MST is used to determine network topology from LQ45 stocks. The importnace of a network topology to be able to determine the correlation between stocks in LQ45. To be able to build this MST required support algorithm, in this final project using kruskal algorithm. To summarize the information contained in the MST, use the centrality measure of each stock such as degrees centrality, betweenness centrality, closeness centrality and eigenvector centrality. The result for degrees centrality of 0,113636, which is the stock of PT Jasa Marga Tbk (JSMR), for betweenness centrality of 0,157505 which is the stock of PT Summarecon Agung Tbk (SMRA), for closeness centrality of 0,295302 which is the stock of PT Summarecon Agung Tbk (SMRA), and for eigenvector centrality of 0,472326 which is the stock of PT Wijaya Karya Tbk (WIKA). Keywords: MST, Kruskal Algorithm, Centrality Measure, LQ45 Index
Analisis Hasil Tracer Study Terhadap Alumni Universitas Telkom Dengan Menggunakan Minimum Spanning Tree (mst). Dika Rizky Nurcholis; Rian Febrian Umbara; Indwiarti Indwiarti
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Tracer Study merupakan survey alumni yang dilaksanakan oleh sebuah perguruan tinggi. Tujuan dilaksanakannyatracerstudyadalahuntukmengetahuiprosespenyerapan,danposisilulusandalamduniakerja. Pada tugas akhir ini dilaksanakan penelitian untuk mengetahui topologi jaringan pada kompetensikompetensi alumni Telkom University menggunakan metode Minimum Spanning Tree (MST) dengan Algoritma kruskal untuk mengetahui kompetensi yang paling penting dan berpengaruh pada alumni UniversitasTelkom. JenisdatayangdigunakanadalahdatatracerstudyalumniTelkomUniversitytahun2015. Macam-macamsentralitasmenentukankepentinganrelatifuntuksetiapkompetensitertentu. Limamacam sentralistas akan dibahas yaitu, sentralitas derajat, sentralitas keantaraan, sentralitas kedekatan, sentralitas vektor eigen dan sentralitas keseluruhan. Sentralitas keseluruhan dapat digunakan untuk meringkas informasipentingyangterkandungdalamjejaringsosial. Hasilkompetensiyangpalingpentingdanberpengaruh terdiri dari enam kompetensi, yaitu kompetensi (1) Pengetahuan di bidang atau disiplin ilmu, (22) Kemampuan dalam memegang tanggung jawab, (4) Keterampilan Internet, (3) Pengetahuan umum , (8) KemampuanBelajar,dan(6)BerpikirKritis.Katakunci: CentralityMeasure,TracerStudy,MST,AlgoritmaKruskal.Abstract Tracer Study is an alumni survey that conducted by a university. The purpose of this Tracer Study is to figure out the process of absorption, and position of graduates in the world of work. In this final project, a research was conducted to find out the network topology on Telkom University alumni competencies using Minimum Spanning Tree (MST) method with kruskal algorithm to find out the most important and influentialcompetenciesofalumniinTelkomUniversity. Thetypeofdatausedisdatatracerstudyalumni Telkom University in 2015. Centrality measures determine the relative importance for each particular competence. Five kinds of centrality will be discussed degree centrality, betweenness centrality, closeness centrality,eigenvectorcentralityandoverallmeasurecentrality. OverallMeasurecanbeusedtosummarize importantinformationthatcontainedinsocialnetworking. Themostimportantandinfluentialcompetency results there are six competencies, namely competency (1) Knowledge in the field or discipline, (22) Ability to hold responsibilities, (4) Internet skills, (3) General knowledge, (8) Ability Learning, and (6) Critical Thinking.Keywords: CentralityMeasure,TracerStudy,MST,KruskalAlgorithm.
Analisis Hasil Tracer Study Alumni Universitas Telkom Dengan Forest Of All Minimum Spanning Trees (msts) May Rozakhi Takkas; Rian Febrian Umbara; Indwiarti Indwiarti
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Tracer Study merupakan survey terhadap alumni yang dilaksanakan oleh sebuah perguruan tinggi. Tracer Study bertujuan untuk mengetahui umpan balik pendidikan dalam bentuk transisi dari dunia pendidikan tinggi ke dunia kerja. Pada tugas akhir ini dilakukan pemetaan korelasi antara kompetensi-kompetensi alumni Universitas Telkom dengan menggunakan metode forest of all Minimum Spanning Trees (MSTs). Data yang digunakan adalah data hasil tracer study terhadap alumni lulusan tahun 2014. Lima ukuran sentralitas digunakan untuk menghitung tingkat kepentingan relatif dari masing -masing kompetensi. Kelima ukuran sentralitas tersebut adalah sentralitas derajat (degree centrality), sentralitas keantaraan (betweenness centrality), sentralitas kedekatan (closenness centrality), sentralitas vektor eigen (eigen vector centrality) dan sentralitas keseluruhan (overall centrality). Dari hasil perhitungan terlihat bahwa kompetensi kepemimpinan memiliki nilai tertinggi untuk kelima sentralitas. Kata kunci : Tracer Study, Forest of All Minimum Spanning Trees (MSTs), Centrality Measure Abstract Tracer Study is a survey of alumni carried out by a college. Tracer Study aims to find out educational feedback in the form of a transition from the world of higher education to the world of work. In this final project, a correlation between the competencies of alumni of Telkom University was carried out by using the forest of all Minimum Spanning Trees (MSTs) method. The data used are data from tracer studies of alumni graduating in 2014. Five measures of centrality are used to calculate the relative importance of each competency. The five measures of centrality are degree centrality, betweenness centrality, closenness centrality, eigen vector centrality and overall centrality. From the calculation results, it can be seen that leadership competencies have the highest value for the five centralities. Keywords: Tracer Study, Forest of All Minimum Spanning Trees (MSTs), Centrality Measure
Penentuan Market Sentiment Menggunakan Markov Regime Switching Model Rica Ning Nurhasanah; Jondri Jondri; Indwiarti Indwiarti
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Saham merupakan objek investasi yang diminati oleh banyak pengusaha, baik itu individual maupun suatu perusahaan. Penting sekali untuk mengetahui kondisi saham untuk para pengusaha yang berminat dibidang ini. Karena, apabila kurangnya pengetahuan kondisi suatu saham dapat mengakibatkan resiko kerugian yang cukup tinggi. Untuk itu perlu adanya perhitungan untuk mengetahui kondisi saham, salah satu metodenya yaitu menggunakan Data Science. Pada Tugas Akhir ini, dilakukan penelitian terhadap indeks saham tiga negara yaitu, Indeks Indonesia(ISHG/JKSE), Indeks China(SEE) dan Indeks Singapura(SGX). Data yang digunakan adalah data indeks saham perminggu dimulai dari 1 Januari 2006 s/d 31 Desember 2016. Metode yang digunakan dalam Tugas Akhir adalah Markov Regime Switching Model. Hasil yang didapatkan adalah kondisi bull ketiga saham terjadi sebanyak 37,46% dan kondisi bear ketiga saham terjadi sebanyak 16,55%. Kata Kunci : Data Science, Indeks saham, Markov Switching
Co-Authors Aniq Atiqi Rohmawati Annisa Aditsania Bagas Yafitra Pandji Cici Olivia Daffa Ulayya Suhendra Dika Rizky Nurcholis Dyas Puspandari Edvan Tazul Arifin Erni Sumaryati Fhira Nhita Fiona Ramadhani Senduk Fitriyani Fitriyani Ika Nugraheni Irma Palupi irma palupi Jondri Jondri Jondri Jondri Jondri Jondri Justinus Dedy Handyka Simanjuntak M. Abdul Jabbar May Rozakhi Takkas Mochamad Ikbal Ashari Muhammad Rizqi Akbar Ni Luh Ketut Dwi Murniati Ni Putu Winda Ardiyanti Rafik Khairul Amin Rangga Arya Pamungkas Rian Febrian Umbara Rica Ning Nurhasanah Rizky Farida Utami Rizky Rahmattullah Samuel Erlangga Tegar Tionanda Putra varid vaya yusuf Vena Erla Candrika Yulian Sibaroni Yuliant Sibaroni