Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sains Matematika dan Statistika Indonesian Journal of Artificial Intelligence and Data Mining
Christina Eni Pujiastuti
Unknown Affiliation
Computer Science & IT Mathematics

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

Found 2 Documents
Search

 1 
Forecasting Laju Inflasi Indonesia Menggunakan Rantai Markov Joko Riyono; Christina Eni Pujiastuti; Aina Latifa Riyana Putri
Jurnal Sains Matematika dan Statistika Vol 8, No 1 (2022): JSMS Januari 2022
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v8i1.14767

Abstract

Di tahun 2020, pandemi Covid-19 yang melanda dihampir seluruh penjuru dunia telah mengakibatkan kemerosotan perekonomian di beberapa negara. Inflasi sebagai salah satu indikator petunjuk perekonomian suatu negara dapat digunakan untuk mengukur kemerosotan perekonomian. Inflasi merupakan suatu proses kecenderungan atau trend naiknya harga barang dan jasa yang berlangsung secara terus menerus selama beberapa periode waktu. Inflasi yang terkendali dan sangat rendah merupakan salah satu keinginan pemerintah sehingga dapat mendukung terpeliharanya daya beli masyarakat. Sebaliknya inflasi yang tinggi akan mempersulit berkembangnya dunia usaha dalam perencanaan dunia bisnis yang meliputi kegiatan produksi, investasi maupun dalam penentuan harga barang dan jasa yang diproduksi. Pengetahuan prediksi laju inflasi yang akan datang sangat berguna untuk menyiapkan strategi yang tepat dalam menyusun kebijakan di sektor ekonomi. Data laju inflasi merupakan data runtun waktu, yang bersifat acak. Di dalamnya merupakan data perpindahan dari satu waktu ke waktu lainnya yang dapat diklasifikasikan sebagai inflasi ringan, sedang, tinggi dan hiperinflasi. Proses stokastik merupakan suatu proses matematika yang dapat digunakan untuk memodelkan fenomena data yang bergantung pada waktu. Rantai Markov merupakan proses stokastik dengan parameter diskrit yang memenuhi sifat Markov, kejadian yang akan datang hanya bergantung kepada keadaan saat ini. Pada paper ini berdasarkan data laju inflasi di Indonesia dari tahun 1969 sampai tahun 2020 akan dipakai untuk memprediksi tingkat inflasi di masa datang menggunakan analisis distribusi stasioner rantai Markov dan aplikasi software maple dan diperoleh bahwasanya laju inflasi tahun kedepan masih dalam taraf akan rendah sebesar 67.3%, kemungkinan akan sedang sebesar 28.3%, dan kemungkinan akan tinggi sebesar 4.4%.  Kata Kunci: Laju Inflasi, Data Time Series, Proses Stokastik, Rantai Markov.
Early Detection of COVID-19 Disease Based on Behavioral Parameters and Symptoms Using Algorithm-C5.0 Joko Riyono; Aina Latifa Riyana Putri; Christina Eni Pujiastuti
Indonesian Journal of Artificial Intelligence and Data Mining Vol 6, No 1 (2023): Maret 2023
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v6i1.22074

Abstract

The spread of COVID-19 disease has continued since it was first discovered at the end of 2019 until now. Transmission of COVID-19 is very fast, including through close contact through droplets and through the air. Therefore, early detection of COVID-19 is very important for patients and also those around them to be able to fight the COVID-19 pandemic because if patients get proper and fast treatment, then other people around them will be protected. In this study, an analysis of the classification of decision making for COVID-19 detection was carried out based on behavioral parameters and symptoms that could trigger exposure to COVID-19 using the C5.0 algorithm, followed by measuring the performance of the model using the Confusion Matrix. The C5.0 algorithm is a decision tree-based data mining method. The results of the C5.0 algorithm use a comparison of training data and test data of 70:30. After going through the Confusion Matrix test, an accuracy value of 98% is obtained which indicates that the resulting classification is very good, so that the resulting model can be used for early detection of COVID-19 patients.
Co-Authors Aina Latifa Riyana Putri Joko Riyono Joko Riyono