Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science MARAS : Jurnal Penelitian Multidisplin
Yuyun Hidayat
Universitas Padjadjaran
Computer Science & IT Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Public Health

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

Found 2 Documents
Search

 1 
PERAMALAN TUNGGAKAN TAGIHAN PELANGGAN MENGGUNAKAN MODEL AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) Tri Wulanda Fitri; Gumgum Darmawan; Sri Winarni; Yuyun Hidayat; Resa Septiani Pontoh
MARAS: Jurnal Penelitian Multidisiplin Vol. 1 No. 3 (2023): MARAS : Jurnal Penelitian Multidisiplin, Desember 2023
Publisher : Lumbung Pare Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60126/maras.v1i3.108

Abstract

Kenaikan jumlah pelanggan pada perusahaan X mengakibatkan kenaikan yang sama pada besar tunggakan tagihan pelanggan. Data tunggakan tersebut cenderung memiliki pola tren naik dan memiliki fluktiasi yang besar, akibatnya perusahaan memerlukan adanya peramalan guna perencanaan dan acuan dalam pengambilan keputusan serta evaluasi kebijakan yang tepat untuk mencegah peningkatan jumlah tunggakan tagihan di masa mendatang dan mengurangi risiko kerugian. Metode peramalan yang akan digunakan pada penelitian ini adalah Autoregressive Fractionally Integrated Moving Average (ARFIMA). Metode ARFIMA dipilih karena data memiliki sifat long memory, dilihat dari lag pada plot ACF data yang menurun secara hiperbolik menuju nilai nol. Artinya observasi yang terpisah jauh masih memiliki perilaku berkelanjutan atau ketergantungan yang kuat. Ciri lain dari metode ARFIMA adalah nilai differencing-nya. Berbeda dengan metode ARIMA yang memiliki parameter d berupa bilangan asli, metode ARFIMA memiliki parameter d berupa bilangan pecahan. Pada penelitian digunakan differencing sebesar 0,697 dengan model ARFIMA (1, d, 0) untuk melakukan peramalan 6 periode kedepan. Diperoleh nilai MAPE untuk peramalan tersebut sebesar 9,28%.
Analisis Relasi Data Support dan Demand Bahasa Pemrograman di Indonesia Rizky Ramadhan Sudjarmono; Muhammad Dzikri Alfian Zahir; Frederick James Prakoso; Dandy Erlangga Aryaputra; Fakhri Fajar Ramadhan; Hudzaifah Al Mutaz Billah; Yuyun Hidayat
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 2 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i2.9443

Abstract

Programmer mengambil peran besar dalam industri 4.0. Pekerjaan ini berkontribusi besar dalam automasi yang dilakukan pada revolusi industri ini. Melamar pekerjaan sebagai programmer biasanya ditentukan oleh bahasa pemrograman yang dibutuhkan seperti python dan java. Tenaga kerja digital untuk programmer di Indonesia dapat berkembang apabila bahasa pemrograman yang dibutuhkan oleh industri memiliki banyak dukungan. Berdasarkan hal itu, tujuan dari studi ini adalah untuk menganalisis keterkaitan dari popularitas bahasa pemrograman dan lowongan kerjanya, serta mengetahui bahasa pemrograman yang paling ideal untuk dipelajari sebagai kompetensi guna memasuki dunia kerja. Metode yang digunakan dalam studi ini adalah metode deskriptif kuantitatif, diantaranya dengan melibatkan perhitungan mean dari indeks PyPL dan TIOBE pada 12 bulan terakhir serta analisis korelasi dan regresi dengan data lowongan pekerjaan dari LinkedIn. Data lowongan kerja pada LinkedIn yang diolah adalah data lowongan kerja yang berada di Indonesia. Hasil dari studi ini menunjukkan bahwa bahasa pemrograman yang direkomendasikan adalah Python dengan hubungan popularitas (support) dan lowongan kerjanya yang tinggi. Studi ini menunjukkan beberapa spektrum sebagai pemetaan, yaitu non-Ideal, short in demand, short in support, dan Ideal. Python sebagai bahasa pemrograman yang direkomendasikan berada pada spektrum ideal dengan demandnya yang tinggi yaitu 1.675 pekerjaan tersedia pada LinkedIn (demand), 12,60% pada indeks TIOBE, dan 29,80% pada indeks PyPL (support). Kata kunci: Bahasa Pemrograman, LinkedIn, Lowongan Kerja, Mean, PyPL, Regresi Linear, TIOBE
Co-Authors Dandy Erlangga Aryaputra Fakhri Fajar Ramadhan Frederick James Prakoso Gumgum Darmawan Hudzaifah Al Mutaz Billah Muhammad Dzikri Alfian Zahir Resa Septiani Pontoh Rizky Ramadhan Sudjarmono Sri Winarni Tri Wulanda Fitri