Article Per Year (5 Year)
p-Index From 2019 - 2024
1.259
P-Index
This Author published in this journals
All Journal Jnanadharma Jurnal Statistika Industri dan Komputasi
Yudi Setyawan
Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Mathematics Mechanical Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Pelatihan Manajemen Keuangan dan Strategi Peningkatan Penjualan Produk Sambal TJS Kris Suryowati Suryowati; Rokhana Dwi Bekti; Yudi Setyawan; Virginia Dawul
JNANADHARMA Vol. 2 No. 1 (2024): Januari 2024
Publisher : Fakultas Sains Terapan

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

Abstract

Sambal TJS yang terletak di Dusun Tanjungsari Desa Sukoharjo, Kecamatan Ngaglik, Kabupaten Sleman salah satunya memiliki produk sambal TJS dengan tiga varian rasa 3 varian rasa, diantaranya rasa Original, Teri dan Pete. UMKM ini masih tergolong muda dalam artian baru berdiri pada pertengahan tahun 2023 pada saat petani cabe panen raya sehingga KWT cabe berinisiasi untuk memproduk sambel supaya menaikan nilai jual cabe dan meningkatankan ekonomi petani cabe. Oleh karena itu muncul permasalahan yang dihadapi diantaranya belum adanya managemen keuangan yang memadai dan penjualan produk belum sesuai target. Program pengabdian masyarakat ini bertujuan untuk memberikan pelatihan managemen keuangan dan pelatihan strategi peningkatan penjualan produk sambal TJS. Target yang ingin dicapai yaitu dapat meningkatkan penjualan produk dan managemen keuangan lebih baik. Metode yang digunakan dengan memberikan Pelatihan bagaimana menyusun keuangan sampai dengan pentuan harga produk dan desain kemasan yang menarik dengan rasa yang sesuai selera konsumen. Diharapkan setelah kegiatan ini berlangsung sehingga kepuasan konsumen meningkat yang akan berdampak pada peningkatan produk penjualan sambal TJS.
PERBANDINGAN HASIL KLASIFIKASI CURAH HUJAN MENGGUNAKAN METODE SVM DAN NBC Marthin Luter Laia; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 5 No. 02 (2020): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Abstrak Penelitian ini membahas pengklasifikasi curah hujan serta memprediksi curah hujan dengan menggunakan metode Support Vector Machine dan Naïve Bayes Classifier serta melihat nilai akurasi kedua metode. Support Vector Machine adalah salah satu metode machine learning yang bekerja atas prinsip structural risk minimization yang bertujuan untuk menemukan hyperplane terbaik yang dapat memisahkan kelas. Sedangkan Naïve Bayes Classifier adalah metode klasifikasi yang digunakan untuk menentukan probabilitas suatu anggota dari suatu kelas. Variabel yang digunakan yaitu rata-rata temperatur (X1), rata-rata kelembapan (X2), rata-rata lama penyinaran matahari (X3), dan rata-rata kecepatan angin (X4). Sedangkan variabel dependen (Y) adalah status curah hujan dikategorikan menjadi dua yaitu hujan dan tidak hujan. Data yang digunakan periode tahun 2017 sampai tahun 2018 yang diperoleh dari BMKG Stasiun Meteorologi Maritim Tanjung Priok, Jakarta Utara. Berdasarkan hasil analisis klasifikasi didapatkan bahwa metode terbaik yaitu Support Vector Machine hal ini dibuktikan dengan tingkat akurasi sebesar 79,45 % lebih besar dari tingkat akurasi metode Naïve Bayes Classifier yaitu 65,75%.
PERAMALAN JAKARTA STOCK EXCHANGE COMPOSITE INDEX DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN DAN MODIFIKASI ADAPTIVE FUZZY TIME SERIES Gabriel Cefin Putra Kota; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 6 No. 01 (2021): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Jakarta Stock Exchange Composite Index (JKSE) atau Indeks Harga Saham Gabungan (IHSG) merupakan indikator yang mencerminkan pergerakan harga saham. Peramalan JKSE digunakan oleh para investor untuk mengambil keputusan investasi yang tepat. Dalam penelitian ini digunakan metode fuzzy time series Markov Chain dan modifikasi adaptive fuzzy time series, dalam meramalkan data price Jakarta Stock Exchange Composite Index (JKSE) periode Oktober 2015 sampai Oktober 2020. Penulis menggunakan kedua metode ini karena berdasarkan tinjauan pustaka diperoleh kesimpulan bahwa metode fuzzy time series Markov Chain mempunyai nilai error yang baik dibandingkan dengan metode fuzzy time series lainnya, sedangkan sebagai pembanding penulis menggunakan metode adaptive fuzzy time series yang dimodifikasi. Hasil peramalan Data price JKSE pada periode bulan Oktober 2015 sampai dengan Oktober 2020 menggunakan metode FTS Markov Chain untuk periode selanjutnya yaitu bulan November 2020 sebesar 5061,565306 dan bulan Desember 2020 sebesar 5106,097668. Sedangkan hasil peramalan menggunakan metode modifikasi adaptive FTS untuk periode selanjutnya yaitu bulan November 2020 adalah sebesar 4997,020408 dan Desember 2020 sebesar 4997,020408. Metode Modifikasi Adaptive FTS mempunyai hasil peramalan yang lebih baik dibandingkan metode FTS Markov Chain pada studi kasus ini. Karena memiliki nilai MAPE (Mean Absolute Percentage Error) dan RMSE (Root Mean Squared Error) terkecil, yaitu berturut-turut adalah 1,699113% (MAPE), dan 122,4353024 (RMSE) sedangkan FTS Markov Chain adalah 1,883658% (MAPE) dan 138,58874 (RMSE).
PERAMALAN MENGGUNAKAN METODE DOUBLE EXPONENSIAL SMOOTHING DAN FUZZY TIME SERIES CHENG : STUDY KASUS: JUMLAH PENUMPANG ANGKUTAN UDARA DOMESTIK KOTA KENDARI Raka Zulfauzi; Yudi Setyawan
Jurnal Statistika Industri dan Komputasi Vol. 7 No. 01 (2022): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

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

Abstract

Angkutan udara ialah sarana untuk memindahkan orang dan barang dari satu tempat ke tempat lain. Tujuannya membantu seseorang atau kelompok orang menjangkau berbagai tempat yang dituju. Adapun jenis-jenis pesawat yang digunakan adalah sebagai berikut: Garuda Indonesia, Citilink, Lion Air, Wings Air, Batik Air, Sriwijaya Air. Selain itu di dalam pesawat juga terdapat penumpang yaitu semua orang yang terdapat dalam pesawat yang tercatat dari tiket pesawat. Untuk mengetahui jumlah penumpang Angkutan Udara Domestik Kota Kendari maka penulis memutuskan mengambil data dari website Badan Pusat Statistika (BPS) Kota Kendari dan menganalisi dengan menggunakan metode Double exponensial smoothing dan Fuzzy time series Cheng dengan alpha (α) dan beta (β) = 0.1 sampai 0.9 yaitu bertujuan untuk mengetahui jumlah penumpang Angkutan Udara Domestik Kota Kendari pada bulan Juni, Agustus dan September tahun 2021 (3 bulan ke depan). Dimana metode ini kita bisa meramalkan dengan melihat jumlah Root Mean Square Error (MRSE) dan Mean Absolute Precentage Error (MAPE) apa bila jumlah RMSE dan MAPE kecil, berarti metode yang di gunakan baik, untuk meramalkan pada penelitian selanjutnya.Setelah diketahui hasil analisisnya bahwa metode yang baik digunkan yaitu metode double exponensial smoothing dari Holt menunjukkan bahwa nilai RMSE sebesar 20523 dan nilai MAPE sebesar 0.25%. berarti metode double exponensial smoothing dari Holt baik digunakan meramalkan pada penelitian selanjutnya.
KLASIFIKASI STATUS KEMISKINAN KABUPATEN/KOTA DI INDONESIA MENGGUNAKAN NAÏVE BAYES CLASSIFIER DAN CLASSIFICATION AND REGRESSION TREE Kristina Millenia Seran; Yudi Setyawan; Maria Titah Jatipaningrum; Febriani Astuti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i1.4819

Abstract

Indonesia masuk dalam 100 besar negara miskin dengan menempati urutan ke-73 di dunia. Diketahui persentase penduduk miskin dilihat pada Maret 2022 sebesar 5,94% atau 26,16 juta jiwa, meningkat pada September 2022 menjadi 9,57% atau 26,36 juta jiwa. Status kemiskinan adalah kondisi dimana seorang atau sekelompok orang tidak mampu memenuhi kebutuhan hidup. Kemiskinan juga dapat dipengaruhi oleh beberapa faktor seperti pengeluaran perkapita, rata-rata lama sekolah, tingkat pengangguran terbuka serta indeks pembangunan manusia. Data yang digunakan dalam penelitian ini yaitu data kabupaten/kota di Indonesia tahun 2022. Pada penelitian ini klasifikasi dilakukan dengan menggunakan metode Naïve Bayes Classifier dan Classification and Regression Tree. Kedua metode dilakukan dengan membagi data training dan data testing sebesar 90%:10%, 80%:20%, dan 70%:30%. Selain itu, dilakukan pengacakan sampel sebanyak 30 kali dengan fungsi set.seed(). Hasil analisis dengan kedua metode diperoleh metode Classification and Regression Tree lebih baik digunakan dengan rata-rata akurasi untuk proporsi data 90%:10% sebesar 77,81%, untuk proporsi data 80%:20% sebesar 78,31%, dan untuk proporsi data 70%:30% sebesar 79,67%. Sedangkan metode Naïve Bayes Classifier menghasilkan rata-rata akurasi untuk proporsi data 90%:10% sebesar 72,57%, untuk proporsi data 80%:20% sebesar 73,00%, dan untuk proporsi data 70%:30% sebesar 73,13%. Kedua metode ini masing-masing menghasilkan nilai akurasi yang tinggi pada proporsi data 70%:30%.
PERBANDINGAN METODE RANDOM FOREST DAN SUPPORT VECTOR MACHINE PADA KLASIFIKASI CURAH HUJAN DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA Sugeng Fauzi Mahendra; Yudi Setyawan; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i1.4840

Abstract

Curah hujan merupakan salah satu dari komponen iklim. Menurut Badan Meteorologi, Klimatologi dan Geofisika, curah hujan merupakan ketebalan air hujan yang terkumpul dalam satu luasan milimeter. Terdapat beberapa faktor yang mempengaruhi curah hujan diantaranya suhu, kelembapan, lama penyinaran dan kecepatan arah angin. Klasifikasi adalah teknik data mining yang bertujuan untuk memprediksi kategori yang tidak diketahui untuk setiap kasus data secara akurat. Penelitian ini bertujuan untuk melakukan klasifikasi curah hujan di Daerah Istimewa Yogyakarta menggunakan metode Random Forest dan Support Vector Machine dan melakukan perbandingan rerata keakuratan dengan tiga kali set.seed dan tiga proporsi data training dan data testing dari masing-masing metode. Untuk metode Random Forest melalui set.seed (107), proporsi data training dan data testing 70:30 diperoleh nilai akurasi terbesar 71,8% dengan prakiraan angka kejadian curah hujan selama 79 hari dari 110 hari. Untuk metode Support Vector Machine melalui set.seed (107), proporsi data training dan data testing 60:40 diperoleh nilai akurasi terbesar 93,83% dengan prakiraan angka kejadian curah hujan 137 hari dari 146 hari. Berdasarkan keakuratan yang dihitung melalui tiga kali set.seed dan tiga proporsi, metode support vector machine memiliki nilai akurasi yang lebih tinggi dengan nilai akurasi 90,25% dari metode random forest dengan nilai akurasi 70,5%.
ANALISIS SENTIMEN TENTANG IMPLEMENTASI HAK ASASI MANUSIA DI INDONESIA PADA MEDIA SOSIAL TWITTER MENGGUNAKAN NAÏVE BAYES DAN SUPPORT VECTOR MACHINE Magdalena Teofila Usniaty; Yudi Setyawan; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i1.4846

Abstract

Hak asasi manusia adalah seperangkat hak yang melekat pada hakikat dan keberadaan manusia yang wajib dihormati, dijunjung tinggi dan dilindungi. Beberapa kasus pelanggaran HAM di Indonesia sering menjadi trending topik twitter, oleh karena itu pada penelitian ini dilakukan analisis sentimen tentang implementasi HAM di Indonesia pada media sosial twitter. Analisis ini dilakukan untuk mengklasifikasikan tweet yang berisi sentimen masyarakat mengenai implementasi HAM di Indonesia. Metode klasifikasi yang digunakan dalam penelitian ini adalah Naïve Bayes Classifier dan Support Vector Machine dengan menggunakan pembobotan TF.IDF. Sumber data dalam penelitian ini diambil dari twitter menggunakan metode crawling dengan kata kunci #hakasasimanusia dan #HAM. Hasil analisis menunjukkan bahwa persentase sentimen negatif sebesar 81.2% dan sentimen positif sebesar 18.8%. Metode terbaik dalam melakukan klasifikasi implementasi HAM di Indonesia adalah Support Vector Machine, dilihat dari nilai akurasi Support Vector Machine yang lebih besar yakni sebesar 87% dibandingkan nilai akurasi Naïve Bayes Classifier yakni sebesar 81%. Saran yang diberikan dalam penelitian ini agar meningkatkan nilai akurasi yakni pada tahap pengolahan data dilakukan secara teliti, misalnya menambahkan kosa kata untuk normalisasi kata dan pengurangan fitur yaitu pada tahap stopword removal.
Co-Authors Febriani Astuti Gabriel Cefin Putra Kota Kris Suryowati Suryowati Kristina Millenia Seran Magdalena Teofila Usniaty Maria Titah Jatipaningrum Marthin Luter Laia Raka Zulfauzi Rokhana Dwi Bekti Sugeng Fauzi Mahendra Virginia Dawul