Klaim Artikel Anda
Verifikasi kepemilikan artikel akademik
Apakah artikel-artikel ini milik Anda?
Daftarkan diri Anda sebagai author untuk mengklaim artikel dan dapatkan profil akademik terverifikasi dengan fitur lengkap.
Badge Verifikasi
Profil terverifikasi resmi
Statistik Lengkap
H-index, sitasi, dan metrik
Visibilitas Tinggi
Tampil di direktori author
Kelola Publikasi
Dashboard artikel terpadu
Langkah-langkah Klaim Artikel:
- 1. Daftar akun author dengan email akademik Anda
- 2. Verifikasi email dan lengkapi profil
- 3. Login dan buka menu "Klaim Artikel"
- 4. Cari dan klaim artikel Anda
- 5. Tunggu verifikasi dari admin (1-3 hari kerja)
Menampilkan 1–2 dari 2 artikel
Rancang Bangun Sistem Informasi E-Commerce Penjualan Kaos Berbasis Website (Studi Kasus pada Konveksi Alpis)
Dinamik
Vol 30
, No 1
(2025)
Teknologi yang berkembang saat ini sangat berpengaruh pada proses bisnis penjualan, sistem offline mulai ditinggalkan dan mulainya sistem baru yaitu penjualan secara online melalui media elektronik. Hal ini berdampak pada Persaingan usaha antar Perusahaan semakin tinggi oleh karena itu salah satu usaha penjualan produk pakaian kaos toko Alpis dimana masih menggunakan cara konvensional berusaha meningkatkan penjualan dengan menerapkan sistem baru yaitu penjualan secara online melalui website. Sis...
Sumber Asli
Google Scholar
DOI
Outlier Detection Using Gaussian Mixture Model Clustering to Optimize XGBoost for Credit Approval Prediction
Setiadi, De Rosal Ignatius Moses
; Muslikh, Ahmad Rofiqul
; Iriananda, Syahroni Wahyu
; Warto, Warto
; Gondohanindijo, Jutono
; Ojugo, Arnold Adimabua
Journal of Computing Theories and Applications
Vol 2
, No 2
(2024)
Credit approval prediction is one of the critical challenges in the financial industry, where the accuracy and efficiency of credit decision-making can significantly affect business risk. This study proposes an outlier detection method using the Gaussian Mixture Model (GMM) combined with Extreme Gradient Boosting (XGBoost) to improve prediction accuracy. GMM is used to detect outliers with a probabilistic approach, allowing for finer-grained anomaly identification compared to distance- or densit...
Sumber Asli
Google Scholar
DOI