Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Jaya Tata Hardinata
Universitas HKBP Nommensen
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Prediksi RNN Terhadap Nilai Tukar Petani Sumatera Utara Menggunakan ADAM Afriyani Damanik; Onesimus Harefa; Ningsih Septi Uli Purba; Jaya Tata Hardinata
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.805

Abstract

Salah satu indikator penting untuk mengukur kesejahteraan ekonomi dan daya beli masyarakat tani adalah Nilai Tukar Petani (NTP). Meskipun pertanian memainkan peran penting dalam perekonomian Sumatera Utara, petani sering menghadapi kenaikan biaya produksi dan harga komoditas yang tidak stabil. Tujuan dari penelitian ini adalah untuk membuat model prediksi presisi tinggi yang menggunakan Jaringan Syaraf Tiruan Berulang (RNN) yang dioptimalkan dengan algoritma Estimasi Moment Adaptif (Adam) untuk memprediksi tren NTP dari tahun 2016 hingga 2025. Data yang digunakan berasal dari deret waktu longitudinal dari Badan Pusat Statistik (BPS), yang mencakup berbagai subsektor, termasuk hortikultura, perkebunan, dan tanaman pangan. Metodologi penelitian menangkap pola musiman tahunan dengan menggunakan MinMaxScaler dan teknik windowing dua belas bulan. Untuk menentukan konfigurasi hyperparameter yang ideal, tiga skenario eksperimen dilakukan. Hasil penelitian menunjukkan bahwa model dengan densitas neuron yang tinggi dan kecepatan belajar agresif sebesar 0,015 (Skenario 3) melakukan yang terbaik. Dengan Mean Absolute Percentage Error (MAPE) hanya 1,45% dan Root Mean Square Error (RMSE) hanya 2,1056, model ini mencapai hasil terbaik. Hal ini menunjukkan bahwa model RNN-Adam sangat efektif untuk mengidentifikasi dinamika ekonomi pertanian non-linear di Sumatera Utara. Studi ini sangat membantu otoritas regional membuat kebijakan yang berbasis bukti.
Analisis Prediksi Harga Minyak Mentah WTI dengan Metode ANN Backpropagation dan Long Short-Term Memory Wulan Liviana Simbolon; Rado Manurung; Adrian Sidauruk; Lusi Saragih; Jaya Tata Hardinata
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.809

Abstract

Perbandingan Regresi Linier dan Artificial Neural Network dalam Prediksi Penumpang Kereta Api Saudurma S. S. Sidabutar; Septian Trio Sitohang; Makmur Jaya Samosir; Yosua Alexandru Simatupang; Jaya Tata Hardinata
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.822

Abstract

The development of rail transportation in Indonesia continues to change over time. These changes are influenced by various factors, such as government policies, the economic situation, and improvements in railway infrastructure. This dynamic suggests that better transportation planning requires predictive techniques that can accurately identify changing patterns. This study aims to compare Linear Regression and Artificial Neural Network (ANN) methods in predicting national rail passenger numbers. Before being used for modeling, the time series data underwent a preprocessing stage. The research process included dividing the data into training and test data, applying both prediction methods, and evaluating model performance using Mean Squared Error (MSE) and Root Mean Squared Error (RMSE). The results showed that the ANN method was more accurate than the Linear Regression method. Therefore, the ANN method may be a better choice to assist rail transportation planning in Indonesia.
Co-Authors Adrian Sidauruk Afriyani Damanik Lusi Saragih Makmur Jaya Samosir Ningsih Septi Uli Purba Onesimus Harefa Rado Manurung Saudurma S. S. Sidabutar Septian Trio Sitohang Wulan Liviana Simbolon Yosua Alexandru Simatupang