Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Computers and Digital Business Journal of Golden Generation Multidisciplinary
Tengku Syahvina Rival Dini
Universitas Islam Negeri Sumatera Utara
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

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

Found 2 Documents
Search

 1 
Aplikasi Web Untuk Analisis Sekuens Fasta Berbasis Python Pebi Mina Husania; Tengku Syahvina Rival Dini; Rani Chantika; Puji Sri Alhirani
Journal of Golden Generation Multidisciplinary Vol. 2 No. 1 (2026): Februari : Journal of Golden Generation Multidisciplinary
Publisher : PT. Lembaga Penerbit Penelitian Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65244/jggm.v2i1.363

Abstract

Perkembangan teknologi sekuensing telah menghasilkan data sekuens DNA, RNA, dan protein dalam jumlah besar yang umumnya disimpan dalam format FASTA. Meskipun format ini sederhana dan banyak digunakan, perangkat lunak bioinformatika yang tersedia masih didominasi oleh aplikasi berbasis desktop atau command line interface yang kurang ramah bagi pengguna pemula. Penelitian ini bertujuan untuk mengembangkan aplikasi web sederhana berbasis Python untuk analisis dasar file FASTA. Aplikasi dibangun menggunakan framework Flask dan pustaka BioPython untuk melakukan analisis panjang sekuens, komposisi basa nukleotida, serta persentase GC melalui antarmuka web yang mudah digunakan. Metode pengembangan sistem yang digunakan adalah model Waterfall, meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Hasil pengujian menunjukkan bahwa aplikasi mampu memproses file FASTA secara akurat dan cepat tanpa memerlukan instalasi perangkat lunak tambahan di sisi pengguna. Aplikasi ini diharapkan dapat menjadi media pembelajaran bioinformatika serta mendukung analisis awal sekuens biologis bagi mahasiswa dan peneliti.
Peramalan Harga Ayam Berdasarkan Pola Musiman Menggunakan Long Short-Term Memory Tengku Syahvina Rival Dini; Armansyah
Journal of Computers and Digital Business Vol. 5 No. 2 (2026)
Publisher : PT. Delitekno Media Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v5i2.990

Abstract

Harga ayam broiler merupakan komoditas pangan yang mengalami fluktuasi signifikan dan memiliki karakteristik pola musiman, sehingga diperlukan metode peramalan yang akurat. Penelitian ini bertujuan untuk memprediksi harga ayam broiler di Kabupaten Deli Serdang menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan berupa data harga harian periode Januari 2022 hingga Maret 2026 sebanyak 1.551 data. Tahapan penelitian meliputi preprocessing data, pembentukan sequence menggunakan sliding window, pembagian data latih dan data uji, serta pembangunan model LSTM. Analisis time series menggunakan Augmented Dickey-Fuller (ADF), Autocorrelation Function (ACF), dan Partial Autocorrelation Function (PACF) dilakukan untuk mengidentifikasi karakteristik data. Evaluasi model menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²), serta dibandingkan dengan metode baseline regresi linear. Hasil penelitian menunjukkan bahwa model LSTM menghasilkan nilai MAPE sebesar 1,6180% dan MAE sebesar Rp507,68, sedangkan metode baseline menghasilkan MAPE sebesar 1,4083% dan MAE sebesar Rp455,90. Namun, model LSTM memperoleh nilai RMSE sebesar Rp946,43 yang sedikit lebih rendah dibandingkan baseline sebesar Rp947,43 serta nilai R² sebesar 0,8842 yang lebih tinggi dibandingkan baseline sebesar 0,8839. Hasil tersebut menunjukkan bahwa kedua model memiliki performa yang kompetitif dengan keunggulan pada metrik evaluasi yang berbeda. Penelitian ini memberikan kontribusi dalam penerapan metode LSTM untuk peramalan harga ayam broiler harian di Kabupaten Deli Serdang.
Co-Authors Armansyah Armansyah Pebi Mina Husania Puji Sri Alhirani Rani Chantika