Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Muhammad Rizky Pribadi
Informatika, Universitas Multi Data Palembang
Computer Science & IT

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

Found 2 Documents
Search

 1 
PREDIKSI HARGA SAHAM SEKTOR PERBANKAN LQ45 MENGGUNAKAN BILSTM DENGAN PERBANDINGAN METODE FEATURE SELECTION Jonathan Wijaya; Muhammad Rizky Pribadi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16769

Abstract

Pergerakan harga saham yang fluktuatif menjadikan prediksi harga saham sebagai tantangan penting dalam pengambilan keputusan investasi, khususnya pada saham sektor perbankan yang tergabung dalam indeks LQ45. Permasalahan utama dalam prediksi harga saham adalah tingginya volatilitas data serta pemilihan fitur yang kurang optimal sehingga dapat menurunkan akurasi model prediksi. Penelitian ini bertujuan untuk membangun model prediksi harga saham sektor perbankan LQ45 menggunakan algoritma Bidirectional Long Short-Term Memory (BiLSTM) serta menganalisis pengaruh penerapan metode seleksi fitur terhadap kinerja model. Metode yang digunakan meliputi penerapan tiga teknik seleksi fitur, yaitu Spearman Correlation, Mutual Information, dan Lasso Regression, dengan dataset historis saham BBRI, BBNI, BMRI, dan BBTN periode 2020–2025. Data dibagi menjadi 80% data pelatihan dan 20% data pengujian, serta dievaluasi menggunakan Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa penerapan seleksi fitur mampu meningkatkan akurasi model BiLSTM, Namun, pada saham BBTN, penerapan Spearman, Mutual information 10 fitur dan 15 fitur justru menurunkan performa model BiLSTM
DETEKSI PENYAKIT GIGI PADA CITRA DENTAL OPG X-RAYS MENGGUNAKAN ARSITEKTUR EFFICIENTDET Jesen Ong; Muhammad Rizky Pribadi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16922

Abstract

Penelitian ini memanfaatkan deep learning untuk membantu diagnosis penyakit gigi dari citra radiografi panoramik Orthopantomogram (OPG) mengingat tingginya prevalensi masalah gigi dan mulut serta rendahnya akses perawatan (WHO, 2022; Riskesdas, 2018; Survei Kesehatan Indonesia, 2023). Analisis OPG memiliki kompleksitas visual seperti distorsi, tumpang tindih struktur, variasi kontras, serta objek patologis berukuran kecil yang menyulitkan interpretasi secara konsisten. Penelitian ini bertujuan membandingkan kinerja EfficientDet-D2, EfficientDet-D3, dan EfficientDet-D4 dalam mendeteksi lima kelas penyakit, yaitu Caries, Infection, Impacted teeth, Fracture, dan Broken crown. Dataset publik Rahman dkk. (2024) diolah melalui Roboflow dan dibagi menjadi 134 citra latih (449 anotasi), 13 citra validasi (49 anotasi), dan 12 citra uji (28 anotasi). Ukuran input disesuaikan per varian (D2: 768, D3: 896, D4: 1024) dan model diinisialisasi menggunakan pretrained weights COCO. Evaluasi menggunakan mAP50. EfficientDet-D4 memperoleh mAP50 tertinggi pada validasi sebesar 0,800, sedangkan mAP50 terbaik pada data uji dicapai EfficientDet-D2 sebesar 0,714, diikuti EfficientDet-D4 sebesar 0,701 dan EfficientDet-D3 sebesar 0,622
Co-Authors Jesen Ong Jonathan Wijaya