Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal PETISI (Pendidikan Teknologi Informasi) Indonesian Journal of Innovation Multidisipliner Research
Ilham Julian Efendi
Universitas Halu Oleo
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Penerapan Algoritma Fuzzy Tsukamoto Pada Analisis Kesesuaian Tanaman Jagung di Sulawesi Tenggara Berbasis Web GIS Sumiartin Sumiartin; Statiswaty Statiswaty; Ilham Julian Efendi
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 7 No. 2 (2026): JURNAL PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v7i2.4436

Abstract

Indonesia merupakan negara agraris di mana sektor pertanian memegang peranan penting dalam pembangunan nasional. Jagung menjadi salah satu komoditas strategis karena digunakan sebagai bahan pangan, pakan ternak, dan bahan baku industri. Sulawesi Tenggara memiliki potensi besar dalam pengembangan jagung, namun produktivitasnya masih tergolong rendah dibandingkan provinsi tetangga. Kondisi ini menunjukkan perlunya strategi pemetaan wilayah yang tepat berdasarkan faktor lingkungan untuk mendukung peningkatan produksi. Seiring kemajuan teknologi, pemanfaatan Web Geographic Information System (Web GIS) memungkinkan analisis spasial yang efisien untuk menentukan wilayah potensial dalam pengembangan jagung. Dalam penelitian ini, algoritma Fuzzy Tsukamoto diterapkan untuk menganalisis kesesuaian wilayah potensial tanaman jagung pada Kabupaten/Kota di Provinsi Sulawesi Tenggara. Kriteria yang digunakan mencakup curah hujan, temperatur, kelembapan udara, dan penyinaran matahari. Metode inferensi fuzzy ini digunakan untuk mengolah data yang bersifat tidak pasti sehingga menghasilkan rekomendasi nilai kesesuaian lahan yang lebih terukur. Hasil penelitian menunjukkan bahwa sistem berhasil melewati pengujian black box dengan seluruh fungsi berjalan sesuai kebutuhan pengguna. Selain itu, algoritma Fuzzy Tsukamoto telah diimplementasikan dengan benar dengan nilai MAE sebesar 0.005, yang menandakan hasil perhitungan sistem sangat mendekati perhitungan manual. Sistem Web GIS yang dikembangkan mampu memvisualisasikan variasi tingkat kesesuaian wilayah tanaman jagung di Sulawesi Tenggara, di mana Kolaka, Konawe, Konawe Selatan, dan Konawe Utara masuk kategori Sangat Sesuai (S1); Bombana, Buton Selatan, Buton Tengah, Buton Utara, Kolaka Timur, Muna Barat, Muna, dan Baubau masuk kategori Sesuai (S2); sementara Buton, Kolaka Utara, Konawe Kepulauan, Wakatobi, dan Kendari masuk kategori Sesuai Marginal (S3).
Perbandingan XGBoost dan LSTM untuk Prediksi Rentang Harga Penutupan Saham BBRI, ANTM dan ASII Auliya Afifah Adnan Hakim; Adha Mashur Sajiah; Ilham Julian Efendi
Indonesian Journal of Innovation Multidisipliner Research Vol. 4 No. 3 (2026): Juli - September
Publisher : Institute of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijim.v4i3.2030

Abstract

Prediksi harga saham harian umumnya menghasilkan satu nilai titik sehingga tidak menggambarkan ketidakpastian pergerakan harga, padahal pelaku pasar membutuhkan gambaran rentang untuk mengelola risiko. Penelitian ini bertujuan membandingkan kinerja XGBoost dan Long Short-Term Memory (LSTM) dalam memprediksi titik tengah serta rentang harga penutupan harian saham BBRI, ASII, dan ANTM. Data historis 2020 sampai 2025 dibentuk menjadi empat belas fitur relatif, lalu dibagi secara kronologis menjadi data training, validation, dan testing agar informasi masa depan tidak bocor ke dalam proses pelatihan. Ketiga kuantil, yaitu kuantil bawah, tengah, dan atas, dipelajari secara terpisah melalui pendekatan regresi kuantil. Evaluasi dilakukan dengan akar galat kuadrat rata-rata, galat persentase absolut rata-rata, koefisien determinasi, ketepatan arah, cakupan rentang, lebar rentang rata-rata, interval score, waktu komputasi, dan ukuran model. Ketahanan model juga diuji pada kondisi bullish, bearish, dan sideways, kemudian diverifikasi melalui forward test 121 hari perdagangan tahun 2026 tanpa pelatihan ulang. Pada historical test, XGBoost memberikan RMSE terendah untuk seluruh saham dan unggul pada tujuh dari sembilan kombinasi kondisi pasar. Pada forward test, XGBoost tetap unggul untuk BBRI dan ASII, sedangkan LSTM sedikit lebih baik untuk ANTM serta menghasilkan coverage lebih tinggi pada ketiga saham. Hasil ini menunjukkan bahwa XGBoost lebih konsisten untuk prediksi titik, sementara LSTM lebih baik dalam mencakup harga aktual pada rentang prediksi forward.
Co-Authors Adha Mashur Sajiah Auliya Afifah Adnan Hakim Statiswaty Sumiartin Sumiartin