Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Adi Tegar Setiawan
Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

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

Found 2 Documents
Search

 1 
Analisis Pola Emas Sebagai Safe Haven dengan Metode Nur Rahman Saleh; Yola Aulia Wanergi; Adi Tegar Setiawan; Faizal Wiyatnodito
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Emas merupakan salah satu instrumen investasi yang sering dijadikan aset perlindungan (safe haven) ketika terjadi ketidakpastian ekonomi global. Namun, perilaku emas sebagai safe haven tidak selalu menunjukkan pola yang konsisten pada setiap periode waktu, sehingga diperlukan metode analisis yang mampu mengidentifikasi pola tersebut secara sistematis. Penelitian ini bertujuan menganalisis perilaku emas sebagai asset safe haven melalui pendekatan K-Means Clustering berbasis indikator ekonomi global menggunakan dataset historis dari Kaggle berjudul Gold Price and Global Economic Indicators 2015–2026 yang terdiri dari 4.137 observasi harian. Variabel yang digunakan mencakup harga emas (XAU/USD), indeks dolar Amerika Serikat (DXY), harga minyak mentah, dan tingkat inflasi. Proses analisis mengikuti kerangka kerja CRISP-DM dengan evaluasi menggunakan Elbow Method, Davies-Bouldin Index, dan Silhouette Score yang menghasilkan nilai tertinggi sebesar 0,3867 pada k=3. Hasil analisis menunjukkan tiga cluster optimal yang merepresentasikan kondisi ekonomi berbeda, yaitu Safe Haven Penuh (Inflasi Tinggi), Penguatan Emas Tanpa Tekanan Inflasi, dan Dominasi Dolar AS. Indeks dolar Amerika Serikat terbukti menjadi faktor paling dominan dengan korelasi negatif sangat kuat sebesar -0,948, sementara inflasi memiliki pengaruh linear yang sangat lemah terhadap harga emas. Hasil penelitian diimplementasikan dalam aplikasi berbasis web menggunakan Streamlit sebagai alat bantu rekomendasi keputusan investasi emas secara interaktif.
Perancangan Sistem Rekomendasi Pemilihan Model Valen Purwaixna Saputra; Bayu Susilo Aji Nugroho; Adi Tegar Setiawan; Atik Setyaningsih; Febrian Maulana
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi Artificial Intelligence (AI) yang semakin pesat menghadirkan berbagai model AI dengan karakteristik dan kemampuan yang berbeda-beda sehingga pengguna sering mengalami kesulitan dalam menentukan model yang paling sesuai dengan kebutuhannya. Penelitian ini bertujuan untuk merancang sistem rekomendasi pemilihan platform Artificial Intelligence menggunakan metode Content-Based Filtering (CBF) berdasarkan kemiripan karakteristik setiap model AI. Dataset penelitian terdiri atas 40 model AI yang direpresentasikan menggunakan enam atribut, yaitu Context Window, Intelligence Index, Price, Speed (Token/s), Latency, dan End-to-End Response Time. Sebelum dilakukan proses perhitungan, seluruh atribut dinormalisasi menggunakan metode Min-Max Normalization untuk menyamakan rentang nilai data. Selanjutnya, tingkat kemiripan antar model dihitung menggunakan metode Cosine Similarity dan diurutkan berdasarkan nilai similarity tertinggi. Hasil penelitian menunjukkan bahwa model MiMo-V2-Omni-0327 memperoleh nilai similarity tertinggi sebesar 0,9945 terhadap model acuan MiMo-V2-Omni, diikuti oleh Step 3.7 Flash, MiniMax-M3, MiMo-V2.5-Pro, dan DeepSeek V4 Pro (High). Hasil tersebut menunjukkan bahwa metode Content-Based Filtering yang dipadukan dengan Cosine Similarity mampu menghasilkan rekomendasi model Artificial Intelligence berdasarkan kemiripan karakteristik setiap model sehingga dapat membantu pengguna dalam memilih platform AI yang sesuai dengan kebutuhannya.
Co-Authors Atik Setyaningsih Bayu Susilo Aji Nugroho Faizal Wiyatnodito Febrian Maulana Nur Rahman Saleh Valen Purwaixna Saputra Yola Aulia Wanergi