Claim Missing Document
Check
Articles

Found 2 Documents
Search

Peramalan Harga Reksa Dana di Indonesia dengan Pendekatan Linear dan Hibrida Gymnastiar Al Khoarizmy; Feryadi Yulius; Elok Fiola
Pengembangan Perangkat Lunak, Kecerdasan Bisnis Digital, dan Teknik Komputer Vol 5 No 1 (2026): SESSION (SEPTEMBER)
Publisher : Politeknik Negeri Banyuwangi Jl. Raya Jember km. 13 Labanasem, Kabat, Banyuwangi, Jawa Timur (68461) Telp. (0333) 636780

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57203/session.v5i1.2026.28-36

Abstract

Pasca pandemi COVID-19, pasar modal Indonesia menunjukkan dinamika yang kompleks, mendorong peningkatan minat investasi pada instrumen seperti reksa dana. Prediksi harga untuk aset semacam ini secara historis sering mengandalkan model-model yang kompleks, namun efektivitasnya pada data dengan karakteristik autokorelasi yang sangat tinggi masih menjadi pertanyaan. Penelitian ini bertujuan untuk mengevaluasi pendekatan pemodelan yang paling efisien dalam konteks tersebut dengan mengintegrasikan serangkaian faktor fundamental dan teknikal. Menggunakan teknik regresi linear regularisasi (ElasticNet) yang diperkuat dengan fitur lag danPrincipal Component Analysis (PCA), serta model hibrida canggih yang mengombinasikan ElasticNet dengan Long Short-Term Memory (LSTM) untuk memodelkan residual, studi ini mengevaluasi efektivitas dari kedua pendekatan. Hasil menunjukkan bahwa model linear tunggal mampu mencapai akurasi prediksi yang sangat tinggi (R2 > 0.96), yang didominasi oleh kuatnya sinyal autokorelasi. Lebih lanjut, penambahan model LSTM untuk menangkap pola non-linear pada residual terbukti tidak memberikan peningkatan kinerja yang signifikan secara statistik, sebuah temuan yang divalidasi oleh Uji Diebold-Mariano. Dengan demikian, studi ini menyoroti pentingnya pemilihan model yang sesuai dengan karakteristik data, di mana untuk peramalan time-series dengan persistensi tinggi, pendekatan linear yang lebih sederhana dan dapat diinterpretasikan terbukti lebih efisien dan praktis. 
Analisis Persebaran Flora di Sumatera Melalui Sistem Data Lakehouse Menggunakan Interpolasi Spatial Analysis Berbasis Hadoop dan Apache Spark Elok Fiola; Dea Mutia Risani; Yohana Manik; Asa Do’a Uyi; Ardika Satria
Pengembangan Perangkat Lunak, Kecerdasan Bisnis Digital, dan Teknik Komputer Vol 4 No 2 (2026): SESSION (MARET)
Publisher : Politeknik Negeri Banyuwangi Jl. Raya Jember km. 13 Labanasem, Kabat, Banyuwangi, Jawa Timur (68461) Telp. (0333) 636780

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57203/session.v4i2.2026.12-20

Abstract

Flora biodiversity on Sumatra Island is increasingly under pressure due to environmental changes and the limited ability to manage large-scale biodiversity data. This condition requires an approach that can efficiently integrate and analyze data to support data-driven conservation. This study aims to develop a spatial analysis system based on a data lakehouse using Hadoop and Apache Spark to map flora distribution in Sumatra. Data processing is carried out using the Medallion architecture (Bronze, Silver, Gold) and the Extract–Transform–Load (ETL) process with Apache Spark on data from the Global Biodiversity Information Facility (GBIF) for the period 2019–2023. The results show a significant improvement in processing performance, up to 16 times faster, with storage efficiency increased by 28%. This improvement enables large-scale data integration, allowing flora distribution patterns to be identified more clearly and comprehensively. Analysis of 12,840 species shows a dominance of Near Threatened (58.4%), followed by Least Concern (40.8%) and Endangered (0.7%), with distributions concentrated in the western and central regions of Sumatra. These findings indicate that most flora are in a vulnerable condition and confirm the effectiveness of integrating data lakehouse and spatial analysis in supporting data-driven conservation decision-making.