Article Per Year (5 Year)
p-Index From 2021 - 2026
1.836
P-Index
This Author published in this journals
All Journal Telematika : Jurnal Informatika dan Teknologi Informasi Seminar Nasional Informatika (SEMNASIF) Jurnal Ilmiah KOMPUTASI J I M P - Jurnal Informatika Merdeka Pasuruan JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) Jurnal Ekonomi Pembangunan International Journal of Economics, Business and Accounting Research (IJEBAR) G-Tech : Jurnal Teknologi Terapan JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Ekonomi Pembangunan
Mohamad As'ad
STMIK PPKIA Pradnya Paramita
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Environmental Science Public Health Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Ilmiah KOMPUTASI

 1 
IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI INFLASI BULANAN DI KOTA MALANG Mohamad As'ad; Eni Farida
Jurnal Ilmiah KOMPUTASI Vol 18, No 2 (2019): Juni
Publisher : STMIK JAKARTA STI&K

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

Abstract

Pertumbuhan ekonomi di kota Malang semakin baik, hal ini terlihat dari aktifitas perekonomian di kota Malang yang semakin ramai, apalagi akan ada akses jalan tol dari Surabaya langsung Malang. Peningkatan perekonomian ini perlu dilakukan perencanaan yang baik untuk periode kedepan. Perekonomian yang baik biasanya di ikuti oleh inflasi yang stabil. Secara teori, terjadinya deflasi (inflasi yang menurun hingga minus) akan menekan pertumbuhan ekonomi dan inflasi yang terlalu tinggi juga berakibat daya beli masyarakat menurun. Itu berarti ekonomi dalam keadaan tidak bagus, untuk itu perlu diteliti bagaimana tingkat inflasi bulanan untuk periode yang akan datang di kota Malang. Penelitian ini dilakukan di kota Malang (kampus STMIK Pradnya Paramita) dan mempunyai tujuan untuk melakukan peramalan nilai inflasi bulanan beberapa periode kedepan, dengan model yang berbeda dilakukan oleh BPS. Data inflasi sekunder diperoleh dari BPS kota Malang dan peramalan menggunakan model Jaringan Syaraf Tiruan (JST). Penelitian ini menggunakan model JST neural network autoregresive (NNAR) dengan hasil akhir model NNAR(2,6). Pengolahan data pada penlitian ini menggunakan R package statistics yang merupakan open source program. NNAR(2,6) mempunyai arti model JST ini mempunyai inpur data inflasi lag-1 dan lag-2 dengan 6 neuron single hidden layer. Hasil penelitian ini menujukkan bahwa inflasi untuk sebelas bulan ( Februari 2019-Desember 2019) yang akan datang relatif stabil tidak ada kenaikan atau penurunan yang sangat tajam.
PERAMALAN HARGA EMAS HARIAN DENGAN MODEL HIBRIDA DOUBLE EXPONENSIAL SMOOTHING HOLT’S-JARINGAN SYARAF TIRUAN Mohamad As'ad; Sujito Sujito; Sigit Setyowibowo
Jurnal Ilmiah KOMPUTASI Vol 19, No 1 (2020): Maret
Publisher : STMIK JAKARTA STI&K

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

Abstract

Abstrak   Emas merupakan logam mulia yang banyak fungsinya. Emas sebagai bentuk investasi berjangka banyak dilakukan di lembaga-lembaga keuangan seperti: Pegadaian, bank Mandiri Syari’ah dan juga BNI Syari’ah. Tidak hanya di lembaga keuangan tersebut diatas, di toko online seperti Bukalapak, Tokopedia, Lazada juga melakukan jual beli emas. Selain toko online tersebut banyak toko offline di setiap kota di Indonesia ini juga jualan emas perhiasan ataupun juga emas batangan. Dari hal tesebut diatas perlu tahu perkiraan harga emas harian untuk bertransaksi bagi masyarakat yang kepingin berinvestasi atau juga pingin menjual emas yang dimiliki, hal ini merupakan tujuan dari penelitian ini. Banyak metode peramalan yang bisa digunakan untuk meramalkan harga emas harian, tetapi penelitian ini menggunakan model hibrida double exponensial smoothing Hold’s dan jaringan syaraf tiruan (DESH-JST) karena metode ini sesuai dengan kondisi data harga emas harian.  Data harga emas harian merupakan data sekunder yang diperoleh dari website : investing.com.  Data yang digunakan untuk rentang waktu  2 November 2018 sampai dengan 2 November 2019 yang berarti terdapat 287 data. Penelitian ini dilakukan di laboratorium komputer kampus STMIK Pradnya Paramita Malang. Pengolahan data pada penelitian ini menggunakan R package statistics. Hasil dari penelitian ini diperoleh untuk model DESH nilai parameter ? sebesar 0.8566 dan β sebesar 1e-04. Untuk model JST-nya digunakan model neural network autoregresive (NNAR) dengan hasil akhir model NNAR(15,12). Model JST ini berarti mempunyai arsitektur jaringan data input berupa residual dengan lag-1 sampai dengan lag-15 dengan 12 neuron single  layer, menggunakan fungsi aktifasi sigmoid biner. Hasil peramalan dengan model hibrida DESH-JST mempunyai akurasi peramalan RMSE sebesar 0.9845204,  MASE sebesar 0.9692805 dan MAPE sebesar 0.0005179602. Kata Kunci : Peramalan harga emas harian, double exponensial smoothing Hold’s(DESH),   jaringan syaraf tiruan (JST), hibrida DESH-JST.
A Metode Extrem Learning Machine Untuk Meramalkan Harga Emas Harian Saat Pandemi Covid-19 Mohamad As'ad; Eni Farida; Sujito Sujito; Sigit Setyowibowo
Jurnal Ilmiah KOMPUTASI Vol. 21 No. 1 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 1, Maret 2022
Publisher : Lembaga Penelitian STMIK Jakarta STI&K

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

Abstract

Emas merupakan logam mulia yang mempunyai dwi fungsi yaitu emas sebagai bentuk investasi dan sebagai perhiasan. Emas sebagai bentuk investasi disaat pandemi covid-19 banyak diteliti oleh para ahli. Salah satu bentuk investasi yang paling aman dan resiko yang kecil disaat pandemi covid-19 yaitu emas. Cara berinvestasi masyarakat ada bermacam-macam, bisa pakai lembaga keuangan seperti pegadaian, bank ataupun disimpan sendiri dalam bentuk perhiasan yang dipakai seperti kalung, gelang, cintin dan lain sebagainya. Dalam berivestasi, perlu diketahui bahwa perkiraan harga emas harian untuk bertransaksi bagi masyarakat yang ingin berinvestasi atau juga ingin menjual emas yang dimiliki sangat penting. Tujuan dari penelitian ini yaitu bagaimana cara mudah mengetahui prediksi harga emas harian dengan menggunakan metode yang simpel mudah dengan tidak banyak asums-asumsi pengujian dalam metode tersebut. Metode yang digunakan dalam penelitian ini yaitu metode extrem learning machine (ELM). Metode ELM ini tidak menggunakan asumsi-asumsi statistika. Metode ELM ini bisa di jalankan dengan paket progran open sources progran yaitu R package statistics, sehingga masyarakat dapat memperoleh software tersebut dengan mudah. Data harga emas harian merupakan data sekunder yang diperoleh secara online di web investing.com. Data yang diambil merupakan data harga emas harian di saat pandemi mulai 6 Februari 2020 sampai dengan 25 Oktober 2021 dengan jumlah data sebanyak 455 data. Data harga emas harian di analisis dengan menggunakan metode ELM. Hasil dari penelitian ini menggunakan data training dan data testing dengan perbandingan masing-masing 50%. Metode ELM yang digunakan mempunyai single hiden layer dengan 100 neuron dan mempunyai 3 input node serta menggunakan fungsi aktivasi sigmoid biner. Hasil peramalan harga emas harian mempunyai akurasi peramalan yaitu root mean square error (RMSE) sebesar 21.76795, mean absolute square error (MASE) sebesar 473.8438 dan mean absolute percentage error (MAPE) sebesar 0.008339967. Kata Kunci : peramalan harga emas harian, extrem learning machine (ELM), pandemi covid-19.
Metode Extrem Learning Machine Untuk Meramalkan Harga Emas Harian Saat Pandemi Covid-19 Mohamad As'ad; Eni Farida; Sujito Sujito; Sigit Setyowibowo
Jurnal Ilmiah Komputasi Vol. 21 No. 1 (2022): Jurnal Ilmiah Komputasi Volume: 21 No. 1, Maret 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.21.1.2915

Abstract

Emas merupakan logam mulia yang mempunyai dwi fungsi yaitu emas sebagai bentuk investasi dan sebagai perhiasan. Emas sebagai bentuk investasi disaat pandemi covid-19 banyak diteliti oleh para ahli. Salah satu bentuk investasi yang paling aman dan resiko yang kecil disaat pandemi covid-19 yaitu emas. Cara berinvestasi masyarakat ada bermacam-macam, bisa pakai lembaga keuangan seperti pegadaian, bank ataupun disimpan sendiri dalam bentuk perhiasan yang dipakai seperti kalung, gelang, cintin dan lain sebagainya. Dalam berivestasi, perlu diketahui bahwa perkiraan harga emas harian untuk bertransaksi bagi masyarakat yang ingin berinvestasi atau juga ingin menjual emas yang dimiliki sangat penting. Tujuan dari penelitian ini yaitu bagaimana cara mudah mengetahui prediksi harga emas harian dengan menggunakan metode yang simpel mudah dengan tidak banyak asums-asumsi pengujian dalam metode tersebut. Metode yang digunakan dalam penelitian ini yaitu metode extrem learning machine (ELM). Metode ELM ini tidak menggunakan asumsi-asumsi statistika. Metode ELM ini bisa di jalankan dengan paket progran open sources progran yaitu R package statistics, sehingga masyarakat dapat memperoleh software tersebut dengan mudah. Data harga emas harian merupakan data sekunder yang diperoleh secara online di web investing.com. Data yang diambil merupakan data harga emas harian di saat pandemi mulai 6 Februari 2020 sampai dengan 25 Oktober 2021 dengan jumlah data sebanyak 455 data. Data harga emas harian di analisis dengan menggunakan metode ELM. Hasil dari penelitian ini menggunakan data training dan data testing dengan perbandingan masing-masing 50%. Metode ELM yang digunakan mempunyai single hiden layer dengan 100 neuron dan mempunyai 3 input node serta menggunakan fungsi aktivasi sigmoid biner. Hasil peramalan harga emas harian mempunyai akurasi peramalan yaitu root mean square error (RMSE) sebesar 21.76795, mean absolute square error (MASE) sebesar 473.8438 dan mean absolute percentage error (MAPE) sebesar 0.008339967. Kata Kunci : peramalan harga emas harian, extrem learning machine (ELM), pandemi covid-19.
Co-Authors Eka Yuniar Eni Farida Evy Sophia Frans Richard Kodong Hari Prapcoyo Sigit Setyo Wibowo Sigit Setyowibowo Sujito Sujito