Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI
Sari Dwi Kartika
Universitas Gunadarma
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
SISTEM PENCEGAHAN DINI DALAM KEBISINGAN BERBASIS ARDUIMO Ahmad Dzaky Syaddad; Widyastuti; Ahmad Fajar Ulil Abshor; Sari Dwi Kartika
Jurnal Ilmiah KOMPUTASI Vol 18, No 4 (2019): Desember
Publisher : STMIK JAKARTA STI&K

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

Abstract

Kebisingan pada suatu lingkungan terkadang bisa mengganggu orang-orang tertentu yang memang peka terhadap kondisi bising. Akibat dari kebisingan tersebut, seseorang mungkin bisa mengalami gangguan kesehatan seperti sakit kepala, gangguan pendengaran, dan lainnya. Kondisi yang merugikan tersebut harus dihindari, untuk itu dirancanglah alat yang mampu memberikan informasi kondisi kebisingan lingkungan sekitar, sekaligus memberikan peringatan jika kondisi kebisingan lingkungan berbahaya bagi manusia. Alat yang telah dibuat ini mampu bekerja sesuai dengan rancangan, dimana informasi status dan hasil pengukuran tingkat kebisingan dalam satuan decibel (dB) ditampilkan pada sebuah OLED display, dan buzzer berbunyi ketika tingkat kebisingan berada diatas 100 dB
Implementasi Long Short-Term Memory Pada Prediksi Harga Saham PT Aneka Tambang Tbk Sari Dwi Kartika; Karmilasari
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

Salah satu perusahaan yang termasuk dalam Bursa Efek Indonesia adalah PT Aneka Tambang Tbk (PT Antam), perkembangan saham PT Antam mengalami penurunan dan kenaikan harga yang tidak stabil sehingga sangat sulit untuk di prediksi. Namun, dengan adanya machine learning para pemilik saham dapat memprediksi pergerakan harga saham dengan menggunakan data harga saham sebelumnya yang ada pada website harga saham. Penelitian ini bertujuan untuk melakukan implementasi dan analisis dalam memprediksi harga saham PT Aneka Tambang Tbk (PT Antam) menggunakan metode Long Short Term Memory (LSTM). Penelitian ini menggunakan data harga saham PT Aneka Tambang Tbk pada website finance.yahoo.com periode 29 September 2005 hingga 13 April 2021. Tahapan penelitian ini meliputi : pengumpulan data, data preprocessing (terdiri dari cleansing data, scaling data, dan pembagian data), olah data LSTM (terdiri dari perancangan dan pelatihan model LSTM), perhitungan tingkat error dan akurasi, dan visualisasi hasil prediksi. Pada penelitian ini dilakukan 6 kali percobaan menggunakan epochs yang berbeda – beda. Hasilnya, percobaan yang memiliki hasil prediksi harga saham yang data prediksinya paling mendekati dengan harga aktual adalah menggunakan epochs 100 dengan Root Mean Squared Error (RMSE) sebesar 0.3304 dan R squared (R2) sebesar 0.9902. Kata Kunci: Machine Learning, LSTM, Prediksi Harga Saham, RMSE, R Squared.
Implementasi Long Short-Term Memory Pada Prediksi Harga Saham PT Aneka Tambang Tbk: Array Sari Dwi Kartika; Karmilasari
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.21.1.2815

Abstract

Salah satu perusahaan yang termasuk dalam Bursa Efek Indonesia adalah PT Aneka Tambang Tbk (PT Antam), perkembangan saham PT Antam mengalami penurunan dan kenaikan harga yang tidak stabil sehingga sangat sulit untuk di prediksi. Namun, dengan adanya machine learning para pemilik saham dapat memprediksi pergerakan harga saham dengan menggunakan data harga saham sebelumnya yang ada pada website harga saham. Penelitian ini bertujuan untuk melakukan implementasi dan analisis dalam memprediksi harga saham PT Aneka Tambang Tbk (PT Antam) menggunakan metode Long Short Term Memory (LSTM). Penelitian ini menggunakan data harga saham PT Aneka Tambang Tbk pada website finance.yahoo.com periode 29 September 2005 hingga 13 April 2021. Tahapan penelitian ini meliputi : pengumpulan data, data preprocessing (terdiri dari cleansing data, scaling data, dan pembagian data), olah data LSTM (terdiri dari perancangan dan pelatihan model LSTM), perhitungan tingkat error dan akurasi, dan visualisasi hasil prediksi. Pada penelitian ini dilakukan 6 kali percobaan menggunakan epochs yang berbeda – beda. Hasilnya, percobaan yang memiliki hasil prediksi harga saham yang data prediksinya paling mendekati dengan harga aktual adalah menggunakan epochs 100 dengan Root Mean Squared Error (RMSE) sebesar 0.3304 dan R squared (R2) sebesar 0.9902. Kata Kunci: Machine Learning, LSTM, Prediksi Harga Saham, RMSE, R Squared.
Co-Authors Achmad Noerkhaerin Putra Ahmad Dzaky Syaddad Ahmad Fajar Ulil Abshor Karmilasari Widyastuti Widyastuti