Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Informatika Kaputama (JIK)
Devy Kumalasari
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering

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

Found 3 Documents
Search

 1 
ANALISIS DAN PERBANDINGAN ALGORITMA DATA MINING DALAM PREDIKSI HARGA SAHAM GGRM Reza Maulana; Devy Kumalasari
Jurnal Informatika Kaputama (JIK) Vol 3, No 1 (2019): Edisi Januari 2019
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v3i1.134

Abstract

Investasi saham di pasar modal merupakan hal yang sangat bagi setiap perusahaan di dunia. Harga saham di pasar modal bergerak secara acak, tinggi rendahnya harga saham dipengaruhi oleh banyak faktor. Oleh karena itu, perlu prediksi harga saham sehingga dapat membantu para investor untuk melihat prospek investasi di masa yang akan datang. Dalam  penelitian ini akan dilakukan prediksi harga saham GGRM dengan membandingkan beberapa model algoritma yaitu Neural Network, Linear Regression, Support Vector Machine, Gaussian Process, dan Polynomial Regression. Untuk mengukur tingkat akurasi dari tiap model algoritma digunakan model validasi 10 Fold Cros Validation dan evaluasi menggunakan Root Mean Square Error (RMSE). Hasil penelitian ini menyimpulkan bahwa data harga saham GGRM dapat diprediksi dengan menggunakan model algortima Neural Network, dengan hasil akurasi prediksi RMSE 612.474 +/- 89.402 (mikro: 618.916 +/- 0.000) paling kecil dibandingkan dengan model algoritma lainnya, sehingga dengan prediksi ini dapat membantu dalam memprediksi harga saham GGRM di pasar modal.Kata kunci: Algortima Prediksi, Perbandingan Algoritma, Prediksi Harga Saham GGRM.
ANALISIS KOMPARASI ALGORITMA KLASIFIKASI DATA MINING UNTUK PREDIKSI STATUS KELULUSAN MAHASISWA AKADEMI BINA SARANA INFORMATIKA Reza Maulana; devy kumalasari
Jurnal Informatika Kaputama (JIK) Vol 3 No 2 (2019): Volume 3, Nomor 2, Juli 2019
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v3i2.368

Abstract

The role of data mining in solving a large data problem includes estimation, prediction, classification, clustering and association. One of the roles of data mining used in this study is the classification to predict the graduation of Bina Sarana Informatika students in 2017 with the provision of passing on time and passing late. The algorithm used is the Decision Tree, K-Nerest Neighbor, Naïve Bayes, Random tree and Random Forest. The number of students graduating in the 1st period of 2017 was 5870 where there were 4998 students graduating on time and 872 graduating late. Performance testing of several algorithms using validation and different tests T-Test The k-NN algorithm has a high accuracy value of 99.98% which is the highest value and the best AUC is obtained by the Naïve Bayes algorithm with a value of 1,000. While the difference test is t-test significance <0.05, then H0 is rejected and if> 0.05 then H0 is accepted, only Decision Three against Naïve Bayes is accepted, otherwise it is rejected.
ANALISIS DAN PERBANDINGAN ALGORITMA DATA MINING DALAM PREDIKSI HARGA SAHAM GGRM Reza Maulana; Devy Kumalasari
Jurnal Informatika Kaputama (JIK) Vol 3 No 1 (2019): Volume 3, Nomor 1, Januari 2019
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v3i1.393

Abstract

Investasi saham di pasar modal merupakan hal yang sangat bagi setiap perusahaan di dunia. Harga saham di pasar modal bergerak secara acak, tinggi rendahnya harga saham dipengaruhi oleh banyak faktor. Oleh karena itu, perlu prediksi harga saham sehingga dapat membantu para investor untuk melihat prospek investasi di masa yang akan datang. Dalam penelitian ini akan dilakukan prediksi harga saham GGRM dengan membandingkan beberapa model algoritma yaitu Neural Network, Linear Regression, Support Vector Machine, Gaussian Process, dan Polynomial Regression. Untuk mengukur tingkat akurasi dari tiap model algoritma digunakan model validasi 10 Fold Cros Validation dan evaluasi menggunakan Root Mean Square Error (RMSE). Hasil penelitian ini menyimpulkan bahwa data harga saham GGRM dapat diprediksi dengan menggunakan model algortima Neural Network, dengan hasil akurasi prediksi RMSE 612.474 +/- 89.402 (mikro: 618.916 +/- 0.000) paling kecil dibandingkan dengan model algoritma lainnya, sehingga dengan prediksi ini dapat membantu dalam memprediksi harga saham GGRM di pasar modal.
Co-Authors Reza Maulana