Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Kresna: Jurnal Riset dan Pengabdian Masyarakat Jurnal Intelek Dan Cendikiawan Nusantara
Bruri Trya Sartana
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Social Sciences Other

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

Found 2 Documents
Search

 1 
Prediksi Harga Saham Twitter Menggunakan Algoritma Support Vector Machine Satia Nurpatih; Bruri Trya Sartana
KRESNA: Jurnal Riset dan Pengabdian Masyarakat Vol 4 No 1 (2024): Jurnal KRESNA Mei 2024
Publisher : DRPM Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/kresna.v4i1.133

Abstract

Dalam penelitian ini, sistem algoritma Support Vector Machine (SVM) digunakan untuk memprediksi harga saham Twitter dengan menggunakan dataset yang terdiri dari 1184 record. Fokus utama penelitian ini adalah mencapai tingkat akurasi prediksi yang tinggi, yang diukur menggunakan Root Mean Square Error (RMSE). Dataset yang digunakan diperoleh dari website macrotrends.com dan mencakup harga saham Twitter selama periode waktu yang signifikan. Masalah penelitian secara spesifik adalah mengoptimalkan parameter C dalam model SVM untuk meningkatkan kemampuan model dalam menggambarkan kompleksitas hubungan antara faktor atmosfer dan perubahan harga saham. Dengan kata lain, penelitian ini berupaya untuk mengatasi tantangan dalam menciptakan prediksi yang akurat terhadap perubahan harga saham Twitter dengan memanfaatkan informasi atmosfer yang relevan dan memperhatikan keterkaitan yang kompleks antara faktor-faktor tersebut. Evaluasi model dilakukan menggunakan RMSE pada kumpulan data pengujian yang tidak digunakan selama pelatihan. Hasil eksperimen menunjukkan bahwa model SVM dengan dataset 1184 record memberikan nilai RMSE sebesar 0,039 yang mencerminkan tingginya akurasi prediksi harga saham. Kesimpulan dari penelitian ini adalah bahwa model SVM, ketika diterapkan pada dataset yang cukup besar, dapat memberikan prediksi harga saham Twitter yang responsif terhadap dinamika pasar. Hasil evaluasi model menunjukkan Root Mean Square Error (RMSE) yang rendah, mengindikasikan tingkat akurasi yang tinggi dalam menggambarkan pergerakan harga saham. Hal ini memberikan dasar yang kuat bagi pengambilan keputusan investasi. Prediksi yang dihasilkan oleh model ini membantu dalam memahami kemampuan algoritma sebagai vektor pendukung dalam konteks estimasi harga saham. Implikasi dari penelitian ini mencakup potensi penggunaan praktis model ini untuk mendukung pengambilan keputusan investasi di pasar saham yang dinamis. Ini menggambarkan luaran penelitian berupa model data yang efektif dalam menganalisis dan memprediksi pergerakan harga saham, dengan potensi aplikasi praktis dalam konteks pengambilan keputusan investasi.
Perancangan Sistem Pengelolaan Parkir Otomatis Menggunakan NodeMCU dan Sensor Infrared (Studi Kasus di Area Parkir PT Inovasi Cell) Iis Torisa Utami; Riri Irawati; Ririt Roeswidiah; Bruri Trya Sartana; Fahmi Syahriza
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 5 (2025): Oktober - November 2025
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

The purpose of this research focuses on the utilization of a NodeMCU ESP8266 microcontroller using the Arduino IDE and infrared sensors for an automatic parking barrier management system. The research method used is a literature study, along with several materials and tools that support the design of the automatic parking barrier management system, such as a system-on-a-chip (SoC) based on the ESP8266 developed by Espressif Systems, which includes components like the CPU, RAM, and internet connectivity. Based on the test results, the design of the automatic control system effectively improves convenience and security for parking users. Users can utilize parking facilities more easily, quickly, and efficiently. This is due to the capability of the automatic gate system to optimally detect the presence of a vehicle at a distance of approximately ±2 cm within a duration of 8 seconds. In addition, the infrared sensor works synergistically with the ultrasonic sensor to provide signals or commands to the servo motor for automatically opening and closing the parking barrier. The barrier closes within approximately ±2 seconds after a vehicle is detected entering the parking area, and likewise opens when a vehicle exits the area. The success of this system is also greatly influenced by good management practices, including regular calibration, security system integration, monitoring, operational efficiency, digital data management, and the implementation of sustainability principles. Therefore, through well-planned and systematic management supported by technological development, the automatic parking barrier system can enhance user comfort, security, and service efficiency. Overall, the design of this system can serve as an effective solution to support modern parking facilities that are efficient, integrated, and focused on customer satisfaction.
Co-Authors Fahmi Syahriza Iis Torisa Utami Riri Irawati Ririt Roeswidiah Satia Nurpatih