Article Per Year (5 Year)
p-Index From 2021 - 2026
0.888
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Infotech Journal Jurnal Ilmiah Wahana Pendidikan
Mohamad Jajuli
Unknown Affiliation
Religion Computer Science & IT Education Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Prediksi Harga Kartu Grafis NVIDIA Berdasarkan Pengaruh Harga Cryptocurrency Menggunakan Support Vector Regression Mohammad Nurfaizy Pangestu; Mohamad Jajuli; Ultach Enri
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 17 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (284.592 KB) | DOI: 10.5281/zenodo.7076540

Abstract

The growing popularity of cryptocurrencies has caused the market demand for graphics cards to reach unusual heights for their efficient cryptomining capabilities. Graphics cards are not only used for crypto mining but also video editing, video streaming, and video games, this causes an unavailability of graphics card supply due to high demand, especially for cryptomining needs and leads to unusual prices increases which makes it difficult for graphics card consumers and miners to buy graphics cards at normal price. Therefore, it is necessary to predict the price of NVIDIA graphics cards based on the influence of cryptocurrency prices. The methodology used is KDD, and the algorithm used to make predictions is SVR because its ability to overcome the overfitting problem so it can produce more accurate predictions, besides that in this study the grid search algorithm is applied to determine optimal parameters. In this study, 6 graphics cards and 2 cryptocurrencies were used which produced the 6 best prediction models which were chosen based on the RMSE value. GTX 1050 has RMSE value of 0.2028, GTX 1050 Ti has RMSE value of 0.14564, GTX 1060 has an RMSE value of 0.07629, while in the RTX 30 series, RTX 3070 has an RMSE value of 0.03178, RTX 3080 has RMSE value of 0.0388, and RTX 3090 has RMSE of 0.06259. From these results, it can be stated that RTX 30 series has better accuracy than GTX 10 series in making predictions. RBF is better than linear which only excels on the GTX 1060.
PENERAPAN PROGRESSIVE WEB APP PADA PEMBUATAN WEBSITE MAGANG STUDI KASUS PRODI INFORMATIKA UNSIKA Muhammad Adif Fikri; Aji Primajaya; Mohamad Jajuli
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.7059

Abstract

Magang merupakan salah satu syarat kelulusan mahasiswa Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang (Fasilkom Unsika), namun proses mencari lowongan magang masih sulit karena di Fasilkom Unsika belum ada platform yang menyediakan informasi lowongan magang untuk mahasiswa Fasilkom Unsika. Proses pendaftaran magang juga belum efektif karena belum adanya sistem yang mengurus pendaftaran magang mahasiswa dan masih menggunakan Google Form. Oleh karena itu, dibutuhkan sebuah website yang dapat menyediakan informasi lowongan magang dan mengurus pendaftaran magang. Dari hasil wawancara dengan mahasiswa, website juga harus dapat berjalan baik pada perangkat desktop dan mobile sehingga Progressive Web App (PWA) akan di implementasikan pada website yang akan dibuat. Website magang akan dibuat menggunakan metode pengembangan Waterfall dengan 5 tahapan yang dikerjakan dengan sistematis. Menggunakan Black Box testing dan Lighthouse testing, didapatkan bahwa website magang yang dibuat dapat berjalan dengan baik pada perangkat desktop dan mobile serta memiliki kompatibilitas dengan PWA yang baik.
RANCANG BANGUN SISTEM TANYA JAWAB AKADEMIK DOSEN DENGAN METODE RETRIEVAL AUGMENTED GENERATION BERBASIS WEBSITE Rafli Pasya; Yuyun Umaidah; Mohamad Jajuli
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.7614

Abstract

Interaksi tanya jawab akademik antara mahasiswa dan dosen seringkali menghadapi tantangan efisiensi, di mana dosen dibebani oleh pertanyaan yang repetitif sementara mahasiswa membutuhkan respons yang cepat. Permasalahan ini mendorong kebutuhan akan solusi otomatis untuk memfasilitasi komunikasi yang lebih efektif. Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem tanya jawab akademik berbasis website dengan mengimplementasikan metode Retrieval-Augmented Generation (RAG) untuk menyediakan jawaban yang relevan dan kontekstual. Pengembangan sistem menggunakan metodologi Agile Scrum yang dilakukan secara iteratif, mencakup tahapan product backlog, sprint planning, implementasi, sprint review, dan sprint retrospective. Sistem ini mengintegrasikan beberapa teknologi yaitu backend portal dikembangkan dengan Laravel 10, antarmuka chatbot menggunakan Streamlit, basis data menggunakan PostgreSQL dengan ekstensi pgvector untuk vector similarity, serta model generative AI Gemini 2.5 Flash untuk menghasilkan respons. Evaluasi sistem dilakukan melalui blackbox testing pada seluruh fungsionalitas. Hasil pengujian menunjukkan bahwa sistem berhasil berfungsi sesuai dengan yang diharapkan, di mana chatbot mampu memberikan jawaban yang akurat dan relevan berdasarkan basis pengetahuan yang tersedia, serta secara efektif mengurangi kebutuhan interaksi langsung antara mahasiswa dan dosen
FORECASTING HARGA GOLD DALAM GAME ALBION ONLINE MENGGUNAKAN MODEL LSTM (LONG SHORT-TERM MEMORY) Fergiano Deren Ryandi; Sofi Defiyanti; Mohamad Jajuli
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10562

Abstract

Abstrak. Pasar ekonomi dalam gim MMORPG Albion Online memiliki tingkat kompleksitas dan volatilitas yang tinggi, khususnya pada pergerakan harga Gold sebagai mata uang premium. Fluktuasi harga yang tidak menentu sering kali menyebabkan kerugian ekonomi bagi para pemain dalam menentukan momentum transaksi. Penelitian ini bertujuan untuk membangun sistem peramalan (forecasting) harga Gold dengan menggunakan model Long Short-Term Memory (LSTM) dengan arsitektur Triple-Stacked. Data yang digunakan merupakan data deret waktu (time series) harga Gold selama periode satu bulan lima belas hari yang dikumpulkan per jam. Pra-pemrosesan data dilakukan melalui tahap pembersihan data dan normalisasi menggunakan metode Min-Max Scaling untuk meningkatkan efisiensi pelatihan model. Hasil penelitian menunjukkan bahwa model LSTM yang dikembangkan mampu memprediksi harga dengan tingkat akurasi yang sangat tinggi, dibuktikan dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,90%. Visualisasi perbandingan antara data aktual dan prediksi menunjukkan kedekatan yang signifikan, terutama pada peramalan jangka pendek. Sistem ini diharapkan dapat menjadi instrumen pendukung keputusan bagi pemain dalam mengoptimalkan strategi perdagangan di ekosistem ekonomi Albion Online. Abstract. The economic market in the MMORPG game Albion Online exhibits high levels of complexity and volatility, particularly in the price movement of Gold as a premium currency. Uncertain price fluctuations often lead to economic losses for players when determining transaction momentum. This study aims to build a Gold price forecasting system using the Long Short-Term Memory (LSTM) model with a Triple-Stacked architecture. The data used is time series data of Gold prices over a period of one month and fifteen days, collected hourly. Data pre-processing was conducted through data cleaning and normalization using the Min-Max Scaling method to enhance model training efficiency. The results show that the developed LSTM model is capable of predicting prices with very high accuracy, evidenced by a Mean Absolute Percentage Error (MAPE) of 3.50% for a 24-hour horizon and 5.15% for a 72-hour horizon. These results categorize the model as a highly accurate forecasting classification. This system is expected to serve as a decision-support instrument for players to optimize trading strategies within the Albion Online economic ecosystem.
Co-Authors Fergiano Deren Ryandi Mohammad Nurfaizy Pangestu Muhammad Adif Fikri Rafli Pasya Sofi Defiyanti Ultach Enri Yuyun Umaidah