Article Per Year (5 Year)
p-Index From 2020 - 2025
4.967
P-Index
This Author published in this journals
All Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi JURNAL ELEKTRO Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Charity : Jurnal Pengabdian Masyarakat Jurnal Indonesia Sosial Teknologi eProceedings of Engineering LOGIC: Jurnal Penelitian Informatika
Deni Saepudin
Universitas Telkom Bandung, Indonesia
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 112 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 112 Documents
Search

 1   2   3   4   5 
Peramalan Harga Saham Menggunakanhidden Markov Models Tifani Intan Solihati; Jondri Jondri; Deni Saepudin
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Saham merupakan salah satu surat-surat berharga yang diperdagangkan di pasar modal yang bersifat bukti pernyataan kepemilikan terhadap perusahaan. Investor yang mengalokasikan asetnya dalam perdagangan saham harus mempertimbangkan tingkat return dan risiko ketika memilih saham. Tingkat return tersebut berupa dividen dan keuntungan jika harga jual sahamnya melebihi harga belinya. Sedangkan risiko investasi saham diakibatkan oleh fluktuasi naik-turunnya harga saham. Peramalan harga saham dapat dilakukan dengan banyak cara, salah satunya dengan menggunakan Hidden Markov Models (HMM). Pada penelitian ini dilakukan dengan menggunakan continuous observation densities HMM dengan multivariate Gaussian distributions dan multiple observation sequences.  Penelitian ini menggunakan dua skenario yaitu memprediksi harga saham selama selang waktu 10 hari  dengan jumlah state = 4 dan 20 hari dengan jumlah state = 6.  Saham yang digunakan yaitu saham Bank BCA, Jasa Marga, dan Bank Mandiri. Hasil terbaik diperoleh pada prediksi saham Bank BCA di skenario ke-2 dengan MAPE 3,6743 %.
Analisis Dan Implementasi Optical Character Recognition Menggunakan Modified Direction Feature Dan Least Squares Support Vector Machine Gilang Rachman Perdana; Deni Saepudin; Adiwijaya Adiwijaya
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Pattern recognition merupakan salah satu teknologi yang hingga saat ini terus mengalami perkembangan. Manfaatnya yang sangat besar bagi kehidupan manusia mendorong peneliti terus mengembangkan kinerja dan akurasi sistem dengan mencoba dan mengimplementasikan banyak pilihan metode algoritma. Salah satu teknik pengenalan pola yang banyak dikenali orang adalah Optical Character Recognition (OCR).OCR merupakan sistem pengenalan pola karakter dengan input-an berupa citra baik secara off-line (hasil scan atau foto) maupun secara on-line (hasil guratan secara real-time). Pada dasarnya OCR terdiri dari tiga proses utama yaitu preproses, ekstraksi fitur/ciri, dan klasifikasi.  Dalam penelitian ini, pada tahap preproses akan dilakukan pengolahan citra digital agar citra masukan lebih efisien untuk diolah pada tahap selanjutnya. Sedangkan untuk tahap ekstraksi ciri akan digunakan metode Modified Direction Feature (MDF) dan metode Least Squares Support Vector Machine (LS-SVM) sebagai pengklasifikasi. MDF merupakan kombinasi dari metode Direction Feature (DF) dan Transition Feature (TF) yaitu dengan mengambil dan menghitung nilai ciri berdasarkan stroke karakter dari berbagai arah sehingga ciri karakter bersifat unik dan menjadi salah satu metode yang memiliki kinerja baik dalam proses ekstraksi ciri. Setelah ciri karakter didapat, maka akan diklasifikasikan oleh metode LS-SVM yang merupakan variant dari SVM standar. Jika SVM dikarakteristik oleh permasalahan konveks quadratic programming dengan pembatas berupa pertidaksamaan, maka LS-SVM sebaliknya, dikarakteristik dengan menggunakan pembatas yang hanya berupa persamaan. Sehingga solusi dari LS-SVM ini dihasilkan dengan menyelesaikan persamaan tersebut. Penelititan ini menghasilkan akurasi 84,61% untuk data uppercase, 90,48% untuk data lowercase, 86,36% untuk data digit, dan 68,37% untuk data total (gabungan data uppercase, lowercase, dan digit).
Pemodelan Harga Obligasi Dengan Bunga Berfluktuasi Menggunakan Model Vasicek Jangka Pendek Diani Sarah Kamilial; Deni Saepudin; Irma Palupi
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Obligasi adalah surat utang yang diterbitkan oleh suatu lembaga tertentu. Pihak yang menerbitkan obligasi akan membayar imbalan berupa kupon bunga tetap pada periode tertentu dan melunasi pokok hutang kepada pihak pembeli obligasi tersebut. Zero coupon bond adalah obligasi yang tidak melakukan pembayaran kupon bunga secara periodik tetapi keuntungan secara keseluruhan dibayarkan saat obligasi jatuh tempo. Harga obligasi beserta kupon bunga sensitif terhadap fluktuasi tingkat suku bunga. Oleh karena itu, untuk memprediksi harga obligasi diperlukan prediksi suku bunga. Model Vasicek adalah salah satu model yang digunakan untuk memprediksi tingkat suku bunga. Setelah diperoleh suku bunga dalam rentang waktu tertentu menggunakan model Vasicek, dilakukan perhitungan harga obligasi menggunakan suku bunga prediksi yang diperoleh dari model Vasicek sebelumnya. Hasil suku bunga prediksi menggunakan model Vasicek tidak dapat menangkap fluktuasi data suku bunga dengan nilai parameter untuk kecepatan pergerakan suku bunga adalah 1 yang merupakan nilai parameter optimum dengan error kuadrat minimum terhadap data histori sebesar 0.0034. Model Vasicek dapat memprediksi suku bunga dengan error kuadrat sebesar 0.0135 dan maksimum selisih suku bunga prediksi dengan data validasi sebesar 0.00057. Hasil penelitian membuktikan bahwa hasil prediksi suku bunga menggunakan model Vasicek lebih baik digunakan untuk waktu yang pendek.
ANALISIS CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION (CLAHE) DAN REGION GROWING DALAM DETEKSI GEJALA KANKER PAYUDARA PADA CITRA MAMMOGRAM Freyssenita Kanditami P; Deni Saepudin; Achmad Rizal
Jurnal Elektro Vol 7 No 1 (2014): Jurnal Elektro Unika Atma Jaya
Publisher : Prodi Teknik Elektro, Fakultas Teknik Unika Atma Jaya Jakarta

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

Abstract

Kanker payudara merupakan penyakit yang banyak diderita oleh wanita. Kanker payudara adalah pertumbuhan secara tidak terkontrol pada jaringan payudara. Mammografi merupakan salah satu cara pemeriksaan payudara menggunakan sinar-X dosis rendah dengan mendeteksi kanker payudara yang hasilnya berbentuk citra. Bentuk citra tersebut disebut mammogram. Terkadang terdapat beberapa mammogram yang berwarna gelap sehingga sulit untuk dilakukan diagnosis. Untuk itu dibutuhkan teknik perbaikan kualitas citra yang dapat memunculkan bagian-bagian yang tidak terlihat. Teknik yang biasa digunakan adalah histogram equalization (HE). Namun terdapat beberapa bagian yang masih gelap karena HE meningkatkan kekontrasan pada citra secara global. Adaptive histogram equalization (AHE) merupakan teknik yang dapat mengatasi kekurangan HE dengan melakukan peningkatan kekontrasan pada area lokal. Namun peningkatan kekontrasan kadang terjadi secara berlebihan. Dengan menggunakan contrast limited adaptive histogram equalization (CLAHE), peningkatan kontras yang berlebihan pada AHE dapat diatasi dengan pemberian nilai batas pada histogram. Pada penelitian ini, dibangun sistem identifikasi tumor yang terdiri dari image enhancement dengan CLAHE, ekstraksi ciri, klasifikasi dan segmentasi tumor dengan region growing. Dalam sistem ini, CLAHE mampu meningkatkan akurasi klasifikasi hingga 100%. Pengujian pada region growing dilakukan dengan penilaian terhadap hasil ROI oleh seorang ahli medis. Kata kunci:          kanker payudara,  mammogram, CLAHE, region growing
Forecasting of Sea Level Time Series using RNN and LSTM Case Study in Sunda Strait Annas Wahyu Ramadhan; Didit Adytia; Deni Saepudin; Semeidi Husrin; Adiwijaya Adiwijaya
Lontar Komputer : Jurnal Ilmiah Teknologi Informasi Vol 12 No 3 (2021): Vol. 12, No. 03 December 2021
Publisher : Institute for Research and Community Services, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/LKJITI.2021.v12.i03.p01

Abstract

Sea-level forecasting is essential for coastal development planning and minimizing their signi?cantconsequences in coastal operations, such as naval engineering and navigation. Conventional sealevel predictions, such as tidal harmonic analysis, do not consider the in?uence of non-tidal elementsand require long-term historical sea level data. In this paper, two deep learning approachesare applied to forecast sea level. The ?rst deep learning is Recurrent Neural Network (RNN), andthe second is Long Short Term Memory (LSTM). Sea level data was obtained from IDSL (InexpensiveDevice for Sea Level Measurement) at Sebesi, Sunda Strait, Indonesia. We trained themodel for forecasting 3, 5, 7, 10, and 14 days using three months of hourly data in 2020 from 1stMay to 1st August. We compared forecasting results with RNN and LSTM with the results of theconventional method, namely tidal harmonic analysis. The LSTM’s results showed better performancethan the RNN and the tidal harmonic analysis, with a correlation coef?cient of R2 0.97 andan RMSE value of 0.036 for the 14 days prediction. Moreover, RNN and LSTM can accommodatenon-tidal harmonic data such as sea level anomalies.
Pemodelan dan Simulasi Peluang Kebangkrutan Perusahaan Asuransi dengan Analisis Nilai Premi dan Ukuran Klaim Diasumsikan Berdistribusi Eksponensial Farah Diba; Deni Saepudin; Aniq Antiqi Rohmawati
Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 2 (2017): September, 2017
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2017.2.2.147

Abstract

AbstrakPaper ini berisi tentang pemodelan dan simulasi peluang kebangkrutan perusahaan asuransi saat menanggung klaim dari pelanggan. Perusahaan mempunyai dana untuk membayar klaim yang diperoleh dari akumulasi cadangan dana awal dan pendapatan perusahaan dari pembayaran premi. Jika dana perusahaan pada waktu ke- lebih kecil sama dengan 0 maka perusahaan asuransi mengalami kebangkrutan. Oleh karena itu dianalisis premi yang harus dibayar oleh pelanggan asuransi. Semakin besar jumlah premi yang dibayar, maka semakin besar dana perusahaan asuransi pada waktu ke- untuk menanggung klaim berikutnya. Peluang kebangkrutan dapat diprediksi dari simulasi model n-kali dengan asumsi banyaknya klaim yang terjadi pada selang waktu antara 0 dan  berdistribusi Poisson dan ukuran klaim berdistribusi Eksponensial. Kata Kunci: peluang kebangkrutan, distribusi Eksponensial, distribusi Poisson,  premi 
PEMILIHAN PORTOFOLIO SAHAM DENGAN MENGGUNAKAN WEIGHTED FREQUENT ITEMSETS Resi Annisa Nur; Deni Saepudin; Rian Febrian Umbara
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 2 (2018): September, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.2.239

Abstract

Portofolio saham merupakan sekumpulan saham yang dimiliki oleh berbagai  sektor untuk menjadi bukti kepemilikan para investor. Saham tersebut memiliki jumlah proporsi yang berbeda. Tujuan dari Tugas Akhir adalah untuk membuat sebuah portofolio saham dengan memilih itemsets saham yang memenuhi persyaratan, yaitu minimum return dan minimum diversifikasi. Penelitian ini menggunakan pendekatan algoritma data mining yaitu weighted frequent itemsets. Weighted frequent itemsets merupakan teknik pemisahan data saham yang bertujuan untuk menemukan hubungan atau korelasi pada sekumpulan dataset yang akan dipilih. Dataset yang digunakan untuk pemilihan portofolio saham diambil dari Yahoo Fianace (2018), data yang digunakan diambil dari Tanggal 1 Januari 2008 hingga 31 Desember 2017. Pengujian yang dilakukan yaitu dengan menetapkan minimum return 3%, 4%, 5%.  Untuk itemsets saham yang dipilih, terdiri dari banyak saham yang melebihi minimum return dan terdiversifikasi pada sektor-sektor yang berbeda. Dari hasil pengujian yang dilakukan, kinerja portofolio saham yang diperoleh melebihi IHSG (Indeks Harga Saham Gabungan) berdasarkan skenario secara periodik dengan menggunakan data yang diupdate. Kata kunci : diversifikasi, portofolio saham, weighted frequent itemsets.
Pemilihan Portofolio dengan Metode Polynomial Goal Programming (PGP) Berdasarkan Momen Tinggi dan Entropi pada Saham JII Reza Pratama; Deni Saepudin; Aniq Atiqi Rohmawati
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.302

Abstract

Dalam berinvestasi di pasar saham, hal yang perlu diperhatikan adalah bagaimana cara untuk melakukan manajemen atau diversifikasi portofolio yang tepat. Dalam memilih portofolio, Markowitz telah mengemukakan suatu teori modern yang memadukan antara ekspektasi return dan variansi return (resiko). Namun model milik Markowitz hanya berlaku jika distribusi data return saham berdistribusi normal. Penambahan momen tinggi yaitu skewness, kurtosis serta entropi shanon dan gini simpson menjadi solusi untuk data yang tidak berdistribusi normal. Penambahan momen pertama, kedua dan seterusnya menciptakan masalah optimasi berbentuk polinomial yang diselesaikan menggunakan Polynomial Goal Programming (PGP). PGP sendiri mengimplementasikan Minkowksi distance dengan momen tinggi dan entropi sebagai objektifnya. Sehingga, nilai optimum masing-masing objektif dapat diketahui dan disubstitusi ke dalam model PGP sehingga didapatkan output berupa nilai optimum masing-masing objektif terbaru sesuai model PGP yang diterapkan. Setelah menerapkan model PGP, hasil dari nilai optimum objektif terbaru akan dibandingkan antara model satu dengan lainnya. Didapatkan, kinerja model PGP yang melibatkan mean dan entropi gini simpson lebih baik daripada model milik Markowitz atau model tanpa dilakukan optimasi dalam hal mendapatkan keuntungan dan mengurangi resiko dalam pemilihan portofolio.
Implementasi Dempster Shafer dalam Pembentukkan Portofolio Mean Varian Muhammad Iqbal Cholil; Deni Saepudin; Aniq Atiqi Rohmawati
Indonesia Journal on Computing (Indo-JC) Vol. 5 No. 1 (2020): Maret, 2020
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2020.5.1.371

Abstract

Implementasi Dempster Shafer dalam pembentukkan portofolio saham Mean Varian menghasilkan nilai performansi saham yang menjadi acuan untuk pemilihan saham kedalam portofolio saham Mean Varian. Nilai performansi saham dihasilkan dari data variansi return dan faktor fundamental saham Indeks LQ45 yang dihitung menggunakan aturan kombinasi Dempster Shafer. Saham dengan nilai performansi tertinggi dipilih kedalam portofolio saham Mean Varian. Pada penelitian ini, terdapat 10 saham yang dipilih ke dalam portofolio saham yaitu BSDE, GGRM, INDF, SGRO, SMGR, SCMA, MNCN, BBCA, HMSP, dan BMTR dengan menghasilkan portofolio return sebesar 0,0125. Evaluasi kinerja portofolio diterapkan dengan menggunakan metode Sharpe Ratio dengan hasil yang didapat portofolio saham dengan metode Dempster Shafer sebesar 0,2063 dan portofolio saham Mean Varian tanpa Dempster Shafer sebesar 0,0905. Hasil dari penelitian ini, portofolio saham Mean Varian dengan metode Dempster Shafer memiliki kinerja portofolio yang lebih baik dibandingkan portofolio saham Mean Varian tanpa metode Dempster Shafer. Kata Kunci: Dempster Shafer, Portofolio Return, Portofolio Mean Varian, Sharpe Ratio
Price Prediction of Chili Commodities in Bandung Regency Using Bayesian Network Putri Nuvaisiyah; Fhira Nhita; Deni Saepudin
International Journal on Information and Communication Technology (IJoICT) Vol. 4 No. 2 (2018): December 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/IJOICT.2018.42.204

Abstract

Chili is one of the agricultural commodities consumed by Indonesian people. Market data in recent years show that chili prices tend to fluctuate as supply and demand changes. One of the impacts of chili price changes for farmers is the production cost is higher than the selling price. In addition to supply and demand changes, the weather is also indicated as a factor of price changes due to the weather being considered by farmers to grow chili. Price prediction is needed to determine the condition of chili prices in the future to help farmers in making decisions to plant at the right time. One method that can be used to make prediction is Data Mining classification method. In this paper, Bayesian network algorithm was used as Data Mining classification method to predict the price of chili commodity in Bandung Regency based on weather information and classified the price into economic class and not economic class. The result shows that the prediction model obtained by the Bayesian Network gives a system’s performance for precision and recall that is 1 and 0.94 respectively with average accuracy of 85.5% in classifying the price.
Co-Authors Abdurrahman Muttaqiin Achmad Fadholy Achmad Rizal Aditya Firman Ihsan Adiwijaya Aisyah Aisyah Alberila Fraida Loceseima Putri Almaya Sofariah Andhika Rama Putra Anggia Parsaoran Exaudi Aniq Antiqi Rohmawati Aniq Atiqi Rohmawati Aniq Rohmawati Anjar Pratiwi Annas Wahyu Ramadhan Annisa Aditsania Annisa Resnianty Anton Sri Haryanto Arfananda, Muhammad Ghifari Arifin Dwi Kandar Saputro Ayunda Firsty Trisnowati Azizah , Nakhwa Benedikto Krisnandy Wijaya Caramoy, Senza Danar Satrio Aji Dara Ayu Lestari Defy Ayu Dewa Made Rai Widyadarma Diah Fitri Wulandari Diani Sarah Kamilial Diani Sarah Kamilial Didit Adytia Dimas Rizqi Guintana Dini Apriliani Lestari Dio Navialdy Egi Shidqi Rabbani Elvina Oktavia Erlina Febriani Esther Laura Christy Fadhlika Hadi Fahmi Muhamad Fauzi Farah Diba Faturachman Nugraha Sasmita Fazlur Rahman Amri Febry Triyadi Fhira Nhita Fikri Nur Hadiansyah Fitriaini Amalia Freyssenita Kanditami P Furqon Hidayat Gharyni Nurkhair Mulyono Ghufron, Sayid Giali Ghazali Gilang Rachman Perdana Gilang Rachman Perdana Hadyatma Dahna Marta Hario Adi Ghufron Herlansyah, Ridhwan Rifky Himatul Zulfa Husain Athfal Hidayat Ihsan Hasanudin Irfan Fauzan Prasetyo Irma Palupi Isman Kurniawan Izzata Izzata Jondri Jondri Kaisa Sekaring Pertiwi Kautsar Abdillah Kemas Muslim Lhaksmana Khoirunnisa Ulayya Kuntjoro Adji Sidarto Lani Rohaeni Laode Muhammad Ali Al-Qomar Lesmana, Rangga Made Larita Ditakristy Mailia Putri Utamil Maulid Fathurachman, Rizaldi Mayriskha Isna Indriyani Mega Silvia Desvi Muhamad Aziz, Reihan Muhammad Fadhil Maulana Muhammad Iqbal Cholil Muhammad Rifqi Arrahim Natadikarta Muhammad Taufiq Raihan Nanda Putri Mintari Narestha Adi Pratama, Putu Agus Naufal Abdurrahman Burhani Nisrina Nur Faizah Novelya Nababan Novi Syafira, Muthia Nur Roza Fitriyana Putri Nuvaisiyah Putu Harry Gunawan Rahmi Putri Amalia Raisa Betha Meiliza Ratih Puspita Furi Rauf, Khalifatur Razaq, Kukuh Sanddi Reima Agustina Kusumawardani Reiza Krisnaviardi Resi Annisa Nur Reza Pratama Rian Febrian Umbara Ridhwan Rifky Herlansyah Rizaldi Maulid Fathurachman Rizq Athariq, Muhammad Sabilla Fitriyantini Saputra, Muhammad Ridho Semeidi Husrin Shabrina Nanggala Sheila Nur Fadhila Sofyan, Denny Sri Rezeki Hardiyanti Susy Sundari Syaifrijal Zirkon Radion Tasya Salsabila Tifani Intan Solihati Triandini Nurislamiaty Triyana Kadarisman Uggi Stivani Savitri Vina Putri Damartya Widyasari, Felicia Dina Yanuar Ishaq Zhafran, I Kamil Elian Zhafran, Kamil Elian