Article Per Year (5 Year)
p-Index From 2021 - 2026
3.011
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmiah Informatika Komputer ELKHA : Jurnal Teknik Elektro Majalah Ilmiah Matematika Komputer FIKI 2013 Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Ilmiah KOMPUTASI Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Teknologi Sistem Informasi dan Aplikasi Petir EXPLORE Edugama: Jurnal Kependidikan dan Sosial Keagamaan Journal Sensi: Strategic of Education in Information System Journal of Applied Computer Science and Technology (JACOST) EXPLORE Research Horizon Explore Prosiding SeNTIK STI&K
Lussiana ETP
STMIK Jakarta STI&K
Arts Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Petir

 1 
Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia Adhib Arfan; Lussiana ETP
PETIR Vol 13 No 1 (2020): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (709.824 KB) | DOI: 10.33322/petir.v13i1.858

Abstract

Banyak investor masih ragu dengan risiko dalam berinvestasi, hal ini disebabkan oleh fluktuasi indeks harga saham dalam waktu singkat. Telah banyak dikembangkan metode untuk memperkirakan harga saham yang akan datang namun masih memiliki keterbatasan di antaranya adalah ketergantungan jangka panjang. Tujuan penelitian yang ingin dicapai adalah menghasilkan model peramalan harga saham yang lebih efektif dan memberikan hasil yang akurat. Tahapan yang dilakukan terdiri dari pengumpulan data, preprocessing data, pembagian data, perancangan LSTM, pelatihan LSTM dan melakukan pengujian. Berdasarkan hasil pengujian, LTSM mampu memprediksi harga saham pada tahun 2017-2019 dengan performa yang baik dan tingkat kesalahan yang relatif kecil. Sedangkan pengujian menggunakan metode Support Vector Regression (SVR), LSTM memiliki nilai loss lebih baik dari algoritma SRV. Rentang data pada LSTM mempengaruhi waktu latih yang digunakan, semakin besar rentang data maka semakin lama waktu latih yang digunakan. Rentang data pada SVR mempengaruhi nilai loss, semakin besar rentang data maka semakin besar nilai loss yang dihasilkan. Dengan demikian dapat disimpulkan bahwa LSTM mampu menanggulangi ketergantungan jangka panjang dan mampu memprediksi harga saham dengan hasil yang akurat.
Sistem Pengenalan Karakter Dokumen Secara Otomatis Menggunakan Metode Optical Character Recognition Susan Siti Nurhaliza; Lussiana ETP
PETIR Vol 15 No 1 (2022): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33322/petir.v15i1.1610

Abstract

Merebaknya pandemi covid-19 memberikan dampak ke segala bidang kehidupan, termasuk kegiatan ekspor impor, khususnya impor barang yang berkaitan dengan alat kesehatan. Peningkatan impor yang signifikan menyebabkan aktifitas pemeriksaan dokumen terkait dengan customs clearance semakin meningkat tajam. Kondisi ini mempengaruhi kinerja petugas dalam hal ketelitian dan kekuatan jasmani, yang saat ini masih dilakukan secara manual yaitu pembacaan naskah secara langsung. Dengan demikian sangat rentan terhadap terjadinya kesalahan baca dan entry data saat pemeriksaan. Akibatnya harus dilakukan pemeriksaan ulang dan banyaknya complain dari penerima barang. Penelitian ini bertujuan menerapkan metode Optical Character Recognition (OCR) untuk mengenali karakter dokumen ijin distribusi alat kesehatan. Berbagai tahap penelitian yang digunakan antara lain: preprocessing yang terdiri dari proses grayscaling, binerisasi, cropping kemudian dilanjutkan dengan proses segmentasi, ekstraksi fitur dan untuk proses terakhir adalah proses metode template matching yang merupakan suatu metode yang banyak digunakan untuk mengenali suatu karakter. Hasil uji coba 5 citra dokumen menunjukkan tingkat akurasi pengenalan karakter sebesar 98.78% dan waktu proses rata-rata 1.29 detik Dengan demikian dapat disimpulkan bahwa metode OCR dapat di terapkan untuk mengenali suatu karakater pada dokumen izin distribusi alat kesehatan.
Co-Authors Adhib Arfan Arif Rachman Aulia Nurhidayati Bheta Agus Wardijono Di Ajeng Pambayun Eel Susilowati Ega Rudy Graha Ervina Nisfiani Fajar, Mohammad Yan Freddy Artadima Silaban Indrayanti, Annisa Kalbuana, Nawang Kania Lulu Mahfudzah Karmilasari Karno, Adhitio Satyo Bayangkari Khusnul Khotimah Kokoy Rokoyah Kokoy Rokoyah M. Subali Mella Trisnawali Mirasari, Ratih Ayudya Neneng Suryani Nisfiani, Ervina Rahman, Priyanggo Karunia Ramadhan, Aziiz Cahya Ratih Ayudya Mirasari Rico Aditya Utama Rico Aditya Utama Riska Khairunnisah Rozi Rozi Rozi, Rozi Supriyanto, Raden Suryarini Widodo Susan Siti Nurhaliza Susan Siti Nurhaliza Widi Hastomo Wirya Sumantri