Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Bisnis, Manajemen, dan Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Roy Andika
Universitas Nusa Mandiri
Computer Science & IT Education

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

Found 2 Documents
Search

 1 
Pemilihan Aplikasi Video Conference Menggunakan Metode Analytical Hierarchy Process Pada PT. Hok Tong Cluster Kalimantan Roy Andika; Syafrianto Syafrianto
JBMI (Jurnal Bisnis, Manajemen, dan Informatika) Vol. 19 No. 2 (2022): JBMI
Publisher : Department of Management FEB Unhas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26487/jbmi.v19i2.23216

Abstract

Pandemi COVID-19 yang menjadi wabah global sejak 2020 telah memaksa perusahaan untuk dapat segera beradaptasi dengan kebiasaan baru. Adanya tuntutan untuk membatasi berkumpulnya sejumlah orang dalam satu waktu dan ruang seperti kegiatan rapat menjadi dibatasi. Mengingat pentingnya kegiatan rapat kerja untuk kelancaran jalannya usaha, maka diperlukan suatu alternatif untuk dapat mengatasi pembatasan tersebut. Memanfaatkan teknologi video conference sebagai solusi terbaik pelaksanaan rapat bisnis dengan tetap menjalankan protokol pencegahan COVID-19. Teknologi video conference yang ada saat ini berkembang dengan sangat pesat, hal ini dapat dilihat dari meningkatnya jumlah aplikasi video conference dengan beragam layanan dan keunggulan. Dalam memilih aplikasi video conference, pengguna pada dasarnya menentukan kriteria-kriteria berdasarkan persepsi dan preferensi mereka masing-masing. Dengan banyaknya aplikasi yang tersedia dan beragamnya kriteria-kriteria dalam memilih menyebabkan pemilihan aplikasi video conference menjadi hal yang tidak mudah. Sistem pendukung keputusan dapat menjadi alat bantu bagi perusahaan dalam menentukan aplikasi video conference yang paling tepat untuk digunakan. Dengan metode Analytical Hierarchy Process (AHP), alternatif-alternatif solusi dinilai berdasarkan persepsi dan preferensi terhadap lima kriteria: harga, kualitas, fitur, kebutuhan hardware dan batasan. Melalui perhitungan metode AHP dalam analisa data menghasilkan keluaran berupa aplikasi video conference yang paling baik dan sesuai dengan preferensi dari pengguna.
OPTIMASI HYPERPARAMETER MODEL LSTM DAN VARIANNYA UNTUK PERAMALAN PEMBELIAN BAHAN BAKU KARET ALAM Andika, Roy; Kusrini, Kusrini
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.7567

Abstract

Penelitian ini mengkaji optimasi hyperparameter pada model peramalan deret waktu untuk memprediksi pembelian bahan baku karet alam. Tiga arsitektur model—LSTM, Bi-LSTM, dan Stacked LSTM—dieksekusi dengan menerapkan tiga metode tuning, yaitu Bayesian Optimization, Hyperband, dan Optuna. Proses tuning dilakukan dengan mengeksplorasi berbagai kombinasi parameter, seperti jumlah epoch, units, dropout rate, learning rate, batch size, dan units2, dengan model dikompilasi menggunakan fungsi loss MSE dan metrik MAE. Hasil penelitian menunjukkan bahwa learning rate dan dropout rate memiliki pengaruh signifikan terhadap penurunan error, sedangkan peningkatan units2 dapat meningkatkan risiko overfitting jika tidak diimbangi dengan strategi regularisasi yang tepat. Analisis mendalam mengungkap bahwa kombinasi Bayesian dengan Stacked LSTM menghasilkan performa terbaik pada subset data dengan score terendah, sedangkan Optuna menunjukkan konsistensi optimal untuk model LSTM. Menariknya, model Bi-LSTM tidak mencapai konfigurasi optimal, kemungkinan disebabkan oleh sensitivitas tuning yang lebih tinggi atau kompleksitas arsitektur yang tidak sesuai dengan karakteristik dataset yang digunakan. Temuan ini memberikan wawasan penting untuk pengembangan model peramalan yang lebih akurat dan efisien serta membuka peluang penelitian lanjutan dalam strategi optimasi hyperparameter yang adaptif dan robust.
Co-Authors Kusrini Syafrianto Syafrianto