Claim Missing Document
Check
Articles

Found 6 Documents
Search

Penerapan Algoritma Naive Bayes dan Multiple Linear Regression Untuk Prediksi Status dan Plafon Kredit (Studi Kasus: Bank ABC) Arya Prawira; Desi Arisandi; Tri Sutrisno
Journal on Education Vol 5 No 1 (2022): Journal on Education: Volume 5 Nomor 1 Tahun 2022
Publisher : Departement of Mathematics Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joe.v5i1.720

Abstract

Along with changing technology, Human resources are still needed in many parts of decision making. The companies and organizations still use human to analysis data. Despite of that performance, human analysis took longer time and effort to complete. And sometimes there is always a negative factor of human resources such as unmanageable human. Therefore, it’s always important to provide an excellent training source so this human resource able to reach an outcome that needed. Machine learning is one of the most common knowledge that use in decision making. There are many forms of machine learning such as regression, classification, clustering, etc. two of which is used in this application, regression and classification. Naive Bayes regression is one of classification method which rooted on Bayes theorem. Naïve Bayes use historical data to predict future outcome based on the characteristic on that historical data. Multiple Linear Regression involves more than one independent variable or predictor. With machine learning and human resources, man can easily to analyse credit worthiness and determine the credit limit of one bank costumer without taking a long time and much effort.
Penerapan Metode Extreme Learning Machine untuk Peramalan Harga Cryptocurrency Leonardo Tejaya; Desi Arisandi; Janson Hendryli
Progresif: Jurnal Ilmiah Komputer Vol 19, No 1: Februari 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i1.1080

Abstract

Cryptocurrency is in great demand as an investment medium to gain financial benefits. A common problem that is often faced is how to predict the movement of the value of electronic money in the future. Investors/traders usually only see price movements and buy/sell Cryptocurrency assets intuitively, so mistakes often occur in making transactions. To anticipate and minimize this, you can use an algorithm that can help predict Cryptocurrency price movements. Extreme Learning Machine (ELM) is a development method of a simple feedforward neural network using one hidden layer or commonly known as Single Hidden Layer Feedforward Neural NetworksTesting is done by doing several trials for each percentage value, namely 60%, 65%, 70%, 75%, 80%. Tests were carried out using the binary sigmoid activation function, the number of hidden neurons was 20 and the weight range was [-1,1]. The best prediction results using MAPE are generated on Bitcoin data with the smallest error value of 2.8590%Keywords: Cryptocurrency; Investation; Extreme Learning Machine; Prediction AbstrakCryptocurrency banyak diminati untuk menjadi media investasi dalam meraih keuntungan finansial. Masalah umum yang sering dihadapi adalah bagaimana meramalkan pergerakan nilai dari uang elektronik pada masa mendatan. Investor/trader biasanya hanya melihat pergerakan harga dan melakukan jual/beli aset Cryptocurrency secara intuitif, sehingga sering terjadi salah dalam melakukan transaksi. Untuk mengantisipasi dan meminimalisir hal tersebut maka dapat menggunakan sebuah algoritme yang dapat membantu dalam meramalkan pergerakan harga Cryptocurrency. Extreme Learning Machine (ELM) merupakan metode pengembangan dari jaringan syaraf tiruan feedforward sederhana dengan menggunakan satu hidden layer atau biasa dikenal dengan Single Hidden Layer Feedforward Neural Networks. Pengujian dilakukan dengan melakukan beberapa kali percobaan untuk setiap nilai persentase yaitu 60%, 65%, 70%, 75%, 80%. Pengujian dilakukan menggunakan fungsi aktivasi sigmoid biner, jumlah hidden neuron 20 serta rentang bobot [-1,1]. Hasil prediksi terbaik menggunakan MAPE dihasilkan pada data Bitcoin dengan nilai kesalahan terkecil yaitu 2.8590%Kata Kunci: Cryptocurrency; Investasi; Extreme Learning Machine; Prediksi
KLASIFIKASI OPINI MASYARAKAT DI TWITTER TENTANG KEBOCORAN DATA YANG TERJADI DI INDONESIA MENGGUNAKAN ALGORITMA SVM Desi Arisandi; Tri Sutrisno; Iwan Kurniawan
Jurnal Informatika Kaputama (JIK) Vol 7 No 1 (2023): Volume 7, Nomor 1, Januari 2023
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v7i1.10

Abstract

Personal data is sensitive and private, it can only be seen by an individual. However, as time goes by, data leaks often occur on the internet, especially in Indonesia. This data leak was busy on Twitter social media and was used as a forum for opinions regarding data leaks that occurred in Indonesia. The classification method used for this research is Support Vector Machine (SVM) with TF-IDF feature extraction. The dataset was obtained through the results of scraping Twitter and getting 5000 tweets. The dataset is manually labeled as Positive, Negative, and Neutral before entering the SVM Classification stage. And based on the results of the SVM classification, SVM produces an accuracy of 83%.
PEMBUATAN SISTEM FREQUENTLY ASKED QUESTIONS PADA WEBSITE RUPARUPA Tamara Violeta; Desi Arisandi; Novario Jaya Perdana
Joutica Vol 8 No 2 (2023): Journal of Informatic Unisla
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/informatika.v8i2.1022

Abstract

Teknologi membawa pengaruh besar terhadap hidup masyarakat tanpa dapat diprediksi setiap generasinya. Pengaruh yang didatangkan dari teknologi mengarahkan masyarakat untuk memulai bisnis dengan membuat toko online, sebagai bagian dari e-commerce. PT Omni Digitama Internusa (Ruparupa) merupakan salah satu e-commerce yang menjual berbagai peralatan rumah tangga, furnitur, dan gaya hidup dibawah naungan Kawan Lama Group. Sebagai e-commerce, dibutuhkan wadah informasi dengan penyediaan FAQ (Frequently Asked Questions) untuk efisiensi waktu dan peningkatan traffic website, serta lebih membangun kepercayaan dan profesionalisme. FAQ yang efektif dapat dilihat dari penyajian informasi yang ringkas, detil, dan mudah diakses. FAQ Ruparupa saat ini masih menggunakan kata statis, dimana belum dapat menampilkan pertanyaan berulang dan akses yang terhitung masih cukup sulit. Muncul ide sebagai solusi untuk mengatasi permasalahan tersebut, yaitu pembuatan sistem FAQ terbaru dengan adanya pengkategorian FAQ dengan pendukung fitur-fitur tambahan. Tujuannya membantu konsumen dengan memusatkan perhatian mereka pada kasus yang lebih spesifik, sehingga meningkatkan efisiensi waktu, baik dari sisi konsumen, maupun tim Ruparupa. Sistem dibuat menggunakan metode SDLC (System Development Life Cycle) dengan model Scrum. Bahasa pemrograman yang digunakan yaitu ReactJS dengan database MongoDB. FAQ ini akan meningkatkan kualitas UI/UX Ruparupa dan memberikan kemudahan untuk mengelola FAQ dengan adanya user-friendly dashboard.
PERANCANGAN PROGRAM APLIKASI E-COMMERCE PRODUK PAKAIAN PADA MAN’S FASHION Luke Irawan; Desi Arisandi; Manatap Sitorus
Simtek : jurnal sistem informasi dan teknik komputer Vol. 8 No. 2 (2023): Oktober 2023
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v8i2.209

Abstract

Pada zaman sekarang, teknologi merupakan satu kebutuhan yang setiap orang gunakan. Teknologi merupakan salah 1 perkembangan jaman yang tidak akan pernah berhenti sampai kapanpun. Sebelumnya pada tahun 2018 dunia sedang mengalami musibah yang bernama Covid 19. Dengan adanya musibah tersebut banyak perusahaan yang harus menutup beberapa usahanya dikarenakan kebangkrutan. Salah satu strategi untuk masalah diatas dengan merancang dam membuat program aplikasi e-commerce untuk toko pakaian mens fashion. Dengan tujuan untuk membantu meningkatkan penjualan produk-produk yang ada di toko tersebut serta mengurangi kontak langsung dan dapat mencegah penularan virus covid-19. Perancangan dan pembuatan program ini menggunakan metode System Developement Life Cycle (SDLC) yang dibuat dengan model waterfall. Program ini juga menggunakan bahasa pemrograman pada umumnya, yaitu pemrograman Dart dengan menggunakan framework Flutter.Selain itu, aplikasi ini terbagi jadi 2 jenis, antaranya User dengan Admin. Selain itu aplikasi ini memiliki fitur-fitur seperti Registrasi (untuk orang yang belum memiliki akun), Login, Pembelian dari produknya, deskripsi dari produk yang dijual dan edit profil.
DAMPAK KEGIATAN MERDEKA BELAJAR KAMPUS MERDEKA (MBKM) MAGANG DAN STUDI INDEPENDEN DALAM MENINGKATKAN KOMPETENSI MAHASISWA Desi Arisandi; Maitri Widya Mutiara; Viny Christanti Mawardi
Jurnal Muara Ilmu Sosial, Humaniora, dan Seni Vol. 6 No. 1 (2022): Jurnal Muara Ilmu Sosial, Humaniora, dan Seni
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jmishumsen.v6i1.16163.2022

Abstract

Merdeka Belajar – Kampus Merdeka (MBKM), merupakan kebijakan Menteri Pendidikan dan Kebudayaan Riset dan Teknologi, yang bertujuan mendorong mahasiswa untuk menguasai berbagai keilmuan yang berguna untuk memasuki dunia kerja. Pada program studi Teknik Informatika dan Desain Interior, kegiatan magang/praktik kerja telah dilaksanakan mahasiswa, dalam kurun waktu 6 – 12 bulan pada perusahaan atau organisasi yang menjadi mitra program studi. Penelitian ini bertujuan untuk mengetahui dampak kegiatan magang dan studi independen dalam meningkatkan kompetensi mahasiswa. Responden yang telah mengisi kuesioner berjumlah 227 mahasiswa, terdiri dari 158 mahasiswa peserta magang dan studi independen dan 69 mahasiswa yang belum mengikuti magang dan studi independent. Kegiatan magang dan studi independen sangat membantu meningkatkan kompetensi mahasiswa baik secara hard skill maupun soft skill. Kegiatan magang dan studi independen juga memberikan kesempatan bagi mahasiswa belajar secara langsung (experiential learning) di tempat kerja/industri yang dapat menjadi bekal bagi mahasiswa untuk menghadapi dunia kerja setelah lulus dari perguruan tinggi.