Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI Prosiding SeNTIK STI&K
Sutarno
STMIK Jakarta STI&K
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media

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

Found 4 Documents
Search

 1 
Analisis Risiko Investasi dan Prediksi Saham Menggunakan Algortime Machine Learning Widi Hastomo; Sutarno; Sudjiran
Jurnal Ilmiah Komputasi Vol. 21 No. 3 (2022): Jurnal Ilmiah Komputasi : Vol. 21 No 3, September 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.21.3.3104

Abstract

Penelitian ini bertujuan untuk analisa risiko dan korelasi antar saham dengan menghitung return harian menggunakan metode moving average (MA). Selain itu dengan dataset dari 2 saham (Apple dan Microsoft) juga dilakukan prediksi nilai saham di periode waktu berikutnya (future), dengan menggunakan metode neural network (deep learning) Long Short Term Memory (LSTM). Hasil dari komputasi dalam bahasa python berupa beberapa visualisasi grafik yang memudahkan pembacaan informasi. Visualisasi grafik MA jangka pendek dan panjang ke dua saham cenderung mengalami penurunan harga semenjak bulan Januari hingga Juni 2022 namun volume penjualan saham tidak terjadi penurunan secara signifikan untuk saham Apple. Berbeda dengan Apple, Microsoft terjadi 2 kali volume penjualan tinggi di bulan Februari (9.107 lembar saham) dan bulan Mei (7.107 lembar saham). Tingkat kemiripan (korelasi) kedua saham tersebut sebesar 72%. Dari analisa risiko dan expected return, saham Apple memiliki risiko (0.019994) dan expected return (0.001402) lebih rendah dari saham Microsoft dengan risiko (0.017169) dan expected return (0.000904). Prediksi waktu kedepan (future) dengan model LSTM, menunjukan Apple dan Microsoft masih akan mangalami penurunan harga saham.
Model Interoperabilitas Web Service Feeder Pddikti Menggunakan Enterprise Javabeans (Ejb) Dan Rest-Api Febianto Arifien; Sutarno; Marti Riastuti
Prosiding Seminar SeNTIK Vol. 3 No. 1 (2019): Prosiding SeNTIK 2019
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Model Interoperabilitas Web Service Feeder Pddikti Menggunakan Enterprise Javabeans (Ejb) Dan Rest-Api
KLASIFIKASI COVID-19 CHEST X-RAY DENGAN TIGA ARSITEKTUR CNN (RESNET-152, INCEPTIONRESNET-V2, MOBILENET-V2) Widi Hastomo; Eko Hadiyanto; Sutarno
Prosiding Seminar SeNTIK Vol. 5 No. 1 (2021): Prosiding SeNTIK 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Dalam dekade terakhir ini pemanfaatan mesin learning, khususnya Convolution Neural Network (CNN) telah banyak membantu dunia kesehatan. Dengan melakukan proses pelatihan dari sejumlah besar dataset image, CNN mampu mengklasifikasikan image tak berlabel dengan cepat dan akurasi lebih tinggi dibandingkan metode mesin learning lainnya. Penelitian ini bertujuan mengoptimasi dari tiga arsitektur CNN (ResNet-152, InceptionResNet-V2, dan MobileNet-V2) untuk mengklasifikasi penyakit covid-19, dengan melakukan training 4000 dataset image Chest x-ray. Hasil akurasi testing dari ResNet-152 yaitu 99%, lebih tinggi dibangingkan InceptionResNet-V2 hasil 98%, dan MobileNet-V2 hasil 93%. dengan presisi tiap kelas adalahCovid (99%), Lung_Opacity (97%), Normal (99%), Viral_Pneumonia (99%)
SISTEM INFORMASI APLIKASI PENJUALAN PADA PT ABDIKA BERKAH NANDAKKA KOTA BEKASI Sutarno; Endah Budiyati; Erni Karyati
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Tujuan penelitian adalah untuk mempermudah dalam mengelola data pembelian dan penjualan PT Abdika Berkah Nandakka sehingga menjadi lebih efektif dan efisien karena dapat membantu menyelesaikan permasalahan pekerjaan yang berkenaan dengan pengelolaan data pembelian dan data penjualan. Sehubungan dengan hal tersebut sudah seharusnya seluruh proses transaksi penjualan beras menggunakan sistem komputer agar mempermudah dalam melakukan transaksi penjualan. Metode penelitian yang digunakan adalah Research and Development (R&D), dalam penyelesaian masalah tersebut menggunakan metode pengembangan sistem yaitu Waterfall dalam penelitian ini adalah dengan tahapan-tahapan seperti rekayasa sistem, analisis, desain, coding, testing dan maintenance. Tujuan dari sistem penjualan ini dirancang untuk memudahkan admin dalam proses pembelian stok beras, penjualan beras, pencatatan data supplier, data barang dan cetak laporan yang sudah terkomputerisasi dan tersimpan didatabase.
Co-Authors Eko Hadiyanto Endah Budiyati Erni Karyati Febianto Arifien Marti Riastuti Sudjiran Widi Hastomo