Article Per Year (5 Year)
p-Index From 2020 - 2025
1.768
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Jurnal Simantec JITU : Journal Informatic Technology And Communication Joutica : Journal of Informatic Unisla
Wahyu Cahyo Utomo
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Library & Information Science

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

Found 4 Documents
Search

 1 
Pengaruh Pemilihan Banyak Data dan Time Frame dalam Finance Forecasting dengan Linear Regression Wahyu Cahyo Utomo; Resty Wulanningrum; Intan Nur Farida
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.v8i2.1049

Abstract

Finance forecasting merupakan kegiatan yang berhubungan dengan aktifitas trading yang memiliki resiko yang besar. Pendekatan forecasting merupakan salah satu langkah yang dapat dilakukan untuk meminimalkan resiko melalui bidang ilmu komputer atau Informatika. Dalam hal ini tantangannya adalah membuat sebuah model yang memiliki akurasi yang bagus untuk meminimalkan resiko. Pemilihan time frame dan pengunaan banyak data akan mempengaruhi akurasi karena setiap time frame memiliki range pergerakan yang berbeda. Berdasakan hal tersebut, penelitian ini mencoba menemukan serta melakukan analisa pengaruh time frame dan banyak data sehingga mendapat model evaluasi yang optimal dengan metode linear regression. Beberapa variasi perubahan time frame dan banyak data akan digunakan untuk melihat hasil forecasting terbaik. Dari hasil penelitian diperoleh time frame semakin turun maka hasil evaluasi MSE lebih baik. Sedangkan untuk penurunan jumlah data juga berpengaruh terhadap nilai evaluasi yang semakin kecil. maka dapat disimpulkan bahwa forecasting dalam bidang finance memiliki keunikan karena semakin banyak data tidak menjamin bahwa model yang dihasilkan semakin bagus.
IMPLEMENTASI METODE LOGIKA FUZZY SEBAGAI PENDETEKSI KEBAKARAN MENGGUNAKAN KLASIFIKASI CITRA TANGAN Andrean Ferdyana Vabian Eka Sakti; Resty Wulanningrum; Wahyu Cahyo Utomo; Roni Heri Irawan
Jurnal Simantec Vol 11, No 2 (2023): Jurnal Simantec Juni 2023
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v11i2.14709

Abstract

Dewasa ini perkembangan teknologi semakin pesat dan banyak hal yang sebelumnya dilakukan secara konvensional namun sekarang tergantikan oleh teknologi. Tombol kebakaran yang terbatas jumlah dan aksesnya akan menyulitkan untuk dijangkau apabila terjadi kebakaran, namun terdapat banyak alat yang terpasang yaitu CCTV. Alat ini dapat digunakan untuk mendeteksi terjadinya kebakaran dari proses klasifikasi citra tangan menggunakan metode Logika Fuzzy. Proses yang dilakukan agar citra tangan dapat dideteksi oleh sistem yaitu melalui beberapa proses. Tahap pertama adalah melakukan ekstraksi ciri dari citra data latih yaitu data yang digunakan sebagai rujukan terhadap data uji. Kemudian data uji adalah data yang akan digunakan untuk melakukan klasifikasi citra sebagai pendeteksi kebakaran menggunakan metode Logika Fuzzy. Berdasarkan hasil uji coba yang telah dilakukan melalui 3 skenario uji coba, maka didapatkan nilai akurasi pada skenario ke-1 sebesar 80%, nilai akurasi pada skenario ke-2 sebesar 88%, nilai akurasi pada skenario ke-3 sebesar 93,3%. Hal ini menunjukkan bahwa kinerja metode Logika Fuzzy memiliki hasil yang lebih baik pada skenario ke-3 dengan artian data latih yang digunakan lebih banyak dari skenario uji coba yang lain agar sistem dapat melakukan klasifikasi yang lebih baik.Kata kunci : Logika Fuzzy, Citra Tangan, Deteksi Kebakaran, CCTV, Klasifikasi.
Pengamatan Cuaca Lokal secara Multi Node dengan Internet of Things dan Django Framework Saputra, Muh Aris; Utomo, Wahyu Cahyo; Setiawan, Ahmad Bagus; Ramadhanu, Ilham Khefi
JITU Vol 8 No 1 (2024)
Publisher : Universitas Boyolali

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

Abstract

Weather is one of the challenges that humans must experience in their activities. Like the MSMEs of sand crackers in Kediri Regency. This MSME uses sunlight as a means of drying products. What often becomes a problem is unpredictable weather conditions which reduce productivity and quality. Therefore, a real-time local weather observation system is needed to anticipate sudden weather changes. In this research, an IoT-based local weather condition measurement tool will be connected to a system built using the Django framework. This system and tools were tested for eight days. So it was concluded that the system was successfully built with data collection accuracy of 96.31%. Measurements are carried out every 5 minutes or a time frame of 5 minutes. In addition, this system supports observations in several places at once. This multiple node concept is used to detect local weather changes in the surrounding area. So it is not concentrated in the MSME area.
Prediksi Pergerakan Saham BBRI ditengah Issue Ancaman Resesi 2023 dengan Pendekatan Machine Learning Utomo, Wahyu Cahyo
Jurnal Teknologi dan Manajemen Informatika Vol. 9 No. 1 (2023): Juni 2023
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jtmi.v9i1.9135

Abstract

The economic recovery after the Covid-19 pandemic is becoming increasingly challenging. According to several experts, a global recession is expected to occur in 2023, necessitating contributions from various fields of knowledge to address this situation. Machine learning is one method that can contribute by forecasting stock price movements. This research attempts to address the issues faced by traders in observing the potential movement of BBRI stock under the recession issue in 2023. Furthermore, this study uses linear regression and Bayesian regression methods to find the best model. By using six-month stock data of BBRI, with attributes such as open, high, low, and close as prediction targets, it is found that the model built using linear regression outperforms Bayesian regression. Based on the testing results, the linear regression model achieved a Dstat of 80% and an RMSE of 595.30, while the Bayesian regression model obtained a Dstat of 80% but a higher RMSE of 660.58. Based on the modeling results in this study, it is concluded that in the first semester of 2023, BBRI stock is still moving upward and is not affected by the recession issue in 2023.
Co-Authors Ahmad Bagus Setiawan Akbar Fastio Hari Setiawan Andrean Ferdyana Vabian Eka Sakti Ardi Sanjaya Danang Wahyu Widodo Dedy Surya Wijaya Dhian Dwi Nur Wenda, Dhian Dwi Nur Imam Nur Muttaqin Intan Nur Farida Juli Sulaksono Melati, Laurenza Aprilya Muh Aris Saputra Ramadhanu, Ilham Khefi Resty Wulanningrum Roni Heri Irawan Ruruh Andayani Bekti, Ruruh Andayani Salsabilla Atasyaputri Setyawan Wanda Nareswara