Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Teknika
Vincentius Riandaru Prasetyo
Universitas Surabaya
Computer Science & IT Education Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning Alvin Eka Putra; Mohammad Farid Naufal; Vincentius Riandaru Prasetyo
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.58186

Abstract

Rempah merupakan salah satu kekayaan yang dimiliki oleh Indonesia. Berdasarkan data yang dimiliki Negari Rempah Foundation, terdapat sekitar 400 hingga 500 spesies rempah di dunia dan 275 jenis rempah terdapat di Asia Tenggara terutama di Indonesia. Jenis rempah beragam dan memiliki kemiripan satu dengan yang lain sehingga sulit untuk dibedakan. Maka dari itu untuk mempertahankan pengetahuan mengenai rempah-rempah yang dimiliki Indonesia, diperlukan aplikasi klasifikasi jenis rempah yang akurat sehingga pengetahuan masyarakat tentang rempah tetap terjaga. Selain itu di bidang industri dapat meningkatkan efisiensi dalam industri rempah. Penggunaan teknologi dalam klasifikasi jenis rempah dapat meningkatkan efisiensi dalam industri rempah. Dengan teknologi yang tepat, waktu yang dibutuhkan untuk mengidentifikasi jenis rempah dapat dipercepat, dan juga meminimalkan risiko kesalahan manusia. Keterbatasan citra rempah juga menjadi permasalahan pada klasifikasi jenis rempah. Convolutional Neural Network (CNN) dengan arsitektur transfer learning adalah metode klasifikasi citra yang memiliki performa yang baik pada dataset dengan jumlah yang terbatas. Eksperimen yang dilakukan menggunakan 6 arsitketur CNN, yaitu Xception, MobileNetV2, DenseNet201, VGG16, VGG19, dan ResNet50. Terdapat 10 jenis rempah yang diklasifikasikan yaitu jahe, kunyit, kunci, adas, merica, laos, jintan, kencur, temulawak, dan ketumbar. Berdasarkan hasil eksperimen yang dilakukan Xception adalah arsitektur terbaik dengan F1 Score sebesar 96.99%.
Comparison of Extreme Learning Machine Methods and Support Vector Regression for Predicting Bank Share Prices in Indonesia Williem Kevin Setiadi; Vincentius Riandaru Prasetyo; Fitri Dwi Kartikasari
Teknika Vol 13 No 2 (2024): Juli 2024
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v13i2.856

Abstract

Investing is the practice of postponing current consumption to obtain more significant value in the future. One profitable form of investment is stock investment, where investors buy company shares to benefit from appreciation in share value or dividend payments. Before investing in shares, investors need to pay attention to movements in the Composite Stock Price Index (IHSG), which reflects the performance of the Indonesian stock market. The Indonesian Stock Exchange (BEI) recorded around 740 companies listed in 2021. The BEI also compiled the LQ45 list of 45 stocks with the largest market capitalization, including the four largest banks in Indonesia. However, investing in bank shares only sometimes produces profits due to share price fluctuations. Stock price analysis and price movement predictions are important steps before investing. Extreme Learning Machine (ELM) and Support Vector Regression (SVR) methods are techniques used to predict time series data. This research compares the performance of the two methods in predicting stock prices of the big 4 Indonesian banks. The dataset used in this research comes from the Yahoo Finance site, which was taken since the market crash recovery period due to the Covid-19 pandemic. Based on the evaluation conducted, both the ELM and SVR methods are effective for predicting the share prices of the big four Indonesian banks. In terms of accuracy, the SVR method outperforms the ELM method due to its superior MAPE value. However, when considering computing time, the ELM method is more efficient than the SVR method.
Co-Authors Alvin Eka Putra Fitri Dwi Kartikasari Mohammad Farid Naufal, Mohammad Farid Williem Kevin Setiadi