Garuda - Garba Rujukan Digital

Prediksi Tren Pergerakan Harga Saham PT Bank Central Asia Tbk, Dengan Menggunakan Algoritma Long Shot Term Memory (LSTM) M. Nurul Wathani; Kusrini Kusrini; Kusnawi Kusnawi
Infotek: Jurnal Informatika dan Teknologi Vol. 6 No. 2 (2023): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v6i2.19824

Shares are valuable documents that prove ownership of a company. Stock investment is one of the right choices to get more profit. There are various stocks in Indonesia, one of which is the shares of PT Bank Central Asia Tbk (BBCA). However, in making stock investments, it is necessary to analyze the data of a company that can determine the increase or decrease in a stock price. Very dynamic movements require data modeling to predict stock prices in order to get a high level of accuracy. In this study, modeling using the Long-Short Term Memory (LSTM) algorithm to predict BBCA stock prices. The data used is secondary daily data obtained from securities with a date range of January 3, 2011 to December 30, 2022. The main objective of this research is to analyze the accuracy of the LSTM algorithm in forecasting stock prices and to analyze the number of epochs in the formation of the optimal model. The optimal epoch variation is obtained with the number of epochs of 5 and batch size 1. The resulting values include Mean Absolute Error (MAE) of 96.92, Mean Squared Error (MSE) of 16185.22 and Root Mean Squared Error (RMSE) of 127.22. The results of this study provide further insight into the performance of the LSTM algorithm in stock price prediction and show that with the right parameter settings, it can be a useful tool for investors in making better investment decisions

PERBANDINGAN METODE OPTIMASI PENENTUAN SENTROID AWAL PADA ALGORITMA K-MEANS MENGGUNAKAN ELBOW PSO DAN SSE Muhamad Rodi; Hendrik, Hendrik; Amir Bagja; M Nurul Wathani; Zaenul Amri
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 6 No 4 (2024): EDISI 22
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v6i4.4803

The increasing volume and complexity of data present challenges in big data processing, particularly in manually identifying data patterns and relationships. In data mining, clustering methods such as the K-Means algorithm are widely used to group data based on similar characteristics. However, K-Means’ reliance on random initial centroid selection can yield suboptimal clustering results. This study aims to compare the evaluation results and iteration time of three optimization methods—Elbow, Particle Swarm Optimization (PSO), and Sum of Square Error (SSE)—on the K-Means algorithm. The dataset used is the Online Retail II dataset from the UCI Machine Learning Repository. The Davies-Bouldin Index (DBI) method is used as an evaluation tool to assess the validity of the formed clusters. Based on the analysis results, the Elbow and SSE optimization methods achieved a DBI score of 0.8500 with faster iteration times compared to PSO. Meanwhile, the PSO method provided the best DBI score of 0.7376, although it required significantly longer iteration time. The results of this study are expected to serve as a reference for selecting an appropriate optimization method for the K-Means algorithm based on time requirements and clustering evaluation outcomes.

Penerapan Temporal Convolution Network (TCN) dalam Memprediksi Harga Saham PT Bank Central Asia Tbk Wathani, M. Nurul; Amir Bagja; Muhamad Rodi; Zaenul Amri; Zulkipli
Jurnal Pendidikan, Sains, Geologi, dan Geofisika (GeoScienceEd Journal) Vol. 6 No. 1 (2025): Februari
Publisher : Mataram University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/goescienceed.v6i1.542

Studi ini bertujuan untuk meramalkan tren harga saham PT Bank Central Asia Tbk (BCA) dengan memanfaatkan algoritma Temporal Convolutional Network (TCN). TCN dipilih karena kemampuannya dalam mengenali pola temporal yang kompleks pada data deret waktu harga saham. Metode penelitian ini mencakup pengumpulan data historis harga saham BCA sebagai input untuk pelatihan dan pengujian model TCN. Pada tahap pelatihan, parameter model disesuaikan untuk meningkatkan akurasi prediksi. Evaluasi hasil dilakukan menggunakan metrik standar seperti Mean Absolute Error (MAE), Mean Square Error (MSE), dan Root Mean Square Error (RMSE), yang menunjukkan bahwa model TCN mampu memprediksi harga saham BCA dengan tingkat akurasi yang baik. Pada epoch ke-10 dan batch size 1, model mencapai nilai MAE sebesar 49, MSE sebesar 6213, dan RMSE sebesar 78. Tingkat akurasi ini memberikan wawasan yang bernilai bagi investor dan pemangku kepentingan di pasar saham. Selain itu, efektivitas model TCN dapat dianalisis lebih lanjut melalui visualisasi grafik yang membandingkan harga saham yang diprediksi dengan harga aktual, serta dengan menilai keberlanjutan dan stabilitas kinerja model dalam periode waktu tertentu. Penelitian ini berkontribusi dalam pengembangan metode prediksi harga saham dengan mengadopsi pendekatan TCN yang inovatif. Temuan ini memiliki manfaat praktis yang dapat membantu pelaku pasar dalam membuat keputusan investasi yang lebih tepat dan akurat.

Prediksi Diabetes Menggunakan Algoritma K-Nearest (KNN) Teknik SMOTE-ENN Amri, Zaenul; Muhammad Rodi; M. Nurul Wathani; Amir Bagja; Zulkipli
Infotek: Jurnal Informatika dan Teknologi Vol. 8 No. 1 (2025): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v8i1.27975

Nowadays, diabetes is a common disease affecting millions of people worldwide, and it is generally more prevalent among women. Recent health research has adopted various innovative and advanced technologies to diagnose individuals and predict diseases based on clinical data. One such technology is Machine Learning (ML), which enables more accurate diagnosis and prediction. The data used in this study is the Pima Indian women diabetes dataset from Kaggle and the UCI data repository. This study focuses on predicting diabetes using the KNN algorithm model by applying optimization to the dataset using the SMOTE-ENN technique to enhance prediction accuracy for Pima Indian women. The dataset was trained and tested with five different splits using Jupyter Notebook to determine the best accuracy for the KNN algorithm model. Parameters such as classification accuracy, classification error, and the ROC curve were evaluated, along with identifying the variables influencing the risk of diabetes. The results showed that applying SMOTE-ENN optimization to the research dataset significantly improved the prediction accuracy using the KNN algorithm model. With a 70% training and 30% testing data split, the model achieved a classification accuracy of 0.96, a classification error of 0.04, and an AUC of 0.95. These predictions indicated that Pima Indian women are more likely to develop diabetes due to factors such as age above 33 years, the number of pregnancies, excessive sugar consumption, blood pressure, skin thickness, insulin levels, BMI (Body Mass Index), and genetic predisposition to diabetes

Pelestarian Karya TGKH. Muhammad Zainuddin Abdul Madjid Melalui Digitalisasi Teks Dan Pengembangan Aplikasi Berbasis Mobile Djamaluddin, Muhammad; Wathoni, M.Nurul; Bahtiar, Hariman
Jurnal Pendidikan, Sains, Geologi, dan Geofisika (GeoScienceEd Journal) Vol. 6 No. 1 (2025): Februari
Publisher : Mataram University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/goescienceed.v6i1.819

Karya-karya Maulana Syaikh TGKH. Muhammad Zainuddin Abdul Madjid, dalam bentuk teks amalan dalam bentuk doa dalam kehidupan masyarakat. TGKH. Muhammad Zainuddin Abdul Madjid mempunyai banyak santri dan santriwati yang tersebar di baik dalam maupun luar negeri. Tujuan dari pengembangan aplikasi hizib ini sebagai salah satu Upaya dalam memfasilitasi Masyarakat terkait doa Hizib baik Hizib Nahdlatul Wathan dan Nahdlatul Banat. Metode pengembaggan yang digunakan adalah metodologi System Development Life Cycle (SDLC). SDLC adalah metodologi klasik yang digunakan untuk mengembangkan, memelihara dan menggunakan sistem informasi dengan menerapkan system ionic framework dengan Bahasa pemerograman HTML, CSS, Javascript. Berdasarkan hasil pengembangan didapatkan aplikasi Hizib android diatas maka dapat disimpulkan bahwa pembangunan aplikasi Hizib berbasis Android ini sudah sesuai dengan fungsional dan dikembangkan dalam bentuk android untuk smartphone

Penerapan Temporal Convolution Network (TCN) dalam Memprediksi Harga Saham PT Bank Central Asia Tbk Wathani, M. Nurul; Amir Bagja; Muhamad Rodi; Zaenul Amri; Zulkipli
Jurnal Pendidikan, Sains, Geologi, dan Geofisika (GeoScienceEd Journal) Vol. 6 No. 1 (2025): Februari
Publisher : Mataram University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/goescienceed.v6i1.542

Studi ini bertujuan untuk meramalkan tren harga saham PT Bank Central Asia Tbk (BCA) dengan memanfaatkan algoritma Temporal Convolutional Network (TCN). TCN dipilih karena kemampuannya dalam mengenali pola temporal yang kompleks pada data deret waktu harga saham. Metode penelitian ini mencakup pengumpulan data historis harga saham BCA sebagai input untuk pelatihan dan pengujian model TCN. Pada tahap pelatihan, parameter model disesuaikan untuk meningkatkan akurasi prediksi. Evaluasi hasil dilakukan menggunakan metrik standar seperti Mean Absolute Error (MAE), Mean Square Error (MSE), dan Root Mean Square Error (RMSE), yang menunjukkan bahwa model TCN mampu memprediksi harga saham BCA dengan tingkat akurasi yang baik. Pada epoch ke-10 dan batch size 1, model mencapai nilai MAE sebesar 49, MSE sebesar 6213, dan RMSE sebesar 78. Tingkat akurasi ini memberikan wawasan yang bernilai bagi investor dan pemangku kepentingan di pasar saham. Selain itu, efektivitas model TCN dapat dianalisis lebih lanjut melalui visualisasi grafik yang membandingkan harga saham yang diprediksi dengan harga aktual, serta dengan menilai keberlanjutan dan stabilitas kinerja model dalam periode waktu tertentu. Penelitian ini berkontribusi dalam pengembangan metode prediksi harga saham dengan mengadopsi pendekatan TCN yang inovatif. Temuan ini memiliki manfaat praktis yang dapat membantu pelaku pasar dalam membuat keputusan investasi yang lebih tepat dan akurat.

Pelestarian Karya TGKH. Muhammad Zainuddin Abdul Madjid Melalui Digitalisasi Teks Dan Pengembangan Aplikasi Berbasis Mobile Djamaluddin, Muhammad; Wathoni, M.Nurul; Bahtiar, Hariman
Jurnal Pendidikan, Sains, Geologi, dan Geofisika (GeoScienceEd Journal) Vol. 6 No. 1 (2025): Februari
Publisher : Mataram University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/goescienceed.v6i1.819

Karya-karya Maulana Syaikh TGKH. Muhammad Zainuddin Abdul Madjid, dalam bentuk teks amalan dalam bentuk doa dalam kehidupan masyarakat. TGKH. Muhammad Zainuddin Abdul Madjid mempunyai banyak santri dan santriwati yang tersebar di baik dalam maupun luar negeri. Tujuan dari pengembangan aplikasi hizib ini sebagai salah satu Upaya dalam memfasilitasi Masyarakat terkait doa Hizib baik Hizib Nahdlatul Wathan dan Nahdlatul Banat. Metode pengembaggan yang digunakan adalah metodologi System Development Life Cycle (SDLC). SDLC adalah metodologi klasik yang digunakan untuk mengembangkan, memelihara dan menggunakan sistem informasi dengan menerapkan system ionic framework dengan Bahasa pemerograman HTML, CSS, Javascript. Berdasarkan hasil pengembangan didapatkan aplikasi Hizib android diatas maka dapat disimpulkan bahwa pembangunan aplikasi Hizib berbasis Android ini sudah sesuai dengan fungsional dan dikembangkan dalam bentuk android untuk smartphone

Klasifikasi Motif Batik Nusantara Menggunakan Vision Transformer (ViT) Berbasis Deep Learning Fathurrahman, Imam; Djamaluddin, Muhammad; Amri, Zaenul; Wathani, M. Nurul
Infotek: Jurnal Informatika dan Teknologi Vol. 8 No. 2 (2025): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v8i2.31108

Batik is a cultural heritage of Indonesia that reflects local philosophies and identities through its diverse motifs. In the digital era, automatic classification of batik patterns plays a crucial role in cultural preservation, education, and commercialization. This study aims to develop a batik motif classification system using Vision Transformer (ViT), a deep learning architecture based on self-attention capable of capturing global spatial relationships in images. The dataset comprises 800 images spanning 20 batik motif classes from various regions, divided into training and testing subsets. The ViT model was fine-tuned using pretrained weights from ImageNet-21k, with standard preprocessing and data augmentation applied to the training set. Model performance was evaluated using accuracy, precision, recall, F1-score, confusion matrix, and prediction visualization. Results indicate that ViT achieved an overall accuracy of 96%, with most classes recording F1-scores above 0.90. Evaluation on unseen batik images demonstrated excellent generalization capability, achieving 99.94% confidence in prediction. These findings suggest that ViT is an effective and efficient architecture for batik motif classification and offers valuable contributions to cultural preservation through artificial intelligence.

MENINGKATKAN LITERASI DIGITAL MAHASISWA MELALUI PELATIHAN TEKNOLOGI INFORMASI Amir Bagja; Zaenul Amri; M Nurul Wathani; Muahamd Rodi
Jurnal Pekayunan Vol. 1 No. 3 (2025): PEKAYUNAN Maret 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/c9ejb090

Perkembangan teknologi informasi telah memberikan dampak yang signifikan dalam berbagai aspek kehidupan, termasuk pendidikan dan organisasi mahasiswa. Kegiatan ini bertujuan untuk meningkatkan pemahaman mahasiswa terkait konsep dasar teknologi informasi serta penerapannya dalam lingkungan akademik dan sosial. Metode yang digunakan dalam kegiatan ini adalah penyampaian materi secara interaktif serta diskusi untuk menggali lebih dalam pemahaman peserta. Hasil kegiatan menunjukkan bahwa pemahaman peserta terhadap teknologi informasi meningkat secara signifikan, serta mereka mampu mengidentifikasi tantangan dan solusi dalam pemanfaatan teknologi tersebut. Kegiatan ini juga mendapatkan respon positif dari peserta, yang menunjukkan bahwa metode yang digunakan efektif dalam meningkatkan literasi digital. Kesimpulannya, kegiatan ini memberikan wawasan yang luas mengenai teknologi informasi dan dapat menjadi model bagi kegiatan serupa di masa mendatang.

PELATIHAN FITUR OTOMATISASI DOKUMEN MICROSOFT WORD UNTUK MENINGKATKAN KETERAMPILAN PENYUSUNAN DOKUMEN AKADEMIK DI STMIK LOMBOK Zulkipli; Amir Bagja; Zaenul Amri; M Nurul Wathani; Muhamad Rodi
Jurnal Pekayunan Vol. 1 No. 4 (2025): PEKAYUNAN April 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/k6qt8537

This training activity aims to enhance participants' skills in utilizing Microsoft Word’s document automation features, including automatic table of contents creation, figure listing, page numbering, and cross-referencing. The training was conducted in the REC Room of STMIK Lombok on Wednesday, May 28, 2025, involving 40 participants. The method used was a hands-on approach (learning by doing), and participants were evaluated through pre-test and post-test assessments. The pre-test results showed that 17 participants were in the "not capable" category, and none were categorized as "highly capable". After the training, the post-test revealed significant improvement, with 33 participants achieving the "highly capable" category. This activity has proven effective in equipping participants with essential document processing skills needed in academic settings. It is recommended that similar training be held regularly within campus environments or other institutions aiming to strengthen digital academic literacy.

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search