Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal International Journal Software Engineering and Computer Science (IJSECS) AMMA : Jurnal Pengabdian Masyarakat
Farhan Mahfudz
Universitas Pamulang
Humanities Chemistry Computer Science & IT Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

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

Found 2 Documents
Search

 1 
EDUKASI PENGENALAN DASAR DASAR PENGOPERASIAN KOMPUTER SEJAK DINI: Indonesia Hanggoro Panji Hanggoro Panji; Arfan Zulfahmi; Fahri Azis Akili; Farhan Mahfudz; Ichsan Luthfi Maulana; Muhamad Panji Setiadi; Muhammad Zakaria Saptono; Syahrul Rakasiwi; Yonanthon
AMMA : Jurnal Pengabdian Masyarakat Vol. 1 No. 11 (2022): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

  Abstract- Apapun di dunia ini pasti tidak terlepas dari adanya ilmu. Ilmu akan terus berkembang dari waktu ke waktu. Salah satu limu yang menunjang kehidupan adalah ilmu komputer. Ya, komputer menjadi salah satu bukti canggihnya teknologi yang bermanfaat untuk kehidupan. Mempelajari ilmu komputer menjadi hal yang penting demi bisa menciptakan teknologi yang lebih canggih.Apa saja yang dipelajari dalam ilmu komputer. Ilmu komputer mempelajari berbagai hal mengenai komputasi, hardware, dan juga software. Belajar ilmu komputer anda akan menemukan banyaknya hal yang bisa dikembangkan. Tidak semua orang paham dengan computer programming. Hal tersebut membuat adanya sekolah maupun perguruan tinggi yang membuka jurusan ilmu komputer.Pada intinya belajar ilmu komputer ini adalah belajar bagaimana caranya mampu membuat komputer menjalankan berbagai hal yang dibutuhkan manusia. Sudah pasti kemunculan teknologi yang canggih untuk menunjang kehidupan manusia. Manusia akan lebih mudah menjalankan berbagai kegiatan dengan memanfaatkan teknologi yang canggih tersebut. Siapa saja yang belajar ilmu komputer akan dituntut untuk lebih kreatif untuk menemukan hal – hal baru yang bisa diakses di dalam komputer. Memanfaatkan ilmu komputer menjadi salah satu cara mengembangkan kecanggihan komputer.
Revisiting Feature Scaling in Linear Regression: An Empirical Study on Microsoft Stock Price Prediction Farhan Mahfudz; Khoirunnisya Khoirunnisya
International Journal Software Engineering and Computer Science (IJSECS) Vol. 6 No. 1 (2026): APRIL 2026
Publisher : Lembaga Otonom Lembaga Informasi dan Riset Indonesia (KITA INFO dan RISET) - Lembaga KITA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v6i1.6873

Abstract

Stock price prediction occupies a central position in quantitative finance, bearing directly on risk management, portfolio construction, and investment decision-making. This study evaluated the effect of feature scaling on linear regression performance in predicting Microsoft (MSFT) stock prices. A quantitative experimental design was employed, drawing on historical MSFT stock data spanning 2014 to 2024. Preprocessing involved data cleaning, outlier treatment via the Interquartile Range (IQR) method, and feature standardization through Z-score normalization. Two experimental conditions were tested: linear regression without feature scaling and linear regression with feature scaling. Model performance was assessed using Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), and the coefficient of determination (R²). Both conditions produced nearly identical results — R² approaching 0.99, with negligible divergence across all error metrics. The evidence suggests that feature scaling does not meaningfully alter the predictive behavior of linear regression. For simple linear models operating without regularization, scaling appears to be an unnecessary preprocessing step, a finding that warrants more deliberate evaluation of preprocessing decisions in machine learning pipelines.
Co-Authors Arfan Zulfahmi Fahri Azis Akili Hanggoro Panji Hanggoro Panji Ichsan Luthfi Maulana Khoirunnisya Khoirunnisya Muhamad Panji Setiadi Muhammad Zakaria Saptono Syahrul Rakasiwi Yonanthon