Claim Missing Document
Check
Articles

Found 4 Documents
Search

IMPLEMENTASI MICRO FRONTEND PADA PENGEMBANGAN APLIKASI WEB (BAPENDA WEB) Waluyo Jati Raharjo; Lintang Yuniar Banowosari
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 4 No. 3 (2023): Volume 4 Nomor 3 Tahun 2023
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v4i3.18100

Abstract

Perkembangan aplikasi web telah melahirkan konsep microfrontend, di mana antarmuka pengguna dibagi menjadi bagian-bagian kecil yang dikelola secara terpisah oleh tim pengembang yang berbeda. Pendekatan ini memungkinkan pengembangan yang lebih cepat, skalabilitas, dan pemeliharaan yang lebih mudah. Seiring dengan itu, arsitektur microservices juga telah mendapatkan perhatian dan menjadi objek penelitian penting dalam bidang ilmu informasi. Implementasi arsitektur microservices pada backend telah memberikan solusi yang baik. Oleh karena itu, muncul ide untuk menggabungkan pemisahan frontend dan backend dengan mengimplementasikan microservices pada frontend, mengubah aplikasi web dari SPA menjadi kombinasi banyak aplikasi frontend kecil. Hal ini dapat mengatasi masalah dalam pemeliharaan dan penyesuaian aplikasi web, serta mengurangi ketergantungan antar modul. Provinsi XYZ memiliki rencana untuk menerapkan microfrontend dalam pengembangan aplikasi web mereka yang saat ini masih menggunakan arsitektur monolitik.kratif tidak berpengaruh signifikan terhadap pertumbuhan ekonomi Indonesia.
Analisis Tingkat Korelasi Variabel Penilaian Perilaku Kerja Pegawai Dengan Metode Regresi Linier Berganda Armita Widyasuri; Lintang Yuniar Banowosari; Dewi Agushinta Rahayu
Jurnal Ilmiah Komputasi Vol. 22 No. 3 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 3, September 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.3.3388

Abstract

Komponen penilaian kinerja PNS terdiri dari aspek hasil yakni Sasaran Kinerja dengan bobot 60 % dan aspek Perilaku dengan bobot 40 %. Permasalahan terjadi pada penilaian aspek perilaku pada instansi BKN penilaian ini dilakukan berdasarkan orientasi pelayanan, komitmen, disiplin, integritas, dan kerjasama tetapi penilaian masih bersifat subyektif karena tidak memiliki acuan yang pasti. Penelitian ini menggunakan metode analisis regresi linier berganda. Tingkat korelasi pada pegawai dengan jabatan fungsional dan struktural menunjukkan terdapat hubungan linier positif antara setiap variabel independen terhadap variabel dependen. Disimpulkan bahwa hasil pengujian signifikansi antara orientasi pelayanan, disiplin, komitmen, dan kerjasama terhadap integritas pada jabatan fungsional dan hasil pengujian signifikansi antara orientasi pelayanan, disiplin, kerjasama, dan kepemimpinan pada jabatan sturuktural memiliki pengaruh signifikan sehingga semakin baik variabel tersebut diterapkan, semakin tinggi kemampuan pegawai dalam bertindak sesuai dengan nilai, normal, dan etika. Sedangkan hasil pengujian signifikansi untuk variabel komitmen pada jabatan struktural tidak terdapat pengaruh yang signifikan.
Perbandingan Metode Extreme Gradient Boosting (XGBOOST) Dengan Long Short-Term Memory (LSTM) Untuk Prediksi Saham Pt. Bank Mandiri Tbk. (BMRI) Bagas Pratama; Lintang Yuniar Banowosari
Journal of Economic, Bussines and Accounting (COSTING) Vol 7 No 3 (2024): Journal of Economic, Bussines and Accounting (COSTING)
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/costing.v7i3.9473

Abstract

In the continuously evolving world of investments, achieving optimal investment results is the primary goal of every investor. The high profit potential in stock investments makes it an attractive choice. However, it is difficult to predict the direction of stock price movements, but many methods and ways are used to predict in terms of buying and selling, one of which is the result of the very rapid development of computing for machine learning, namely artificial intelligence techniques. In this study, the artificial intelligence methods used are Extreme Gradient Boosting (XGBoost) and Long Short-Term Memory (LSTM). This study uses a stock dataset of PT. Bank Mandiri Tbk. (BMRI) for 20 years, especially in the open price column. After testing, the results from the XGBoost method are obtained, namely the Coefficient of Determination (R2) value of 89.09%, indicating that the results are good and the Mean Absolute Percentage Error (MAPE) is 3.21%, indicating that the error percentage is low. While in the LSTM method, the R2 value is 98.44%, meaning that the prediction results have been predicted very well and the MAPE is 1.77%, indicating that the error percentage is very low. Keywords: XGBoost, Open Price, Prediction, LSTM, Stocks
Metode Temu Kembali Data Dengan Uji Similaritas Levenshtein Pada Sumber Data Terdistribusi Romdhoni Susiloatmadja; I Made Wiryana; Adang Suhendra; Lintang Yuniar Banowosari; Lily Wulandari
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

Metode Temu Kembali Data Dengan Uji Similaritas Levenshtein Pada Sumber Data Terdistribusi