Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal SAINTEK
Sella Monica
Universitas Pelita Bangsa
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Klasifikasi Aplikasi Malware Android Menggunakan Algoritma C5.0 Muhammad Refhaldo; Eko Budiarto; Putri Sari; Sella Monica
Prosiding Sains dan Teknologi Vol. 1 No. 1 (2022): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 1 - Juli 2022
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Pada era globalisasi ini penggunaan telepon seluler terus berkembang dari tahun ke tahun, dari yang awalnya besar sekarang menjadi berukuran lebih kecil dan memiliki sistem operasi atau yang dikenal dengan smartphone. Salah satu smartphone yang popular saat ini adalah smartphone dengan sistem operasi berbasis android. Bersamaan dengan banyaknya pengguna android dan banyaknya bermunculan aplikasi-aplikasi untuk android, berdampak kepada ancaman keamanan yang semakin besar. Salah satu ancaman keamanan yang terjadi adalah munculnya malicious software atau yang biasa disebut dengan malware. Penelitian ini bertujuan untuk mendapatkan hasil analisi menggunakan metode C5.0 dalam mengklasifikasi sebuah aplikasi yang teridentifikasi sebagai malware. Dengan teknik pengujian split validation 80:20 dimana 80% data akan digunakan sebagai data training dan 20% data akan digunakan sebagai data testing maka hasil akurasi sebesar 94,96% pada data training dan 94,23% pada data testing. Sehingga dapat disimpulkan Algoritma C5.0 dapat digunakan dengan baik dalam proses pengklasifikasian malware android.
Prediksi Pembatalan Pemesanan Hotel menggunakan Algoritma Machine Learning Selma Ohoira; Sella Monica
Prosiding Sains dan Teknologi Vol. 4 No. 1 (2025): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 4 - Februari 2025
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Industri perhotelan sering menghadapi tantangan terkait pembatalan pemesanan yang dapat mempengaruhi pendapatan dan operasional hotel. Pembatalan yang tidak terduga tidak hanya menyebabkan kerugian pendapatan, tetapi juga menganggu perencanaan kapasitas. Teknologi machine learning dapat membantu memprediksi pembatalan berdasarkan data historis dan variabel terkait. Penelitian ini bertujuan untuk menganalisis penerapan algoritma machine learning khususnya regresi logistik dan klasifikasi hutan acak, dalam memprediksi pembatalan pemesanan hotel. Evaluasi model dilakukan dengan menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa algoritma klasifikasi hutan acak lebih unggul dibandingkan regresi logistik dengan nilai akurasi sebesar 87,85%, presisi 84,28% dan recall 76,26%. Penelitian ini diharapkan dapat membantu pengelola hotel dalam mengoptimalkan manajemen reservasi, mengurangi dampak negatif pembatalan serta meningkatkan pendapatan melalui prediksi yang lebih akurat.
Prediksi Harga Emas Menggunakan Metode Long Short-Term Memory Prayudha Ragil Musthofa; Sella Monica; Ukinda Feriando Setiawan; Siti Utami; Bayu Aji Laksono
Prosiding Sains dan Teknologi Vol. 4 No. 1 (2025): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 4 - Februari 2025
Publisher : DPPM Universitas Pelita Bangsa

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

Abstract

Fluktuasi harga emas yang signifikan memerlukan prediksi yang akurat untuk mendukung pengambilan keputusan investasi dan mitigasi risiko keuangan. Penelitian ini bertujuan untuk mengembangkan model prediksi harga emas menggunakan metode Long Short-Term Memory (LSTM), yang merupakan salah satu pendekatan deep learning yang unggul dalam analisis data deret waktu. Metode penelitian menggunakan model LSTM. Model diuji dengan data uji yang terpisah untuk mengevaluasi performa berdasarkan metrik akurasi seperti Mean Squared Error (MSE) dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa model LSTM mampu memprediksi harga emas dengan tingkat akurasi yang tinggi. Temuan ini mendukung penerapan LSTM sebagai alat analitik yang efektif dalam pasar keuangan dan dapat dikembangkan lebih lanjut untuk memprediksi harga komoditas lain.
Co-Authors Bayu Aji Laksono Eko Budiarto Muhammad Refhaldo Prayudha Ragil Musthofa Putri Sari Selma Ohoira Siti Utami Ukinda Feriando Setiawan