Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : JURNAL REKAYASA TEKNOLOGI INFORMASI

Pengambilan Keputusan Rekomendasi Prioritas Bantuan IKM di Kota Samarinda dengan metode AHP dan TOPSIS Rahmah, Sitti; Fawait, Aldi Bastiatul; Jamil, Muh; Arifin, Merlina Lidiana; Saputri, Nadia Keril
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 1 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i1.19824

Abstract

Industri usaha kecil menengah (IKM) di Kota Samarinda terbilang belum mengalami perkembangan yang maksimal, dengan salah satu hambatannya ialah faktor finansial. Pemerintah mengusulkan program bantuan yang harus tepat sasaran, memerlukan keputusan yang tepat untuk menyeleksi IKM penerima bantuan. Metode yang digunakan adalah Analytical Hierarchy Process (AHP) untuk menentukan bobot kriteria dan Technique for Other Reference by Similarity to Ideal Solution (TOPSIS) untuk menentukan prioritas bantuan sebagai rekomendasi penerima bantuan. Kriteria penentuan penerima bantuan adalah tenaga kerja, investasi, kapasitas produksi, nilai produksi, dan bahan baku. Penelitian ini dilakukan melalui tahap Input, Proses, dan Output. Hasil penelitian membuktikan rasio konsistensi yang dihasilkan sebesar 0,0961 atau <0,1, yang sesuai dengan teori perhitung CR dalam metode AHP. Ranking hasil menggunakan metode TOPSIS menunjukkan bahwa IKM Agus Salim Variasi menempati urutan pertama, UD. Hamas di urutan kedua, dan Bengkel Langgeng Teknik di urutan ketiga, sehingga direkomendasikan sebagai prioritas bantuan. Penelitian ini menemukan bahwa integrasi metode AHP dan TOPSIS efektif untuk pengambilan keputusan rekomendasi prioritas bantuan IKM di Kota Samarinda.
Penerapan Metode LSTM untuk Prediksi Harga Ethereum Fawait, Aldi Bastiatul; Jamil, Muh; Rahmah, Sitti; Sugiarto, Sugiarto
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 3 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i3.22169

Abstract

Perkembangan teknologi blockchain dalam beberapa tahun terakhir memberikan dampak besar terhadap sistem keuangan global, salah satunya melalui Ethereum (ETH) yang berfungsi sebagai aset kripto sekaligus fondasi ekosistem smart contract. Namun, volatilitas tinggi harga ETH membuat metode prediksi tradisional sulit menangkap pola nonlinier yang kompleks. Penelitian ini menerapkan metode Long Short-Term Memory (LSTM) untuk memprediksi harga ETH menggunakan data time-series dari investing.com periode 1 Januari 2021 hingga 21 Agustus 2025. Model LSTM dengan tiga lapisan menghasilkan performa baik dengan MAE 0,0387 dan R² 0,9741 pada data latih, serta MAE 22,59% dan R² 80,55% pada data uji. Hasil ini membuktikan bahwa LSTM efektif dalam mempelajari pola fluktuasi harga ETH meskipun akurasi pada data baru masih dapat ditingkatkan. Kontribusi penelitian ini adalah memperkuat literatur terkait prediksi kripto berbasis data jangka panjang sekaligus memberikan manfaat praktis bagi investor dan regulator dalam memahami dinamika volatilitas ETH.
Klasifikasi Citra Gerakan Takbir Berdasarkan Fikih Syaikh Al-Albani Menggunakan Model Hibrida CNN-SVM Fahmi, MIftahuddin; Widhi, Eko Prasetio; Fawait, Aldi Bastiatul; Syaifullah, Ahmad
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 3 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i3.21327

Abstract

Penelitian ini mengklasifikasikan kebenaran gerakan takbir dalam salat berdasarkan parameter fikih Syaikh Al-Albani menggunakan pendekatan hibrida CNN dan SVM. Alur kerja mencakup prapemrosesan citra melalui deteksi tepi operator Prewitt dan operasi morfologi untuk pemurnian kontur, diikuti normalisasi. Fitur mendalam diekstraksi dengan VGG16 melalui transfer learning, sedangkan klasifikasi dilakukan menggunakan Support Vector Machine dengan penalaan hiperparameter serta mekanisme ambang (threshold) untuk penetapan keputusan. Dataset terdiri atas 184 citra beranotasi (146 benar, 38 tidak benar) dengan pembagian 80:20 untuk pelatihan dan pengujian. Evaluasi menggunakan akurasi, precision, recall, F1-score, dan confusion matrix. Model mencapai akurasi 95% pada data uji, menunjukkan bahwa kombinasi prapemrosesan berbasis tepi, ekstraksi fitur konvolusional, dan klasifikasi margin-maksimum efektif membedakan variasi halus pada postur takbir. Temuan ini berimplikasi pada pengembangan alat bantu pembelajaran dan koreksi gerakan salat, termasuk skenario umpan balik real-time. Keterbatasan meliputi ukuran serta ketidakseimbangan dataset dan rujukan fikih tunggal; penelitian lanjutan diarahkan pada perluasan data, validasi eksternal, dan pengujian pada perangkat nyata.