Claim Missing Document
Check
Articles

Found 3 Documents
Search

Prediksi Kurs Mata Uang Rupiah Terhadap Ringgit Malaysia Menggunakan Algoritma Backpropagation Tirta, Muhamad Wahyu; Nursyarif, Muhammad Khumaidi; Hasmadi, Ipan; Akbar, Farhan; Yulianto, Fendy
Jurnal Informatika Vol 11, No 1 (2024): April 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v11i1.20946

Abstract

Nilai tukar mata uang di era globalisasi memegang peran sentral dalam stabilitas ekonomi suatu negara. Diperlukan sebuah analisis pergerakan terhadap nilai tukar agar bisa mengantisipasi terjadinya lonjakan terhadap fluktuasi nilai tukar. Sehingga muncul tantangan baru dalam melakukan fluktuasi kurs mata uang Rupiah terhadap ringgit Malaysia. Dataset yang digunakan adalah Data Kurs mata uang Ringgit Malaysia ke Rupiah periode 1 Juli - 30 Oktober 2023 dengan total data sebanyak 109. Penelitian ini berfokus pada metode Backpropagation dalam meningkatkan akurasi prediksi. Hasil penelitian menggunakan Epoch 300, Neuron 3, dan Learning Rate 0,5 menghasilkan nilai RMSE pada pelatihan Data Training: 13,601 dan Data Testing: 10,721 hal ini menandakan bahwa model mampu memberikan prediksi yang akurat dan mampu menggeneralisasi dengan baik terhadap data yang belum pernah dilihat sebelumnya. Secara keseluruhan, pengembangan model prediksi menggunakan Algoritma Backpropagation ini dapat dianggap berhasil, dan model ini mempunyai potensi untuk menjadi alat yang bermanfaat dalam pengambilan keputusan terkait prediksi nilai tukar mata uang dalam konteks pasar keuangan. Currency exchange rates in the era of globalization play a central role in the economic stability of a country. An analysis of exchange rate movements is needed in order to anticipate spikes in exchange rate fluctuations. So new challenges arise in fluctuating the Rupiah exchange rate against the Malaysian ringgit. The dataset used is Malaysian Ringgit to Rupiah currency exchange data for the period 1 July - 30 October 2023 with a total of 109 data. This research focuses on the Backpropagation method in increasing prediction accuracy. The results of the research using Epoch 300, Neuron 3, and Learning Rate 0.5 produced an RMSE value for Training Data Training: 13.601 and Testing Data: 10.721. This indicates that the model is able to provide accurate predictions and is able to generalize well to data that has never been seen. previously. Overall, the development of a prediction model using the Backpropagation Algorithm can be considered successful, and this model has the potential to become a useful tool in making decisions regarding currency exchange rate predictions in the context of financial markets. 
Sistem Keamanan Berbasis Sidik Jari pada Prodi TI Universitas Muhammadiyah Kalimantan Timur Nursyarif, Muhammad Khumaidi; Arbansyah, Arbansyah; Sumadi, Muhammad Taufiq
Jurnal Informatika Polinema Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i1.5796

Abstract

Perkembangan teknologi yang pesat memberikan banyak manfaat dalam berbagai aspek kehidupan manusia, termasuk dalam bidang keamanan. Salah satu teknologi yang relevan ialah Internet of Things, yang memungkinkan berbagai perangkat terhubung dan dikendalikan melalui internet. Teknologi ini sangat cocok untuk sistem identifikasi dan keamanan, termasuk teknologi biometrik seperti sidik jari. Penelitian ini mengembangkan dan mengimplementasikan sistem keamanan pintar berbasis sidik jari menggunakan NodeMCU dan platform Thinger.io. Sistem ini dirancang untuk diterapkan pada pintu masuk ruangan Prodi Teknik Informatika Universitas Muhammadiyah Kalimantan Timur. Metode yang digunakan meliputi penggunaan sensor sidik jari untuk identifikasi pengguna, NodeMCU sebagai mikrokontroler, dan Thinger.io untuk pengelolaan data serta pengiriman notifikasi. Sistem bekerja dengan cara memindai sidik jari yang kemudian diverifikasi oleh NodeMCU. Jika sidik jari dikenali, pintu akan terbuka, dan jika tidak dikenali setelah tiga kali percobaan, sistem akan mengirim notifikasi peringatan akses tidak dikenal melalui email. Kelebihan dari penggunaan sidik jari ini mencakup tingkat keamanan yang tinggi karena sidik jari memiliki keunikan yang sulit diduplikasi. Selain itu, manfaat yang diperoleh meliputi peningkatan keamanan ruangan dan kemudahan akses tanpa kunci fisik. Hasil penelitian menunjukkan bahwa sistem keamanan berbasis sidik jari ini efektif dalam menjaga keamanan pintu, dengan mekanisme verifikasi yang andal dan deteksi percobaan akses yang tidak sah. Sistem ini juga memberikan notifikasi responsif secara real-time setelah upaya gagal dikenali sebanyak tiga kali. Sistem berfungsi dengan stabil dan dapat dikembangkan lebih lanjut untuk memenuhi kebutuhan spesifik pengguna serta diadaptasi dalam berbagai situasi yang berbeda.
Analisis Sentimen Terhadap Calon Wakil Presiden Gibran Rakabuming Raka Menggunakan Algoritma Naive Bayes Nursyarif, Muhammad Khumaidi; Tirta, Muhamad Wahyu; Hidayat, Muhammad Rahman; Rudiman, Rudiman
KOMPUTEK Vol. 8 No. 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i1.2509

Abstract

The turnover of the president and vice president in Indonesia occurs every 5 years. In the year 2024, there will be an election, and one of the vice presidential candidates, listed as candidate number 2, is Gibran Rakabuming Raka, who is the son of Mr. Jokowi, currently serving as the 7th President. Many opinions have been expressed by the public regarding Mas Gibran, especially considering his age of 36 years, which is perceived as relatively young to lead the nation of Indonesia. Therefore, we intend to conduct research with the aim of identifying practical implications related to public perceptions of the potential vice presidential candidate. Data from comments on the YouTube video titled "[FULL] Gibran in Between Ganjar and Prabowo, Which One to Choose? | ROSI" underwent a classification process using the Naive Bayes algorithm for sentiment analysis. The accuracy obtained is 92.5%, with an f1 Score of 92.4%, Precision of 93.5%, and Recall of 92.5%.