Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Scientica: Jurnal Ilmiah Sains dan Teknologi PREDATECS: Public Research Journal of Engineering, Data Technology and Computer Science Jurnal Informatics Nivedita
Nasution, Nur Shabrina
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Social Sciences Other

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

Found 3 Documents
Search

 1 
EVALUASI TINGKAT CAPABILITY SISTEM INFORMASI AKADEMIK MENGGUNAKAN FRAMEWORK COBIT 2019 DI PERGURUAN TINGGI XYZ Khairunnisa, Putri; Nasution, Nur Shabrina; Nirwana, Indah; Megawati, Megawati
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 8 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

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

Abstract

Perguruan Tinggi XYZ berperan penting dalam meningkatkan kualitas sistem informasi akademik untuk efisiensi dan efektivitas yang lebih baik. Penelitian ini mengevaluasi tingkat kapabilitas sistem informasi akademik menggunakan kerangka kerja COBIT 2019, khususnya pada domain APO13 (Managed Security), DSS06 (Managed Business Process Controls), dan MEA04 (Managed Assurance). Data dikumpulkan melalui wawancara dan studi literatur, dan dianalisis menggunakan skala Guttman. Hasil penelitian menunjukkan bahwa APO13 mencapai kapabilitas 95% (level 4), DSS06 mencapai 74% (level 3), dan MEA04 mencapai 86% (level 4). Analisis GAP menunjukkan APO13 dan MEA04 melampaui target dengan gap masing-masing 1 level, sementara DSS06 sesuai dengan target tanpa gap. Rekomendasi perbaikan mencakup penyelarasan ISMS dengan strategi perusahaan, desain prosedur pemisahan tugas, kontrol verifikasi transaksi, serta efisiensi dan efektivitas kontrol manajemen. Kesimpulannya, Perguruan Tinggi XYZ telah mencapai atau melampaui target kapabilitas, dengan rekomendasi untuk perbaikan lebih lanjut.
Amazon Stock Price Prediction Using Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) Tshamaroh, Muthia; Nasution, Nur Shabrina; Nadhirah, Nurin; Alfira, Rizka Ayu; Xintong, Zeng
Public Research Journal of Engineering, Data Technology and Computer Science Vol. 3 No. 1: PREDATECS July 2025
Publisher : Institute of Research and Publication Indonesia (IRPI).

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

Abstract

Stocks have become one of the largest and most intricate financial markets globally due to their high popularity, making them very challenging to predict as they can process millions of transactions rapidly. The objective of this study is to enhance the field by creating a dependable and accurate model for predicting the stock price of Amazon. This will be achieved via the use of advanced algorithms such as Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU). This research utilised historical data on Amazon's stock price from the past five years, which was acquired from Yahoo Finance. The data was partitioned using a hold-out validation technique, allocating 80% for training and 20% for testing. The model underwent training using different optimizers (Adam, SGD, RMSprop), batch sizes (8, 16, 32), and learning rates (0.001, 0.0001). The evaluation criteria comprised of mean squared error (MSE), root mean squared error (RMSE), mean absolute error (MAE), and mean absolute percentage error (MAPE). The results suggest that the GRU model, when trained with the RMSprop optimizer using a batch size of 16 and a learning rate of 0.0001, as well as with the SGD optimizer using a batch size of either 16 or 32 and a learning rate of either 0.001 or 0.0001, produced the lowest error metrics, indicating superior performance. This study enables more precise forecasts of stock prices and more efficient investment techniques.
Analisis Manajemen Risiko Teknologi Informasi Website Kampung KB Menggunakan ISO 31000 Mawaddah, Zuriatul; Nasution, Nur Shabrina; Ananta, Nur Via; Megawati
Journal Informatics Nivedita Vol 1 No 1 (2024): Journal Informatics Nivedita
Publisher : Universitas Hindu Negeri I Gusti Bagus Sugriwa Denpasar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25078/nivedita.v1i1.4392

Abstract

Penerapan teknologi informasi pada website Kampung KB memainkan peran penting dalam mendukung program Kependudukan, Keluarga Berencana, dan Pembangunan Keluarga (KKBPK). Namun, teknologi ini juga menghadirkan risiko yang memerlukan pengelolaan khusus. Penelitian ini bertujuan untuk mengelola risiko TI pada situs web Kampung KB dengan menggunakan kerangka kerja ISO 31000. Metode penelitian mencakup identifikasi risiko, analisis risiko, dan evaluasi risiko berdasarkan standar ISO 31000. Hasil penelitian menunjukkan bahwa risiko utama yang dihadapi meliputi kebocoran data pengguna akibat serangan siber, kegagalan server karena overload, dan kurangnya pelatihan teknis pada sumber daya manusia. Rekomendasi mitigasi yang diusulkan meliputi penerapan enkripsi data, teknologi load balancing, dan program pelatihan berkala untuk staf TI. Dengan implementasi strategi ini, tingkat risiko dapat dikurangi secara signifikan, sehingga mendukung keberlanjutan operasional website Kampung KB. Penelitian ini memberikan kontribusi pada literatur manajemen risiko TI serta menjadi referensi praktis bagi pengelola Kampung KB dan pemerintah daerah dalam meningkatkan keamanan dan efisiensi sistem digital.
Co-Authors Alfira, Rizka Ayu Ananta, Nur Via Khairunnisa, Putri Mawaddah, Zuriatul Megawati Megawati - Nadhirah, Nurin Nirwana, Indah Tshamaroh, Muthia Xintong, Zeng