Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Queena Fredlina, Ketut
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
OPTIMASI PREDIKSI HARGA EMAS DENGAN METODE SUPPORT VECTOR REGRESSION (SVR) MENGGUNAKAN ALGORITMA GRID SEARCH Gananta, I Made; Purnama, I Nyoman; Queena Fredlina, Ketut
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8000

Abstract

Emas masih tetap menjadi salah satu instrumen investasi yang stabil dan diminati 87% masyarakat Indonesia meski telah melewati pandemi covid-19 yang telah melumpuhkan perekonomian dunia. Sehingga memprediksi harga emas menggunakan data harga emas sebelum terjadinya pandemi covid-19 masih dapat menjadi acuan untuk memprediksi harga emas di tahun selanjutnya. Algoritma support vector regression (SVR) merupakan salah. Namun, parameter bebas SVR sangat sensitif dimana jika nilai support vector nya terlalu besar malah akan menyebabkan underfitting sehingga perlu dilakukan optimasi untuk memaksimalkan hasil pelatihan SVR. Algoritma grid search diperlukan untuk melakukan optimasi agar mendapatkan nilai parameter bebas SVR terbaik. Penelitian ini membahas tentang bagaimana proses optimasi parameter SVR menggunakan algoritma grid search dalam memprediksi harga emas periode per hari. Proses pelatihan menggunakan 1461 data harga emas periode 1 Januari 2018 hingga 31 Desember 2021, yang dimana hasil optimasi pelatihan SVR akan dibandingkan dengan hasil pelatihan SVR tanpa optimasi dengan menggunakan metode pengukuran error mean absolute percentage error (MAPE). Hasil penelitian menunjukkan bahwa algoritma grid search mampu mengoptimasi prediksi harga emas menggunakan SVR namun tidak signifikan dengan skor MAPE sebesar 3,73% dibandingkan dengan hasil prediksi menggunakan SVR tanpa optimasi dengan skor MAPE sebesar 4,35% yang dimana hasil prediksi kedua model tersebut sangat baik.
IMPLEMENTASI TRANSFER LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI PENYU Eka Okta Putra, Gede; Queena Fredlina, Ketut; Yudi Anggara Wijaya, I Nyoman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8929

Abstract

Pemanfaatan teknologi kecerdasan buatan, khususnya Machine Learning, telah menjadi solusi inovatif dalam konteks pelestarian fauna, terutama di negara maritim seperti Indonesia. Keanekaragaman hayati di perairan Indonesia, yang melimpah dan menjadi daya tarik wisata, menyoroti perlunya konservasi. Penyu, sebagai salah satu spesies laut yang mencolok, memiliki peran krusial dalam menjaga ekosistem perairan dunia selama puluhan juta tahun. Meskipun memiliki enam dari tujuh spesies penyu di dunia, data dari IUCN Red List of Threatened Species menunjukkan bahwa keenam spesies ini berstatus rentan terhadap kepunahan. Ancaman terhadap populasi penyu, seperti penangkapan telur untuk diperdagangkan, penangkapan induk penyu, dan aktivitas perburuan yang merusak, menjadi tantangan serius dalam upaya pelestarian. Dalam konteks ini, kami mengusulkan pemanfaatan teknologi Machine Learning, khususnya Convolutional Neural Network dan Transfer Learning, untuk klasifikasi jenis atau spesies penyu. Dua model yang dikembangkan diukur tingkat akurasinya, dengan tujuan menciptakan model akurat yang dapat mendeteksi spesies penyu melalui citra input. Pendekatan ini diharapkan dapat memberikan kontribusi signifikan dalam mencegah ancaman kepunahan terhadap penyu di Indonesia. Penelitian ini tidak hanya menghadirkan solusi teknologi yang inovatif, tetapi juga bertujuan meningkatkan kesadaran masyarakat terhadap pentingnya pelestarian spesies penyu. Dengan menyatukan pemanfaatan teknologi Machine Learning dan edukasi masyarakat, diharapkan dapat tercipta kesadaran yang lebih luas dan berkelanjutan terhadap pelestarian spesies ini di perairan Indonesia.
Co-Authors Eka Okta Putra, Gede Gananta, I Made I Nyoman Yudi Anggara Wijaya Nyoman Purnama, Nyoman