Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Mahkota Informatika

Analisis dan Perancangan Aplikasi Sistem Informasi Psikologi pada Perkembangan Anak Hiperaktif Pasaribu, Sutrisno Arianto; Vera Wijaya; Pasaribu, Victor Patar; Daulay, Budi Hasian; Nababan, Junerdi
Jurnal Mahkota Informatika Vol 1 No 1 (2025): Jurnal Mahkota Informatika
Publisher : Universitas Mahkota Tricom Unggul

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59929/mahtik.v1i1.31

Abstract

Anak hiperaktif merupakan aplikasi yang dapat memberikan ilmu kepada pengguna dan melatih kembali pengetahuanya dalam menyelesaikan suatu masalah pada anak. Perancangan dan pembuatan aplikasi informasi perkembangan anak hiperaktif ini tidak hanya menjadi suatu bahan pembelajaran saja, namun juga merupakan suatu pelatihan yang mengajak pengguna agar membuka pengetahuan nya. Sehingga pengguna akan terbiasa membuka ilmu pengetahuannya dalam menyelesaikan masalah yang sering dihadapi. Dalam perancangan dan pembuatan aplikasi informasi psikologi perkembangan anak hiperaktif ini menggunakan aplikasi VB.Net untuk merancang tampilan-tampilan aplikasi yang terdapat dalam aplikasi informasi psikologi perkembangan anak hiperaktif. Aplikasi informasi perkembangan anak hiperaktif ini sangat baik dalam melakukan atau menyelesaikan suatu permasalahan pada anak. Aplikasi ini dapat memberikan solusi bagi mereka yang memiliki waktu yang cukup untuk mendapatkan pengetahuan contohnya dengan pembahasan dalam menemukan informasi tentang perkembangan anak hiperaktif karena dapat dilakukan dirumah bahkan dimana saja.
Sistem Keamanan Pintu Menggunakan E-KTP Berbasis Sensor RFID (Radio Frequency Identification) Daulay, Budi Hasian; Miftahul Jannah; Pasaribu, Sutrisno Arianto
Jurnal Mahkota Informatika Vol 1 No 1 (2025): Jurnal Mahkota Informatika
Publisher : Universitas Mahkota Tricom Unggul

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59929/mahtik.v1i1.35

Abstract

Sistem keamanan sangatlah penting di masa sekarang ini, sistem keamanan bukan hanya satu hal tetapi semua yang kita butuhkan untuk menjaga intensitasnya. Namun sistem keamanan rumah menjadi hal utama yang selalu kita perhatikan. Sampai saat ini kunci konvesional masih digunakan. Kunci ini masih mempunyai peranan yang baik dan masih digunakan karena keamanannya yang cukup baik. Untuk memehuni kriteria diatas, sistem kunci rumah yang popular telah dikembangkan menjadi kunci pintu digital yang dapat diaktifkan dengan KTP atau kode e-KTP yang ada. Sistem RFID (Radio Frequency Identification) digunakan dalam penelitian ini. RFID (Radio Frequency Identification) merupakan teknologi yang memungkinkan terdeteksinya identitas pengguna, proses ini unik karena tidak bersentuhan langsung dengan pembaca RFID. Kunci pintu konvesional yang umum digunakan juga telah digantikan oleh kunci pintu elektromagnetik seperti Solenoid Doorlock yang hanya dapat diaktifkan dengan arus listrik. Hal ini memungkinkan penggunaan keamanan berlapis karena cara manual tidak lagi memungkinkan. Pembaca RFID tidak dapat bekerja sendiri. Pembaca RFID dapat diaktifkan oleh mikrokontroler yang dapat diprogram komputer. Solenoid pengunci pintu yang beroperasi pada tegangan 12 volt DC juga perlu dijembatani dengan rangkaian relay agar dapat dikontrol oleh mikrokontroler. Aplikasi ini juga memiliki layar untuk kemudahan penggunaan dan buzzer untuk menandakan pencurian.
Peningkatan dan Optimalisasi Prediksi Harga Emas Menggunakan Metode Combine Machine Learning Random Forest dan Gradient Boosting Simamora, Purwanto; Pasaribu, Sutrisno Arianto; Vera Wijaya
Jurnal Mahkota Informatika Vol 1 No 1 (2025): Jurnal Mahkota Informatika
Publisher : Universitas Mahkota Tricom Unggul

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59929/mahtik.v1i1.37

Abstract

Penelitian ini mengeksplorasi peningkatan akurasi prediksi harga emas dengan menggunakan algoritma Random Forest dan Gradient Boosting. Studi ini berfokus pada penilaian kinerja gabungan dari algoritma ini. Kumpulan data spesifik yang memiliki harga emas, yang dicirikan oleh dua parameter utama dan harga yang terkait, digunakan. Kumpulan data ini dibagi menjadi subset pelatihan dan pengujian yang berbeda untuk memudahkan pelatihan dan evaluasi model. Evaluasi kinerja model berpusat pada mean squared error (MSE), yang mengukur perbedaan antara harga prediksi dan harga aktual. Hasil membuktikan kompetensi individu algoritma Random Forest dan Gradient Boosting menghasilkan nilai MSE masing-masing sebesar 0,0053 dan 0,008353. Menggabungkan algoritme ini menghasilkan kinerja yang lebih baik, dengan MSE sebesar 0,006826. Model gabungan ini menunjukkan stabilitas yang lebih tinggi, menunjukkan kecenderungan overfitting yang berkurang, yang merupakan masalah umum dalam pemodelan prediktif. Studi ini menggarisbawahi potensi penggabungan beragam algoritma pembelajaran mesin untuk secara signifikan meningkatkan presisi dan kekuatan prediksi harga emas. Hal ini memiliki implikasi yang signifikan bagi investor dan pedagang yang sangat bergantung pada perkiraan yang tepat dalam pengambilan keputusan di pasar emas. Selain itu, wawasan yang diperoleh dari penelitian ini juga mencakup domain keuangan lainnya, termasuk saham dan mata uang kripto, yang memerlukan prediksi harga yang tepat. Namun, ada batasan tertentu. Studi ini menggunakan kumpulan data yang relatif terbatas, hanya mempertimbangkan dua parameter dan mengabaikan variabel lain yang berpotensi berpengaruh seperti indikator ekonomi dan peristiwa geopolitik. Penelitian di masa depan dapat melibatkan penggabungan kumpulan data yang lebih komprehensif yang mencakup lebih banyak faktor relevan untuk meningkatkan akurasi dan ketahanan prediksi. Selain itu, mengeksplorasi algoritma pembelajaran mesin alternatif memberikan jalan yang menjanjikan mencari tahu kombinasi paling efektif untuk meningkatkan kemampuan prediksi harga emas.