Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Alby Savana HSB, Muhammad
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
IMPLEMENTASI LIBRARY PYTHON DEQUEUE PADA ANTRIAN BANK MENGGUNAKAN LOGIKA FIRST IN FIRST OUT Zulfahrizan, Atta; Alby Savana HSB, Muhammad; br.Hutagalung, Fhadillah; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12260

Abstract

Sistem antrian bank merupakan bagian penting dalam pelayanan kepada nasabah, namun seringkali menghadapi permasalahan seperti pembagian pelanggan yang tidak optimal dan tidak adanya estimasi waktu tunggu yang akurat. Kondisi ini menyebabkan waktu tunggu yang lama dan ketidakpuasan nasabah. Penelitian ini bertujuan untuk mengembangkan sistem antrian berbasis algoritma First In First Out (FIFO) menggunakan library Python deque untuk meningkatkan efisiensi layanan nasabah. Metode yang digunakan meliputi perancangan dan implementasi algoritma FIFO dengan struktur data deque, pengujian sistem, serta pengembangan fitur pembagian antrian berdasarkan estimasi waktu layanan. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan efisiensi administrasi, mengurangi kesalahan input data, dan memprioritaskan pelanggan berdasarkan waktu tunggu yang lebih singkat. Dengan demikian, sistem ini memberikan solusi yang efektif untuk pengelolaan antrian perbankan secara adil dan terstruktur
PENERAPAN MODEL HYBRID MACHINE LEARNING ARIMA-LSTM (LONG SHORT-TERM MEMORY) DALAM PREDIKSI HARGA EMAS 5 TAHUN KE-DEPAN Zulfahrizan, Atta; Alby Savana HSB, Muhammad; Putra Paskah Halawa, Sovantri; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13914

Abstract

Emas merupakan aset lindung nilai yang banyak digunakan dalam investasi, namun prediksi harganya menjadi tantangan karena dipengaruhi oleh berbagai faktor ekonomi dan geopolitik. Fluktuasi harga yang tinggi menyebabkan perlunya model prediksi yang akurat untuk membantu pengambilan keputusan investasi. Penelitian ini bertujuan untuk mengembangkan model hybrid ARIMA-LSTM guna meningkatkan akurasi prediksi harga emas dalam lima tahun ke depan.Metode yang digunakan mencakup pengumpulan dan preprocessing data harga emas dari sumber daring. Model ARIMA diterapkan untuk menangkap pola linier dalam data historis, sedangkan LSTM digunakan untuk mengenali pola non-linier serta volatilitas harga. Evaluasi dilakukan dengan membandingkan performa model hybrid dengan model tunggal menggunakan metrik RMSE dan MAE.Hasil penelitian menunjukkan bahwa model hybrid ARIMA-LSTM memiliki tingkat akurasi lebih tinggi dibandingkan model ARIMA atau LSTM secara terpisah. Prediksi harga emas dalam lima tahun ke depan menunjukkan tren penurunan, dengan perkiraan harga akhir sebesar 1727.31 USD/troy ounce atau sekitar 832.477.500 RP/kg. Model ini diharapkan dapat memberikan wawasan yang lebih baik bagi investor dan pemangku kebijakan dalam pengambilan keputusan investasi.
PENGEMBANGAN “LOOPA” ASISTEN PENGINGAT JADWAL PINTAR BERBASIS AI Muslim Sinaga, Rizal; Alby Savana HSB, Muhammad; Farezi, Nazwar; Azima Lubis, Fauzan; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13990

Abstract

Di era digital saat ini, manajemen waktu menjadi tantangan bagi banyak individu, terutama ketika sistem pengingat yang digunakan tidak mampu memahami bahasa alami pengguna. Masalah muncul ketika pengguna masih mengandalkan metode manual atau aplikasi kalender konvensional yang kurang efisien dalam menangkap kebutuhan berbasis teks alami. Penelitian ini bertujuan untuk mengembangkan Loopa, sebuah aplikasi web pintar berbasis AI yang dapat mengelola jadwal secara otomatis melalui pemahaman bahasa alami. Aplikasi ini dirancang menggunakan arsitektur client-server dengan Flask sebagai backend dan SQLite sebagai basis data, serta mengintegrasikan model NLP google/flan-t5-small yang telah di-fine-tune untuk memahami input jadwal berbentuk teks. Sistem ini juga dilengkapi fitur notifikasi otomatis menggunakan Twilio. Evaluasi model menunjukkan akurasi sebesar 62%, yang berarti sebagian besar input berhasil dipahami dengan benar, dan ROUGE-L sebesar 0,9596 yang menandakan tingkat kemiripan yang sangat tinggi antara hasil prediksi dan referensi. Hal ini menunjukkan bahwa Loopa mampu memahami konteks input dengan baik dan mengubahnya menjadi format terstruktur secara efektif.Aplikasi Loopa berhasil menunjukkan performa yang baik dalam mengubah input alami menjadi format terstruktur serta mengirimkan pengingat otomatis, sehingga dapat membantu pengguna dalam mengelola waktu secara lebih efisien dan cerdas.
Co-Authors Adidtya Perdana, Adidtya Azima Lubis, Fauzan br.Hutagalung, Fhadillah Farezi, Nazwar Muslim Sinaga, Rizal Putra Paskah Halawa, Sovantri Ramadhani, Fanny Zulfahrizan, Atta