Garuda - Garba Rujukan Digital

ANALISIS KECEPATAN METODE PENYORTIRAN DAN PEMROSESAN YANG DITERAPKAN PADA PROGRAM KERANJANG BELANJA Prana Walidin, Adamsyach; Pebiana Putri, Fahra; Farezi, Nazwar; Khoiriah, Najwatul; 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.v9i1.12407

Kecepatan adalah salah satu aspek yang sangat diperlukan dalam teknologi saat ini. Kecepatan biasanya menjadi tolak ukur sebuah sistem atau perangkat, semakin cepat semakin baik. Efisiensi sebuah sistem atau perangkat ditentukan oleh kecepatan sistem itu sendiri ketika memproses atau mengolah data. Pada zaman yang mewajibkan tiap hal berjalan secara singkat dan praktis, diperlukan pengujian terhadap berbagai macam hal terutama pada bidang teknologi struktur data. Untuk mengetahui seberapa efisien teknik struktur data list dan dictionary maka dilakukan implementasi pada sebuah program keranjang belanja sederhana untuk membuktikan dan mendapatkan angka pasti dalam hal kecepatan. Dengan menggunakan metode eksperimental kuantitatif, program dikembangkan dalam bahasa python dengan GUI dari library tkinter dan modul penghitungan waktu dari library time. Diketahui bahwa penggunaan dan kombinasi list dan kamus pada program keranjang belanja relatif cepat dalam memproses data, dengan rentang waktu 0.00007 detik hingga 1.8 detik dalam memproses setiap variabel. Hal ini membuat list dan kamus relatif efisien dalam penggunaannya pada program shopping cart.

Pengaruh Pengaturan Workflow Dengan Shortcut Keyboard Terhadap Produktivitas di Elementary OS Farezi, Nazwar; HSB, Muhammad Alby Savana; Sagala, Khairul Fahmi; Kiswanto, Dedi
Journal of Citizen Research and Development Vol 2, No 1 (2025): Mei 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v2i1.5084

Penelitian ini mengkaji dampak pengaturan workflow berbasis shortcut keyboard terhadap produktivitas pengguna Elementary OS. Dengan menggunakan metode eksperimen, partisipan dibagi menjadi dua kelompok: pengguna shortcut keyboard dan pengguna mouse/trackpad. Hasil penelitian menunjukkan bahwa penggunaan shortcut keyboard mampu meningkatkan efisiensi waktu dan mengurangi tingkat kesalahan dalam menyelesaikan tugas sehari-hari dibandingkan metode tradisional. Hambatan yang ditemukan berkaitan dengan adaptasi awal terhadap kombinasi tombol. Penelitian ini menekankan pentingnya pelatihan dan panduan visual dalam mengoptimalkan penggunaan shortcut keyboard. Penelitian ini memberikan wawasan praktis bagi pengguna Elementary OS untuk meningkatkan produktivitas mereka.

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

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.

Sebuah Evanthe, Hansel; Fhadillah, Fhadillah; Fauzan, Rosyid; Farezi, Nazwar; 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.v9i4.13992

Pasar saham merupakan indikator penting dalam ekonomi, dengan harga saham yang fluktuatif mencerminkan berbagai faktor seperti sentimen pasar dan kondisi perusahaan. NVIDIA Corporation (NVDA) menjadi salah satu perusahaan teknologi yang menarik perhatian investor karena pertumbuhan signifikannya dalam industri semikonduktor dan AI. Namun, volatilitas tinggi menjadi tantangan dalam menentukan strategi investasi. Penelitian ini bertujuan untuk menganalisis pola pergerakan harga saham NVIDIA menggunakan klasterisasi K-Means dan memprediksi harga saham dengan model Long Short-Term Memory (LSTM). Permasalahan utama adalah kesulitan model prediksi dalam lonjakan harga ekstrem dan ketergantungan pada data historis. Tujuan penelitian adalah mengidentifikasi pola harga saham melalui klasterisasi dan menguji akurasi prediksi LSTM dengan berbagai skenario data latih. Metode yang digunakan meliputi pengumpulan data historis NVIDIA (2020–2025) dari Yahoo Finance, preprocessing data, klasterisasi K-Means dengan penentuan klaster optimal menggunakan metode Elbow, serta prediksi time-series dengan LSTM. Evaluasi dilakukan menggunakan RMSE dan MAPE. Hasil klasterisasi menunjukkan tiga klaster optimal dengan Silhouette Score 0.579, mengindikasikan pengelompokan yang cukup baik. Prediksi LSTM menghasilkan RMSE dan MAPE terendah pada 60% data latih (70.18 dan 9.61%), namun kesalahan meningkat seiring penambahan data latih akibat ketidakmampuan model menangkap lonjakan harga ekstrem. Disarankan untuk menambahkan fitur seperti volume perdagangan guna meningkatkan akurasi prediksi.

Pengaruh Pengaturan Workflow Dengan Shortcut Keyboard Terhadap Produktivitas di Elementary OS Farezi, Nazwar; HSB, Muhammad Alby Savana; Sagala, Khairul Fahmi; Kiswanto, Dedi
Journal of Citizen Research and Development Vol 2, No 1 (2025): Mei 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jcrd.v2i1.5084

Penelitian ini mengkaji dampak pengaturan workflow berbasis shortcut keyboard terhadap produktivitas pengguna Elementary OS. Dengan menggunakan metode eksperimen, partisipan dibagi menjadi dua kelompok: pengguna shortcut keyboard dan pengguna mouse/trackpad. Hasil penelitian menunjukkan bahwa penggunaan shortcut keyboard mampu meningkatkan efisiensi waktu dan mengurangi tingkat kesalahan dalam menyelesaikan tugas sehari-hari dibandingkan metode tradisional. Hambatan yang ditemukan berkaitan dengan adaptasi awal terhadap kombinasi tombol. Penelitian ini menekankan pentingnya pelatihan dan panduan visual dalam mengoptimalkan penggunaan shortcut keyboard. Penelitian ini memberikan wawasan praktis bagi pengguna Elementary OS untuk meningkatkan produktivitas mereka.

Sistem Peramalan Jumlah Mahasiswa Menggunakan Metode Time Series ARIMA dan Regresi Linear Hasibuan, Muhammad Alby Savana; Indra, Zulfahmi; Lubis, Fauzan Azima; Farezi, Nazwar
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/n95g4460

Penelitian ini bertujuan untuk membuat sistem yang bisa memprediksi jumlah mahasiswa menggunakan pendekatan machine learning dengan Python dan antarmuka Streamlit sebagai alat interaktif. Masalah utama yang dibahas adalah kebutuhan lembaga pendidikan tinggi dalam meramalkan jumlah mahasiswa di masa depan agar bisa membantu dalam merencanakan kapasitas dan mengalokasikan sumber daya secara tepat. Solusi yang ditawarkan adalah dengan menggabungkan dua metode prediksi, yaitu Regresi Linear dan ARIMA. Regresi Linear digunakan untuk mencari pola dasar dalam data masa lalu, sedangkan ARIMA dipakai untuk menganalisis data yang memiliki perubahan atau ketergantungan terhadap data sebelumnya. Data yang digunakan berasal dari Pangkalan Data Pendidikan Tinggi (PDDIKTI) untuk program studi Ilmu Komputer di Universitas Negeri Medan pada periode tahun 2019 sampai 2024. Sistem ini dirancang agar orang yang tidak ahli di bidang teknologi bisa melakukan analisis secara visual melalui grafik dan metrik evaluasi yang ditampilkan langsung di aplikasi Streamlit. Hasil pengujian menunjukkan bahwa Regresi Linear memberikan akurasi tinggi pada data yang memiliki tren stabil dengan nilai MAPE di bawah 10%, sedangkan ARIMA memberikan prediksi yang lebih baik pada data yang tidak stabil. Penerapan sistem ini menunjukkan bahwa menggabungkan metode statistik dan pembelajaran mesin bisa meningkatkan efisiensi dan ketepatan dalam analisis data akademik. Temuan ini memberikan manfaat nyata dalam membantu pengambilan keputusan strategis terkait perencanaan jumlah mahasiswa, serta membuka kemungkinan pengembangan model yang lebih canggih di masa depan.

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search