Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Journal of Economic, Business and Engineering (JEBE) Journal of Computer Science and Information Technology
Tjoanda, Michael
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Environmental Science Mechanical Engineering Social Sciences

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

Found 2 Documents
Search

 1 
ANALISIS PREDIKSI SAHAM TESLA MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) Saputra, Rendy; Alamsyah, Alfin Gusti; Dandi; Tjoanda, Michael; Kent Nick; Cornelius, Alten
Journal of Computer Science and Information Technology Vol. 2 No. 1 (2024): Desember
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v2i1.1482

Abstract

Penelitian ini mengkaji penggunaan algoritma Long Short-Term Memory (LSTM) untuk memprediksi harga saham Tesla, mengingat tingginya volatilitas harga saham yang menjadi tantangan bagi investor dalam mengambil keputusan investasi. Tujuan penelitian adalah merancang dan mengevaluasi model prediksi harga saham menggunakan LSTM. Data yang digunakan berasal dari Yahoo Finance periode Mei 2020 hingga Mei 2024, mencakup harga pembukaan, tertinggi, terendah, dan penutupan. Metodologi penelitian meliputi preprocessing data menggunakan StandardScaler, pembagian data training-testing dengan rasio 80:20, dan implementasi arsitektur LSTM dua lapisan dengan masing-masing 50 neurons. Hasil penelitian menunjukkan performa yang baik dengan nilai RMSE 0.042 dan MAPE 18.7%. Model berhasil mengikuti pola pergerakan harga saham dengan akurat, terutama dalam menangkap tren dan fluktuasi signifikan selama periode September 2023 hingga April 2024. Proses pelatihan dengan 100 epoch dan batch size 4 menunjukkan konvergensi yang stabil tanpa tanda-tanda overfitting. Penelitian ini memberikan kontribusi dalam pengembangan metode prediksi harga saham yang dapat membantu investor dalam mengambil keputusan investasi yang lebih informed.
METODE ALGORITMA DES UNTUK KEAMANAN DATA Tjoanda, Michael; Saputra, Rendy; Cornelius, Alten
Journal of Economic, Business and Engineering (JEBE) Vol 5 No 2 (2024): April
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) Universitas Sains Al Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jebe.v5i2.6135

Abstract

Penelitian ini mendalami keamanan data dengan fokus pada Algoritma Data Encryption Standard (DES) dalam lingkungan digital. DES, meskipun pernah dianggap standar, telah menghadapi tantangan dari kemajuan teknologi. Metode analisis digunakan untuk mengevaluasi kekuatan kriptografi, kompleksitas komputasi, dan resistensi terhadap serangan DES. Proses enkripsi, termasuk permutasi awal, pembangkitan kunci, dan 16 putaran enkripsi, diuraikan dengan contoh penerapan pada teks "COMPUTER." Hasil penelitian menyajikan pemahaman mendalam terhadap kualitas dan keamanan DES. Meskipun masih digunakan, perlu pertimbangan untuk beralih ke standar keamanan data modern seperti Advanced Encryption Standard (AES) yang lebih kuat.
Co-Authors Alamsyah, Alfin Gusti Cornelius, Alten Dandi Kent Nick Rendy Saputra