Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JOISIE (Journal Of Information Systems And Informatics Engineering)

ANALISIS POLA GEJALA PCOS MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Aulia, Cantika; Robani, M Tsabita; Nadrota Acta, Muhammad Fakhri; Mas Ud, Khalid Al; Saputra, Marco; Tania, Ken Ditha; Sari, Winda Kurnia
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4939

Abstract

Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan pasien PCOS berdasarkan intensitas gejala. PCOS adalah gangguan hormonal yang sulit didiagnosa karena gejalanya beragam. Dengan menggunakan algoritma K-Means, hasil clustering menunjukkan tiga kategori utama: ringan, sedang, dan berat. Setiap klaster mencerminkan kombinasi gejala seperti siklus menstruasi tidak teratur, pertumbuhan rambut berlebih, dan perubahan suasana hati. Pendekatan ini efektif dalam membantu pemahaman pola distribusi gejala PCOS serta mendukung pengambilan keputusan medis yang lebih tepat.
Penerapan Analisis Sentimen Berita Keuangan dari IDX Channel dan Long Short-Term Memory (LSTM) dalam Prediksi Perubahan Harga Saham pada Perusahaan XYZ Fathoni, Fathoni; Aulia, Cantika; Acta, Muhammad Fakhri Nadrota; Saputra, Eka; Rahman, Muhammad Fadhil; Ibrahim, Ali
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 2 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i2.5009

Abstract

Investasi saham semakin diminati, namun fluktuasi harga yang tinggi membuat prediksi menjadi tantangan. Harga saham dipengaruhi oleh banyak hal, seperti berita keuangan yang menunjukkan sentimen pasar. Namun, banyak model prediksi bergantung pada data sebelumnya tanpa memperhitungkan pendapat media. Penelitian ini bertujuan untuk memprediksi perubahan harga saham perusahaan XYZ dengan menggabungkan model Long Short-Term Memory (LSTM) dan analisis sentimen terhadap berita keuangan dari IDX Channel. Data historis harga saham diambil dari Yahoo Finance, sedangkan data sentimen diperoleh melalui klasifikasi opini berita berbasis model IndoBERT. Data kemudian diproses menggunakan pendekatan normalisasi Min-Max Scaling dan dibentuk dalam format time series menggunakan teknik window sliding dengan time step sebesar 30. Hasil penelitian menunjukkan bahwa model LSTM mampu memprediksi harga saham dengan nilai RMSE sebesar 35,92 dan korelasi positif lemah antara sentimen dan harga saham sebesar 0,27. Prediksi harga satu hari ke depan yang dihasilkan model menunjukkan nilai Rp 4.097,00. Visualisasi residual menunjukkan sebaran kesalahan yang stabil di sekitar nol, menunjukkan generalisasi model yang cukup baik.