Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal eProceeding of TIK
Radhiyatammardiyyah, Radhiyatammardiyyah
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Klasifikasi Kualitas Air Sungai Menggunakan Metode KNN Berbasis Web fathan, Muhammad; Mulyadi, Mulyadi; Radhiyatammardiyyah, Radhiyatammardiyyah
eProceeding of TIK Vol 4, No 1 (2024): eProTIK: Mei, 2024
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Di Indonesia, masalah pelayanan air bersih menjadi perhatian utama karena dampaknya yang serius terhadap kesehatan masyarakat. Berdasarkan data dari WHO (World Health Organization) tahun 2021, setiap tahunnya sekitar 1,7 juta anak meninggal akibat diare yang disebabkan oleh lingkungan yang tidak sehat, terutama akibat air yang tercemar.Aceh Utara menghadapi tantangan serius dengan menurunnya kualitas air sungai akibat pertumbuhan industri dan limbah kelapa sawit, terutama di sungai-sungai utama seperti Peuto, Keuruto, dan Pase. Evaluasi efektivitas algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan kualitas air sungai menjadi penting. Algoritma ini diterapkan dengan menggunakan delapan parameter kualitas air, termasuk TSS, BOD, COD, PO4, DO, E. coli, pH, dan NO3-N. Pengujian menggunakan RapidMiner menunjukkan tingkat akurasi KNN sebesar 51,85%, Ketika menggunakan Confusion matrix, akurasi meningkat menjadi 54,28%.
Rancang Bangun Sistem Prediksi Harga Saham Menggunakan Support Vector Machine rahmadhani, maksalmina; azhar, Azhar; Radhiyatammardiyyah, Radhiyatammardiyyah
Journal of TIK Vol 5, No 1 (2025): eProTIK: Mei, 2025
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Pasar modal Indonesia telah berkembang pesat dan menarik perhatian investor dengan popularitas saham yang terus meningkat. Dalam konteks ini, penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dalam memprediksi harga penutupan Indeks Harga Saham Gabungan (IHSG). Data harian, mingguan, dan bulanan dari tahun 2013 hingga 2024 digunakan untuk membentuk model prediksi. Investor semakin beragam, dengan pertumbuhan jumlah investor dan reksa dana yang signifikan. Meskipun saham menawarkan keuntungan menarik, risiko tinggi tetap menjadi karakteristik utama. Analisis pergerakan IHSG menjadi kunci dalam pengambilan keputusan investasi, dengan kondisi ekonomi memainkan peran penting dalam membentuk tren. Oleh karena itu, penelitian ini mencoba menyajikan solusi dengan mengintegrasikan pendekatan machine learning, khususnya SVM, untuk memprediksi pergerakan harga saham.Kata kunci— IHSG, Support Vector Machine (SVM), Machine Learning. 
Co-Authors Azhar Azhar Fathan, Muhammad Mulyadi Mulyadi rahmadhani, maksalmina