Alisha Fauzia, Fathia
Unknown Affiliation

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

Found 2 Documents
Search

Improving Algorithm Performance using Feature Extraction for Ethereum Forecasting Tri Julianto, Indri; Kurniadi, Dede; Rohmanto, Ricky; Alisha Fauzia, Fathia
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 1 (2024): February 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i1.4872

Abstract

Ethereum is a cryptocurrency that is now the second most popular digital asset after Bitcoin. High trading volume is the trigger for the popularity of this cryptocurrency. In addition, Ethereum is home to various decentralized applications and acts as a link for Decentralized Finance (DeFi) transactions, Non-Fungible Tokens (NFTs) and the use of smart contracts in the crypto space. This study aims to improve the performance of the forecasting algorithm by using feature extraction for Ethereum price forecasting. The algorithms used are neural networks, deep learning, and support vector machines. The research methodology used is Knowledge Discovery in Databases. The data set used comes from the yahoo.finance.com website regarding Ethereum prices. The results show that the neural network Algorithm is the best Algorithm compared to Deep Learning and support vector machine. The root mean square error value for the neural network before feature selection is 93,248 +/- 168,135 (micro average: 186,580 +/- 0,000) Linear Sampling method and 54,451 +/- 26,771 (micro average: 60,318 +/- 0,000) Shuffled Sampling method. Then after feature selection, the root mean square error value improved to 38,102 +/- 31,093 (micro average: 48,600 +/- 0,000) using the Shuffled Sampling method
Sistem Monitoring Smart Greenhouse Berbasis IoT pada Budidaya Bawang Merah Taher Jufri, Muhammad; Alisha Fauzia, Fathia; An-Nisa Aina Nurwaida; Azriel N. Ilhami; Riefki Nugraha
Jurnal Nasional Teknologi Komputer Vol 5 No 2 (2025): April 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i1.169

Abstract

Pertanian modern menghadapi tantangan besar, termasuk perubahan iklim, keterbatasan lahan, dan kebutuhan peningkatan produktivitas untuk memenuhi permintaan pangan global. Bawang merah, sebagai komoditas hortikultura bernilai ekonomi tinggi, memerlukan kondisi lingkungan yang terkontrol untuk pertumbuhan optimal, khususnya terkait suhu, kelembapan udara, dan kelembapan tanah. Penelitian ini mengembangkan model sistem smart greenhouse berbasis Internet of Things (IoT) untuk mengotomatiskan monitoring dan pengelolaan lingkungan tanam bawang merah secara real-time. Sistem ini mengintegrasikan sensor Soil Moisture untuk mengukur kelembapan tanah, sensor DHT11 untuk suhu dan kelembapan udara, serta sensor ultrasonik untuk memantau ketinggian air dalam tangki penampungan. Data yang dikumpulkan diolah untuk mengaktifkan penyiraman, ventilasi, atau pendinginan secara otomatis, tanpa intervensi manual yang intensif. Hasil penelitian menunjukkan bahwa sistem ini mampu menjaga parameter lingkungan dalam kisaran optimal, meningkatkan produktivitas tanaman, dan mengurangi konsumsi air secara signifikan. Dengan pendekatan ini, smart greenhouse berbasis IoT menjadi solusi inovatif untuk mendukung pertanian bawang merah yang lebih efisien, berkelanjutan, dan tangguh terhadap variabilitas lingkungan.