Ispahan, Tarisha
Unknown Affiliation

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

Found 2 Documents
Search

ANALISIS PREDIKSI HARGA SAHAM PADA PERUSAHAAN T MENGGUNAKAN KOMBINASI CNN-LSTM Fathoni, Fathoni; Ibrahim, Ali; Septiana, Rika; Rielisa Putri, Adetya; Ispahan, Tarisha; Shifa Maharani, Wardah
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.v9i4.14104

Abstract

Pasar saham yang kompleks dan sulit diprediksi menjadi tantangan utama dalam membuat pilihan investasi khususnya di industri telekomunikasi yang sangat dipengaruhi oleh faktor internal dan eksternal termasuk persaingan pasar, aturan tarif, dan kemajuan teknologi. Pola non-linear dalam data saham seringkali tidak tertangkap oleh metode konvensional, seperti regresi dan ARIMA yang menyebabkan ketidakakuratan prediksi. Tujuan dari studi ini adalah mengombinasikan model Convolutional Neural Networks (CNN) dengan Long Short-Term Memory (LSTM) untuk memprediksi harga saham berbasis deep learning. Studi ini menunjukkan bahwa model CNN-LSTM bekerja dengan baik dalam memprediksi dengan RSME yang rendah, khususnya pada konfigurasi pelatihan 50 epoch yang menghasilkan hasil yang paling konsisten dan seimbang, yaitu train RMSE: 62.51 dan test RMSE: 87.76. Hal ini membuktikan bahwa model mampu menggambarkan tren harga saham secara akurat. Dengan demikian, kombinasi CNN-LSTM dapat diterapkan sebagai solusi prediktif yang memungkinkan di sektor keuangan
ANALISIS RISIKO AKADEMIK SISWA DENGAN METODE K-MEANS: STUDI KASUS SMPN 10 PALEMBANG Nabilatulrahmah, Raihana; Triana, Ayu; Ispahan, Tarisha; Adeliani, Adeliani; Fitriani, Suci; Amelia, Amelia; Ditha Tania, Ken; Rifai, Ahmad
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.v9i4.14181

Abstract

Pendidikan memainkan peranan penting dalam meningkatkan kualitas sumber daya manusia, terutama di kalangan siswa Sekolah Menengah Pertama (SMP). Namun, tingkat pemahaman dan capaian akademik setiap siswa berbeda, yang dipengaruhi oleh beberapa faktor seperti kehadiran, partisipasi kelas, dan keterlibatan dalam tugas. Salah satu tantangan utama dalam dunia pendidikan adalah mengidentifikasi siswa yang berisiko mengalami kesulitan akademik agar dapat diberikan intervensi yang tepat. Penelitian ini dilakukan di SMPN 10 Palembang yang belum memiliki sistem berbasis data mining untuk mengelompokkan siswa berdasarkan tingkat risiko akademik. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi risiko akademik siswa kelas VII menggunakan metode K-Means Clustering. Hasil penelitian menunjukkan kelompok siswa yang terbagi ke dalam 3 cluster: tidak berisiko, berisiko sedang, dan berisiko tinggi, berdasarkan data tingkat kehadiran, nilai akademik, dan partisipasi ekstrakurikuler. Temuan ini dapat menjadi dasar bagi sekolah untuk merancang intervensi yang lebih efektif guna meningkatkan performa akademik dan keterlibatan siswa di sekolah.