Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) (JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer
Sasha Aiko Leana
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Mathematics

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

Found 2 Documents
Search

 1 
Model Prediksi Penjadwalan Produksi Energi Terbarukan dengan Algoritma XGBoost dan Analisis Interpretatif Menggunakan SHAP M. Safii; Husain; Ika Okta Kirana; Sasha Aiko Leana; Yuli Indahwati Gultom
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 4 (2025): EDISI JULI 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i4.11443

Abstract

Penjadwalan produksi energi terbarukan adalah kegiatan untuk menyeimbangkan antara pasokan dan permintaan energi dalam siklus sistem energi berkelanjutan. Berbagai jenis energi terbarukan seperti hidro, angin, matahari, dan lainnya akan melalui pemodelan prediktif dari jadwal produksi menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dikombinasikan dengan pendekatan interpretabilitas model menggunakan SHapley Additive exPlanations (SHAP). Penelitian ini menggunakan data sekunder dengan parameter Tahun, Negara, Energi Surya, Energi Angin, Energi Hidro, Energi Terbarukan Lainnya, dan Total Energi Terbarukan. Pemodelan menunjukkan bahwa energi angin dan energi matahari memiliki prediksi produksi yang meningkat ketika nilai fitur tinggi dan energi angin memiliki efek negatif ketika nilai fitur rendah. Penelitian ini memiliki kontribusi yang signifikan terhadap faktor yang mempengaruhi penjadwalan dan juga berpeluang untuk penerapan sistem cerdas dalam pengambilan keputusan sektor energi. Hasil penelitian ini dapat menjadi dasar untuk merumuskan strategi manajemen energi berkelanjutan yang memiliki potensi untuk mengintegrasikan kecerdasan buatan dan transparansi model dalam kebijakan energi terbarukan.
PERBANDINGAN EFISIENSI LINEAR DAN BINARY SEARCH DALAM PENCARIAN NAMA SISWA PADA STRUKTUR DATA ARRAY Sasha Aiko Leana; Prahda Ginting, Muhammad Aditya; M. Bukhari Izdihar; Tegar Syahputra Adha Pratama; Diva Ayu Ananda Manik; Indra Gunawan
(JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer Vol. 1 No. 2 (2025): Volume 1 Nomor 2 Tahun 2025
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.180997/jrsikom.v1i2.41

Abstract

Algoritma pencarian merupakan proses menemukan data atau informasi tertentu dalam sekumpulan data menggunakan kata kunci atau keyword. Penelitian ini menjelaskan perbandingan efisiensi beberapa algoritma pencarian dalam struktur array dalam konteks pencarian nama siswa dalam daftar yang tidak ada. Algoritma yang dianalisis meliputi linear search dan binary search. Metode yang digunakan adalah pendekatan kuantitatif dengan pengujian waktu eksekusi dan jumlah perbandingan dalam berbagai ukuran data yang berbeda. Sumber data diambil dari simulasi buatan menggunakan bahasa pemrograman C++. Hasil penelitian menunjukkan bahwa algoritma binary search lebih efisien daripada linear search dalam hal kecepatan pencarian pada data yang terurut.
Co-Authors Diva Ayu Ananda Manik Husain Ika Okta Kirana Indra Gunawan M. Bukhari Izdihar M. Safii Prahda Ginting, Muhammad Aditya Tegar Syahputra Adha Pratama Yuli Indahwati Gultom