Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jutech: Jurnal Teknologi Informasi Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer
Mulkan Azhari
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Kinerja Algoritma K-Means dan K-Medoids dalam Pengelompokan Penerima Bantuan Sosial di Kelurahan Terjun Siti Khairun Nisa; Mulkan Azhari
Jurnal ilmiah Sistem Informasi dan Ilmu Komputer Vol. 5 No. 2 (2025): Juli : Jurnal ilmiah Sistem Informasi dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juisik.v5i2.1293

Abstract

The advancement of digital technology has improved data management, including in the distribution of social assistance. However, the large volume of data and the similarity of community characteristics often hinder the manual determination of aid recipients. This study analyzes the performance of two clustering algorithms, K-Means and K-Medoids, in grouping social assistance recipients in Kelurahan Terjun. Using a quantitative approach and data mining techniques based on clustering. The data is divided into three groups: Eligible, Not Eligible, and Requires Validation. The results show that although both algorithms produce similar clustering patterns, K-Medoids demonstrates better performance in cluster distribution and visualization. Cluster visualization using PCA indicates that K-Medoids forms clearer cluster boundaries and more balanced data distribution compared to K-Means. It can be concluded that K-Medoids outperforms in clustering social assistance recipient data and can serve as a more efficient alternative for targeted aid distribution.
Analisis Perbandingan Metode LSTM dan BiLSTM untuk Prediksi Harga Saham Menggunakan Alpha Vantage Rifqi Yafik; Mulkan Azhari
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.650

Abstract

Pasar saham Indonesia mengalami pertumbuhan signifikan, namun fluktuasi harga yang tinggi tetap menjadi tantangan utama bagi investor. Penelitian ini bertujuan membandingkan performa dua model deep learning, Long Short-Term Memory (LSTM) dan Bidirectional LSTM (BiLSTM), untuk memprediksi harga penutupan harian dua saham blue chip, PT Bank Central Asia Tbk (BBCA) dan PT Telkom Indonesia Tbk (TLKM). Data historis dari Januari 2019 hingga Desember 2023 diperoleh melalui Alpha Vantage API. Proses penelitian mencakup normalisasi data dengan MinMaxScaler dan pembentukan sliding window untuk pemodelan deret waktu. Model LSTM dan BiLSTM dilatih menggunakan TensorFlow-Keras, dengan optimasi hyperparameter melalui metode Grid Search yang menguji kombinasi units, batch size, epochs, dan dropout rate. Hasil eksperimen menunjukkan bahwa model BiLSTM memberikan akurasi prediksi yang lebih tinggi dibandingkan LSTM pada kedua saham. Untuk saham BBCA, BiLSTM mencatat RMSE sebesar 0.0178, lebih baik dari LSTM yang mencatat RMSE 0.0180. Begitu pula pada saham TLKM, BiLSTM mencapai RMSE 0.0172, mengungguli LSTM dengan RMSE 0.0199. Keunggulan BiLSTM disebabkan kemampuannya memproses data secara dua arah, yang memungkinkan model menangkap pola kontekstual dan titik pembalikan tren dengan lebih baik. Penelitian ini berkontribusi pada pengembangan model prediksi saham yang lebih akurat dan sistematis bagi peneliti dan praktisi di pasar modal.
Implementasi Regresi Linear Berganda dalam Forecast Penjualan pada CV. Surya Kencana Sembako Berbasis website Ilham; Mulkan Azhari
Jurnal Teknologi Informasi (JUTECH) Vol 6 No 2 (2025): JUTECH: Jurnal Teknologi Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jutech.v6i2.3166

Abstract

Perkiraan penjualan merupakan aspek penting dalam pengambilan keputusan bisnis, terutama dalam industri sembako yang memiliki permintaan tinggi dan fluktuatif. CV. Surya Kencana Sembako sebagai perusahaan distribusi barang kebutuhan pokok menghadapi tantangan dalam memprediksi jumlah penjualan secara akurat. Penelitian ini bertujuan untuk mengimplementasikan metode Regresi Linear Berganda dalam meramalkan penjualan berdasarkan beberapa variabel yang memengaruhi, seperti harga produk, jumlah promosi, dan musim penjualan. Sistem dirancang dalam bentuk aplikasi berbasis website agar memudahkan pengguna dalam menginput data dan memperoleh hasil prediksi secara real-time. Hasil dari implementasi menunjukkan bahwa model regresi mampu memberikan prediksi yang cukup akurat dengan nilai koefisien determinasi (R²) yang tinggi. Dengan adanya sistem ini, diharapkan CV. Surya Kencana Sembako dapat meningkatkan efisiensi dalam pengelolaan stok dan strategi penjualannya.
Co-Authors ILHAM Rifqi Yafik Siti Khairun Nisa