Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer
Andresangsya, Agastya
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Sistem Deteksi Moulting Lobster Air Tawar Menggunakan Teknologi IoT Andresangsya, Agastya; Indriati, Rini; Muzaki, Muhammad Najibulloh
JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Vol. 3 No. 2 (2025): Juni 2025
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/jsitik.v3i2.708

Abstract

Latar Belakang: Budidaya lobster air tawar memerlukan perhatian khusus terhadap proses moulting, karena pada fase ini sangat menentukan pertumbuhan dan kelangsungan hidup lobster. Proses pemantauan molting secara manual sering kali menyulitkan pembudidaya karena memerlukan waktu, ketelitian, dan tenaga yang cukup besar. Oleh karena itu, urgensi dalam pengembangan sistem ini sangat penting untuk membantu efisiensi deteksi moulting lobster air tawar. Tujuan: tujuan penelitian ini adalah untuk merancang dan mengimplementasikan sistem deteksi moulting lobster air tawar berbasis Internet of Things (IoT) dengan memanfaatkan mikrokontroler ESP32. Metode: metode yang digunakan dalam penelitian ini adalah metode waterfall, yang meliputi identifikasi kebutuhan, perancangan sistem, pengujian sistem, dan implementasi. Hasil: hasil dari penelitian menunjukkan bahwa sistem mampu mengidentifikasi kondisi moulting berdasarkan variasi warna RGB pada foto lobster. Sistem ini juga mendukung pengunggahan gambar dari berbagai perangkat seperti laptop dan smartphone, meskipun masih terbatas pada jaringan lokal. Kesimpulan: Dengan pendekatan sederhanan dan penerapan teknologi IoT, sistem ini dapat menjadi solusi yang efisien dan terjangakau untuk membantu pembudidaya dalam memantau kondisi lobster secara praktis.
Implementasi Regresi Linier untuk Prediksi Harga Saham Tesla Andresangsya, Agastya; Mufid, Muhammad Fauzan Aditiya; Utomo, Alief Cahyo; Darmawan, Yudhi
JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Vol. 4 No. 1 (2025): Desember 2025
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/jsitik.v4i1.714

Abstract

Latar Belakang: Prediksi harga saham merupakan bidang penting dalam analisis keuangan modern karena membantu investor dalam mengambil keputusan. Meskipun telah banyak dikembangkan model kompleks berbasis kecerdasan buatan, regresi linier tetap menjadi metode statistik yang sederhana, cepat, dan cukup efektif untuk menangkap pola dasar pergerakan harga saham. Tujuan: Penelitian ini bertujuan untuk memprediksi harga penutupan saham Tesla Inc. (TSLA) dengan menggunakan metode regresi linier berdasarkan harga penutupan pada hari sebelumnya. Metode: Penelitian ini menggunakan pendekatan kuantitatif dengan data historis harga saham TSLA dari Yahoo Finance (periode Juni 2010–Desember 2023). Proses analisis mencakup pra-pemrosesan data, pembuatan fitur baru, pemodelan dengan Scikit-Learn, dan evaluasi model menggunakan metrik RMSE, R², dan MAPE. Hasil: Model regresi linier menghasilkan nilai RMSE sebesar 9,28, R² sebesar 0,9741, dan MAPE sebesar 2,6%. Hasil ini menunjukkan bahwa model mampu menangkap tren umum harga saham secara cukup akurat. Kesimpulan: Regresi linier terbukti menjadi baseline yang baik dalam prediksi harga saham meskipun memiliki keterbatasan dalam menangkap pola non-linier. Penelitian selanjutnya dapat mengeksplorasi model yang lebih kompleks.
Co-Authors Darmawan, Yudhi Mufid, Muhammad Fauzan Aditiya Muhammad Najibulloh Muzaki Rini Indriati Utomo, Alief Cahyo