Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perbandingan Efektivitas Sistem Informasi Manajemen (SIM) Manual dan Berbasis Komputer Palaka, Muhammad Mabi; Ramadhan, Muhammad Rizky; Ramadhan, Nabil Gilang; Ramadhani, Dhemes Ichsan; Wijoyo, Agung
Jurnal Riset Informatika dan Inovasi Vol 3 No 7 (2025): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jurnal ini mengevaluasi efektivitas Sistem Informasi Manajemen (SIM/SIM) manual dan berbasis komputer. Dengan menggunakan metodologi kualitatif berbasis literatur, penelitian ini mensintesis studi empiris dan tinjauan terkini yang dilakukan antara tahun 2020 dan 2025, sekaligus menerapkan teori efektivitas organisasi bersama Model Keberhasilan Sistem Informasi DeLone & McLean untuk menilai kinerja di berbagai dimensi: ketepatan waktu, akurasi, efisiensi biaya, keamanan, aksesibilitas, dan kepuasan pengguna. Temuan menunjukkan bahwa SIM berbasis komputer umumnya melampaui sistem manual dalam hal kecepatan, kualitas informasi, skalabilitas, dan dukungan pengambilan keputusan; meskipun demikian, manfaat aktualnya sangat dipengaruhi oleh faktor manusia seperti pelatihan dan manajemen perubahan, serta kesiapan infrastruktur dan kualitas data. Studi ini menawarkan rekomendasi praktis dan panduan yang peka terhadap konteks untuk proses adopsi bertahap.
Prediksi Harga Emas Harian Menggunakan Random Forest Regressor Berbasis Indikator Teknikal Palaka, Muhammad Mabi; Saputro, Bagus; Baihaqi, Muhammad Alit; Rosyani, Perani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pergerakan harga emas harian bersifat fluktuatif dan dipengaruhi oleh berbagai faktor ekonomi global, sehingga diperlukan metode prediksi yang akurat untuk membantu pengambilan keputusan investasi. Penelitian sebelumnya banyak menggunakan pendekatan deep learning seperti Long Short-Term Memory (LSTM) dalam memprediksi harga emas berbasis data time series. Meskipun memberikan hasil yang cukup baik, model LSTM memiliki kompleksitas tinggi dan membutuhkan sumber daya komputasi yang besar. Oleh karena itu, penelitian ini mengusulkan penggunaan Random Forest Regressor sebagai alternatif metode prediksi yang lebih sederhana dan mudah diinterpretasikan. Dataset yang digunakan merupakan data harga emas harian periode 2013–2023 dengan total 2.583 data. Tahapan penelitian meliputi preprocessing data, feature engineering menggunakan indikator teknikal seperti Simple Moving Average (SMA), Exponential Moving Average (EMA), Relative Strength Index (RSI), dan Moving Average Convergence Divergence (MACD), serta pemodelan menggunakan Random Forest Regressor. Evaluasi model dilakukan menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model Random Forest Regressor yang dimodifikasi mampu mencapai nilai MAPE sebesar 0,0034 dengan tingkat akurasi sebesar 0,9965. Nilai ini lebih tinggi dibandingkan model LSTM pada penelitian sebelumnya yang memperoleh akurasi sebesar 0,9674. Dengan demikian, Random Forest Regressor terbukti efektif sebagai metode prediksi harga emas harian berbasis indikator teknikal.