Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Penamas Adi Buana International Journal Of Computer, Network Security and Information System (IJCONSIST) Journal of Data Science Theory and Application
Laqma Dica Fitrani
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Stock Price Prediction Using Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) Methods Riza Akhsani Setyo Prayoga; Ariansyah, Fery Almas; Daffa, Muhammad Falikhuddin; Laqma Dica Fitrani; Masti Fatchiyah Maharani; Angga Lisdiyanto; Angkawidjaja , Steven
IJCONSIST JOURNALS Vol 7 No 1 (2025): September
Publisher : International Journal of Computer, Network Security and Information System

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijconsist.v7i1.158

Abstract

This research aims to improve the accuracy of stock price prediction through the application of Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) methods, focusing on stocks from the Composite Stock Price Index (CSPI) referred to as the IDX Composite. The research process includes comprehensive steps, including data collection and preprocessing, dataset creation with emphasis on stock closing prices, and division of the dataset into training and test data. The LSTM and GRU models were designed with a recurrent layer and a Dense layer and then trained for 100 epochs with a batch size of 32. Model evaluation was performed by comparing key metrics such as Root Mean Squared Error (RMSE), Mean Squared Error (MSE), and Mean Absolute Error (MAE) on the test set. The EPOCH-RMSE graph provides an overview of the changes in the RMSE value during training. The best result of the LSTM model was achieved at the 96th epoch with RMSE 40.36, MSE 1385.97, and MAE 30.09, while GRU achieved peak performance at the 92nd epoch with RMSE 37.33, MSE 908.29, and MAE 25.42. In conclusion, GRU can be considered as a more effective option in predicting JCI stock prices based on performance evaluation using various metrics such as RMSE, MSE, and MAE.
DIGITALISASI BANK SAMPAH MEDOKAN AYU UTARA SISTEM INFORMASI E-GREEN BERBASIS AI DAN GAMIFIKASI UNTUK MENINGKATKAN EFISIENSI PENGELOLAAN SAMPAH Yutanto, Hariadi; Laqma Dica Fitrani; Suprianto, Gaguk; Mohammad Zakariya Alif R; Muhammad Khairul Ikhwan; M. Nafiurohman
Jurnal Penamas Adi Buana Vol 9 No 02 (2026): Jurnal Penamas Adi Buana
Publisher : LPPM Universitas PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/penamas.vol9.no02.a10877

Abstract

Permasalahan pengelolaan sampah di tingkat rumah tangga masih menjadi tantangan serius di wilayah perkotaan, termasuk di Kelurahan Medokan Ayu, Surabaya. Bank Sampah Cinta Medokan Utara (BSCMU) menghadapi kendala dalam sistem pencatatan manual yang kurang efisien serta rendahnya partisipasi warga. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan efisiensi dan transparansi pengelolaan sampah melalui penerapan sistem informasi e-Green berbasis kecerdasan buatan (AI) dan gamifikasi. Metode pelaksanaan mencakup survei awal, sosialisasi, pelatihan pencatatan digital, implementasi sistem, dan pendampingan lapangan. Hasil kegiatan menunjukkan peningkatan literasi digital peserta sebesar lebih dari 80% setelah pelatihan, serta meningkatnya akurasi data dan transparansi keuangan bank sampah. Penerapan fitur leaderboard dan poin reward pada sistem gamifikasi terbukti mampu meningkatkan motivasi warga dalam menabung sampah. Kegiatan ini berhasil mendorong kemandirian pengurus dan memperkuat kelembagaan bank sampah, sekaligus mendukung terwujudnya pengelolaan sampah berkelanjutan berbasis masyarakat.
DIGITALISASI SISTEM RAPOR ASRAMA MAHASISWA NUSANTARA (AMN) SURABAYA SEBAGAI UPAYA PENINGKATAN PROGRAM PEMBINAAN DAN PENGASUHAN Kartika, Dhian Satria Yudha Kartika; Nur Cahyo Wibowo; Iswanda Fauzan Satibi; Laqma Dica Fitrani
Jurnal Penamas Adi Buana Vol 9 No 02 (2026): Jurnal Penamas Adi Buana
Publisher : LPPM Universitas PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/penamas.vol9.no02.a10887

Abstract

Kegiatan pengabdian kepada masyarakat ini dilaksanakan di Asrama Mahasiswa Nusantara (AMN) Surabaya dengan tujuan mengembangkan dan mengimplementasikan Sistem Rapor Pembinaan Berbasis Web sebagai media pemantauan dan evaluasi perkembangan mahasiswa. Permasalahan yang dihadapi mitra adalah proses pembinaan yang masih dilakukan secara manual dan belum terintegrasi antara data akademik dan non-akademik. Metode kegiatan meliputi survei pendahuluan, penyusunan program, pengembangan sistem, sosialisasi dan pelatihan, pendampingan, serta evaluasi. Sistem dikembangkan menggunakan pendekatan user-centered design agar mudah digunakan oleh pengelola dan mahasiswa. Hasil kegiatan menunjukkan peningkatan signifikan terhadap kemampuan pengguna dalam mengoperasikan sistem, di mana 80% peserta memahami fungsi sistem dan 75% mahasiswa aktif menggunakannya. Nilai rata-rata pre-test meningkat dari kisaran 50–60 menjadi 80–90 pada post-test, yang menandakan peningkatan literasi digital dan efektivitas pembinaan. Implementasi sistem ini terbukti meningkatkan efisiensi, transparansi, serta kualitas proses pembinaan mahasiswa di AMN, sekaligus mendukung pencapaian IKU dan SDGs pada bidang pendidikan berkualitas serta penguatan kapasitas sumber daya manusia.
PERBANDINGAN LSTM DAN PROPHET DALAM PREDIKSI TREN BAJU LEBARAN 2026 BERBASIS GOOGLE TRENDS Maharani, Masti Fatchiyah; Laqma Dica Fitrani; Yerezqy Bagus; Dina Zatusiva Haq
Journal of Data Science Theory and Application Vol. 5 No. 1 (2026): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/tgeq5784

Abstract

Tren busana Lebaran di Indonesia menunjukkan pola musiman yang kuat dan berulang setiap tahun, sehingga prediksi yang akurat menjadi penting bagi perencanaan produksi dan strategi bisnis industri fesyen. Penelitian ini bertujuan membandingkan kinerja metode Prophet dan Long Short-Term Memory (LSTM) dalam memprediksi tren busana Lebaran tahun 2026 menggunakan data Google Trends periode 2018–2025. Model dilatih menggunakan data hingga Desember 2024 dan dievaluasi pada periode pengujian tahun 2025 menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa LSTM memiliki akurasi numerik yang lebih baik, sedangkan Prophet lebih konsisten dalam menangkap pola musiman tahunan. Temuan ini menunjukkan bahwa pemilihan metode prediksi perlu disesuaikan dengan tujuan analisis. Penelitian ini berkontribusi dalam mendukung pengambilan keputusan berbasis data pada industri fesyen serta selaras dengan Sustainable Development Goals (SDGs) 8 terkait pertumbuhan ekonomi yang inklusif dan berkelanjutan.
Co-Authors Angga Lisdiyanto Angkawidjaja , Steven Ariansyah, Fery Almas Daffa, Muhammad Falikhuddin Dina Zatusiva Haq Hariadi Yutanto Kartika, Dhian Satria Yudha Kartika M. Nafiurohman Maharani, Masti Fatchiyah Masti Fatchiyah Maharani Mohammad Zakariya Alif R Muhammad Khairul Ikhwan Riza Akhsani Setyo Prayoga Satibi, Iswanda Fauzan Suprianto, Gaguk Wibowo, Nur Cahyo Yerezqy Bagus