cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rochmat Aldy Purnomo
Contact Email
purnomo@umpo.ac.id
Phone
-
Journal Mail Official
komputek@umpo.ac.id
Editorial Address
-
Location
Kab. ponorogo,
Jawa timur
INDONESIA
KOMPUTEK
Published by Universitas Muhammadiyah Ponorogo
ISSN : 26140985     EISSN : 26140977     DOI : -
Core Subject : Science, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering
Jurnal Mahasiswa Teknik (Mesin, Elektro dan Informatika) Universitas Muhammadiyah Ponorogo ISSN : 2614-0985 (media cetak) ISSN : 2614-0977 (media online)
Arjuna Subject : -
Articles 203 Documents
 17   18   19   20   21 
Prediksi Harga Saham Netflix Inc. (NFLX) di Nasdaq menggunakan Algoritma Machine Learning berbasis Data Mining Bismi, Waeisul; Siregar, Aris Parnius; Qomaruddin, Muhammmad
KOMPUTEK Vol. 9 No. 2 (2025): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v9i2.3452

Abstract

Pergerakan harga saham yang fluktuatif membuat prediksi harga saham menjadi aspek penting dalam pengambilan keputusan investasi. Netflix Inc. (NFLX), sebagai salah satu emiten teknologi terkemuka yang terdaftar di NASDAQ, menunjukkan pola pergerakan harga saham yang dinamis dan dipengaruhi oleh berbagai faktor internal dan eksternal. Penelitian ini bertujuan untuk menerapkan algoritma machine learning berbasis data mining dalam memprediksi harga saham Netflix Inc., dengan menggunakan perangkat lunak Orange Data Mining yang bersifat visual dan mendukung berbagai metode klasifikasi. Metode penelitian terdiri dari lima tahapan utama, yaitu: pengumpulan data, pra-pemrosesan data, implementasi model, pengujian model, dan evaluasi kinerja. Dataset yang digunakan diperoleh dari Investing.com dalam periode Januari 2022 hingga Desember 2023, dengan total 501 data harian yang mencakup fitur seperti harga pembukaan, harga penutupan, harga tertinggi, harga terendah, dan volume transaksi. Algoritma klasifikasi yang digunakan meliputi Support Vector Machine (SVM), Neural Network, dan Naive Bayes. Data dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil pengujian menunjukkan bahwa algoritma Neural Network memberikan performa terbaik dengan nilai AUC sebesar 0,937, akurasi (CA) 88%, dan nilai MCC sebesar 0,759. Algoritma SVM menghasilkan akurasi 84,3% dan MCC 0,690, sedangkan Naive Bayes memiliki akurasi 83% dengan MCC 0,660. Evaluasi menggunakan confusion matrix memperlihatkan bahwa model mampu mengenali pola klasifikasi naik atau turun dengan tingkat kesalahan yang minim. Dengan demikian, penerapan algoritma machine learning pada data mining terbukti efektif dalam melakukan prediksi harga saham, dan dapat digunakan sebagai acuan dalam pengambilan keputusan investasi di pasar modal berbasis data historis.
Implementasi Kriptografi AES pada Sistem Enkripsi Gambar berbasis Web dengan Kunci Ephemeral yang dihasilkan API Machfudz, Emir Syarif; Suhardi
KOMPUTEK Vol. 9 No. 2 (2025): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v9i2.3469

Abstract

This study implements the Advanced Encryption Standard (AES) algorithm in a web-based image encryption system utilizing an ephemeral key generated by an API. The research is motivated by the increasing threats to digital data security, such as identity theft and information manipulation, as well as the weaknesses of static key usage in AES encryption. The developed system consists of a client-side web application and a RESTful API server. The client side, built with HTML, CSS, and JavaScript, receives image input, requests the API for a key, and performs AES-256 encryption in Cipher Block Chaining (CBC) mode with a unique Initialization Vector (IV). The server side generates a random 256-bit key, stores it temporarily for approximately 30 seconds, and sends the key ID to the client. Testing was conducted on images sized 50 KB, 200 KB, and 1000 KB to measure encryption time. The results show that encryption time increases linearly with image size, with minimal overhead that does not affect performance. The ephemeral key approach enhances security by limiting the opportunity for unauthorized access to the key, while client-side encryption ensures that raw image data is never transmitted to the server. These findings demonstrate that implementing AES with ephemeral keys effectively improves the security of web-based image encryption.
Sistem Pendukung Keputusan Pemilihan Supplier Frozen Food Menggunakan Metode Topsis (Studi Kasus: UD. MHA Frozen Food) Surojuddin, Eko; Sholihin, Miftahus; Setia Budi, Agus
KOMPUTEK Vol. 9 No. 2 (2025): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v9i2.3473

Abstract

MHA Frozen Food adalah perusahaan yang berfokus pada distribusi produk makanan beku, sehingga pemilihan pemasok yang tepat menjadi faktor krusial untuk menjaga mutu, ketersediaan, dan keberlangsungan bisnis. Penelitian ini bertujuan mengembangkan sistem pendukung keputusan dalam pemilihan supplier dengan menerapkan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) berdasarkan empat kriteria utama, yakni Harga (35), Kualitas (30), Pengiriman (20), dan Layanan (15). Data dari beberapa alternatif pemasok diolah melalui tahapan metode TOPSIS, mulai dari penyusunan matriks keputusan yang dinormalisasi, pembobotan, hingga perhitungan kedekatan terhadap solusi ideal positif dan negatif untuk memperoleh nilai preferensi akhir. Hasil analisis menunjukkan bahwa pemasok dengan peringkat tertinggi adalah FIESTA (A7) dengan skor 0,7407, kemudian CHAMP (A2) dengan nilai 0,6653, serta KIMBO (A5) dengan 0,5994, sementara SO GOOD (A6) berada di posisi terakhir dengan skor 0,1099. Temuan ini menegaskan bahwa penerapan TOPSIS mampu memberikan hasil yang efektif, objektif, dan transparan sebagai dasar perusahaan dalam menentukan supplier paling sesuai dengan kebutuhannya. Kata Kunci : Supplier, Frozen Food, TOPSIS, Pengambilan Keputusan

Page 21 of 21 | Total Record : 203

 17   18   19   20   21 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 2 (2025): Oktober Vol. 9 No. 1 (2025): April Vol. 8 No. 2 (2024): Oktober Vol 8, No 2 (2024): Oktober Vol 8, No 1 (2024): April Vol. 8 No. 1 (2024): April Vol 7, No 2 (2023): Oktober Vol. 7 No. 2 (2023): Oktober Vol. 7 No. 1 (2023): April Vol 7, No 1 (2023): April Vol 6, No 2 (2022): Oktober Vol 6, No 1 (2022): April Vol. 5 No. 2 (2021): Oktober Vol 5, No 2 (2021): Oktober Vol 5, No 1 (2021): April Vol 4, No 2 (2020): Oktober Vol 4, No 1 (2020): April Vol 3, No 2 (2019): Oktober Vol 3, No 1 (2019): April Vol 3, No 1 (2019): April Vol 2, No 2 (2018): Oktober Vol 2, No 1 (2018): April Vol 1, No 1 (2017): Oktober More Issue