cover
Contact Name
Fifi Syafrina
Contact Email
jcbd@delitekno.co.id
Phone
+6287869230953
Journal Mail Official
jcbd@delitekno.co.id
Editorial Address
Jl. Lapangan Bola Gg Rosela No.3, Dalu XB, Tanjung Morawa, Kab. Deli Serdang, Prov. Sumatera Utara, Indonesia 20362
Location
Kab. deli serdang,
Sumatera utara
INDONESIA
Journal of Computers and Digital Business
ISSN : -     EISSN : 28303121     DOI : 10.56427
Core Subject : Science,
Journal of Computers and Digital Business is an interdisciplinary and open access journal covering Computers and Digital Business. The Journal of Computers and Digital Business is open to submission from experts and scholars in the wide areas of Information System, Security, Artificial Intelligent , Cloud Computing, Machine Learning, Digital Business Technology and other areas listed in the focus and scope of this journal. Focus and Scope Information System Information Security Information Retrieval Geographic Information System Fuzzy Logics Genetic Algorithms Neural Networks Machine Learning Decision Support System Data Mining Cloud Computing E-Learning E-Goverment E-Commerce E-Business Digital Business Management Digital Business Technology Digital Business Analysis & Design Big Data & Business Intelligence Cyber Security for Digital Business
Articles 6 Documents
Search results for , issue "Vol. 3 No. 2 (2024)" : 6 Documents clear
Sistem Rekomendasi Pemilihan Stok Motor Bekas Pada CV. Bandar Sri Rezeki Menggunakan Metode Simple Additive Weighting Rezki Fauzi Firmansyah; Wardana, Aji
Journal of Computers and Digital Business Vol. 3 No. 2 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i2.396

Abstract

Sepeda motor merupakan sebuah kendaraan yang sangat penting digunakan bagi semua orang khususnya di indonesia. Maka dari itu perusahaan CV. Bandar Sri Rezeky menyediakan penjualan sepeda motor bekas di perusahaannya. Penelitian in bertujuan untuk menilai dan merekomendasikan sepeda motor yang bagus dan laris dipasaran untuk dijual kembali oleh perusahaan. Pada penelitian ini Menggunakan sistem pendukung keputusan (SPK) dengan menggunakan metode SAW sebagai sistem proses pemilihan alternatif terbaiknya. Dalam penelitian ini, penelitian dilakukan dengan menggunakan metode Kulitatif yang berupa pengumpulan data dari narasumber, pengumpulan data dari narasumber langsung melalui wawancara atau tanya jawab secara langsung. Kriteria yang digunakan dalam pemilihan rekomendasi motor bekas ini adalah kualitas, peminat dan tahun produksi. Kemudian data tersebut diinput kedalam sistem untuk melakukan perhitungan dengan menghitung nilai bobotnya. Maka didapatkan hasil yakni sepeda motor Yamaha Nmax 155 menjadi ranking tertinggi dengan preferensi nilai sebesar 83,0005. Dengan ini diketahui sistem dapat membantu dalam merekomendasikan sepeda motor bekas terbaik untuk dijual di perusahaan tersebut.
Sistem Informasi Stok Dan Penjualan Kopi Gayo Pada Toko Success Coffee Gayo Menggunakan Metode Forecasting Adzandyma Al Aziz; Oky Raja Khairuddin Nasution; Pria Mitra Purba
Journal of Computers and Digital Business Vol. 3 No. 2 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i2.397

Abstract

Usaha Mikro Kecil Menengah (UMKM) penjual kopi Gayo di Aceh saat ini menghadapi kendala dalam pengelolaan stok dan penjualan produk secara efisien. Penelitian ini bertujuan merancang dan mengembangkan sistem informasi stok penjualan kopi Gayo berbasis web untuk membantu UMKM mengelola stok dan memasarkan produk secara online. Metodologi yang digunakan adalah pendekatan kuantitatif dengan pengumpulan data melalui observasi lapangan. Perancangan sistem dilakukan dengan diagram UML dan metode forecasting permintaan rata-rata bergerak 3 periode diimplementasikan untuk pengelolaan stok yang optimal. Sistem dibangun dalam bentuk website dengan fitur katalog produk dan antarmuka pengelolaan stok bagi supplier. Validasi dan pengujian sistem dilakukan dengan data kuantitatif, hasil menunjukkan waktu respon sistem cepat, dapat melayani banyak pengguna secara bersamaan, kapasitas database memadai, tingkat keakuratan forecasting 87%, hanya 15 bug ditemukan, keberhasilan proses kritis 98%, serta performa baik dalam menampilkan 100 data stok/produk, sehingga kinerja, kapasitas, keandalan, dan fungsionalitas sistem terbukti baik sesuai persyaratan yang dibutuhkan.
Data Mining Analisis Kecendrungan Minat Pembeli Menggunakan Algoritma Apriori Pada Outlet Mao Mao Thai Tea Rizki Nur Saadah Lingga; Nita Maharani Harahap
Journal of Computers and Digital Business Vol. 3 No. 2 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i2.398

Abstract

Outlet Mao Mao Thai Tea Tuntungan II menghadapi tantangan dalam memahami pola pembelian dan minat konsumen untuk merancang strategi pemasaran yang efektif. Penelitian ini bertujuan mengidentifikasi pola pembelian dan menganalisis kecenderungan minat pembeli dengan menggunakan algoritma apriori, dimana data transaksi penjualan selama 6 bulan dikumpulkan dan diolah menggunakan teknik data mining algoritma apriori. Hasil penelitian menunjukkan produk Tiramisu merupakan minuman paling diminati konsumen dengan aturan asosiasi tertinggi "Jika membeli Thai Tea, maka akan membeli Tiramisu" (support 91,72%, confidence 100%), serta produk lain yang banyak diminati adalah Thai Tea, Coffe Milk, Cappucino, Green Tea, dan Vanilla Latte, temuan ini memberikan wawasan berharga tentang pola pembelian konsumen yang dapat dimanfaatkan untuk merancang strategi pemasaran, penawaran produk, pengelolaan persediaan, dan pengaturan tata letak produk secara lebih efektif guna meningkatkan penjualan dan memaksimalkan keuntungan bagi Outlet Mao Mao Thai Tea Tuntungan II.
Design Algorithmic Trading Strategies with Expert Advisor Using Linear Weighted Moving Average (LWMA) and Stochastic Oscillator Technical Indicators Zulkifli, Zarith Sofia; Nurnadiah Zamri; Hairuddin Mohammad; Rashidi Arash Abdul Rashid Al-Saadi
Journal of Computers and Digital Business Vol. 3 No. 2 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i2.404

Abstract

Earlier this decade, the financial sector saw a paradigm change, with automated trading (AT) systems gaining popularity as essential tools for traders and investors. This research explores deeply the design and implementation of Expert Advisors (EAs) for automated financial built using a combination of the Linear Weighted Moving Average (LWMA) and Stochastic oscillator technical indicators. The EAs are built using the programming language MetaQuotes Language 4 (MLQ4) at Metatrader 4 (MT4) platform, enabling automated trade execution. It implements a machine learning genetic algorithm, trained on historical data to optimize the parameters of the LWMA and Stochastic trading rules. The core strategy relies on the LWMA to identify the overall market trend direction while the Stochastic oscillator provides additional signals for timing entry and exit points based on momentum. The EAs were coded to generate automated buy and sell signals for algorithmic trading (AT) based on a set of defined rules using thresholds for each indicators. Extensive historical backtesting using Gold (XAU/USD) currency pair across multiple timeframes from 5-minute (M5) up to 4-hour (H4) charts was conducted using 5 years of price data from 2019 to 2023 for evaluation. The goal of this study is to assess if the EAs could potentially produce consistent profits over time while minimizing drawdowns in different market conditions. The results demonstrate that the system was able to generate annual returns ranging from 3.04% up to 232.19% depending on the aggression of the timeframe settings. Meanwhile, maximum drawdowns were controlled to reasonable levels between 0.5% to 8.27% which is below 10% of potential loss throughout the backtests. An hourly timeframe configuration provided a balanced blend between strong profitability and drawdown control based on the backtest analysis. All the timeframes used for the test show positive results and the M5 timeframe is the best chosen timeframe to trade using this EAs implementation.
Penerapan Logika Fuzzy Untuk Memprediksi Tingkat Curah Hujan di Kota Kendari Muhammad Ricky Aryansah. B; Fildzah Khalishah Ghassani; Rizal Adi Saputra
Journal of Computers and Digital Business Vol. 3 No. 2 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i2.406

Abstract

Curah hujan merupakan unsur cuaca yang bervariasi di setiap wilayah Indonesia termasuk Kota Kendari, mempengaruhi berbagai aspek kehidupan manusia, sehingga informasi prediksi curah hujan sangat diperlukan. Penelitian ini bertujuan membangun aplikasi prediksi curah hujan Kota Kendari menggunakan tiga metode logika fuzzy, yaitu Mamdani, Takagi-Sugeno, dan Tsukamoto, serta membandingkan hasil prediksi ketiganya. Pembuatan aplikasi meliputi pengumpulan data, pembentukan himpunan fuzzy, pengolahan data dengan fuzzy, implementasi prediksi, dan perbandingan hasil prediksi. Data cuaca yang digunakan mencakup curah hujan, temperatur, kecepatan angin, kelembaban, dan tekanan udara. Software yang digunakan adalah Matlab2014b dengan Fuzzy Logic Toolbox. Hasil penelitian menunjukkan Metode Sugeno memiliki tingkat akurasi dan nilai Kappa terbaik, yakni 78% dan 0.57, dibandingkan Metode Mamdani dan Tsukamoto yang masing-masing 67% dan 0.34. Metode ini memberikan wawasan tentang prediksi curah hujan yang bisa diterapkan pada masalah lain. Hasil prediksi dapat digunakan untuk memprediksi banjir, meminimalisir risiko, dan dampak negatifnya. Informasi prediksi curah hujan juga bermanfaat dalam berbagai bidang seperti penerbangan, pelayaran, transportasi darat, lingkungan, dan pertanian.
Komparasi Multiple Linear Regression dan Random Forest Regression Dalam Memprediksi Anggaran Biaya Manajemen Proyek Sistem Informasi Farhanuddin; Sarah Ennola Karina Sihombing; Yahfizham
Journal of Computers and Digital Business Vol. 3 No. 2 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i2.408

Abstract

Dalam dunia bisnis yang dinamis dengan persaingan yang semakin ketat, manajemen proyek kini menjadi kunci sukses, terutama dalam pengembangan sistem informasi. Memprediksi anggaran biaya merupakan aspek penting dalam manajemen proyek, dengan mengetahui perkiraan anggaran biaya yang akurat, perusahaan dapat membuat keputusan yang lebih tepat terkait dengan alokasi sumber daya dan pengelolaan keuangan proyek. Dengan kemajuan teknologi, machine learning menjadi solusi potensial untuk meningkatkan akurasi dan efisiensi pengelolaan anggaran. Penelitian ini bertujuan untuk menemukan model machine learning yang paling akurat dalam memprediksi anggaran biaya dengan menggunakan dataset dari platform kaggle.com. Membandingkan algoritma machine learning multiple linear regression (MLR) dan random forest regression (RFR) dilakukan sebagai langkah untuk mencapai tujuan tersebut. Pendekatan deskriptif kuantitatif digunakan dengan melakukan Exploratory Data Analysis (EDA) untuk mengidentifikasi pola dalam data. Hasilnya menunjukkan bahwa model random forest regression memiliki akurasi lebih tinggi, mencapai 81,6% dibandingkan multiple linear regression. Kesimpulannya, penggunaan random forest regression lebih efektif dalam memprediksi anggaran biaya proyek sistem informasi. Ini menandakan bahwa random forest regression dapat menjadi pilihan yang lebih baik untuk menghadapi kompleksitas dan ketidakpastian dalam manajemen proyek sistem informasi.

Page 1 of 1 | Total Record : 6