cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Soffa Zahara
Contact Email
soffa.zahara@unim.ac.id
Phone
+6285748431029
Journal Mail Official
submit@unim.ac.id
Editorial Address
Teknik Informatika Fakultas Teknik Universitas Islam Majapahit. Gedung Dwipa Mandala Lt. 1. Jl. Raya Jabon km 0,7 Mojoanyar Mojokerto Jawa Timur Indonesia 61364
Location
Kab. mojokerto,
Jawa timur
INDONESIA
Submit : Jurnal Ilmiah Teknologi Informasi dan Sains
Published by Universitas Islam Majapahit
ISSN : -     EISSN : 27986861     DOI : https://doi.org/10.36815/submit.v3i2.3009
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering
Jurnal SUBMIT bertujuan untuk mempublikasikan artikel berkualitas yang didedikasikan untuk semua aspek perkembangan terbaru yang beredar di bidang teknik informatika, sistem informasi, sistem komputer, dan ilmu komputer. Ruang lingkup meliputi aplikasi Teknologi Informasi, Perkembangan Teknologi Jaringan, Keamanan Komputer, Terapan Ilmu Komputer, Kecerdasan Buatan, Internet of Things, Data Mining,Teknologi Wireless, dll. Selain itu juga meningkatkan kemampuan dosen dan mahasiswa dalam bidang penelitian sebagai wujud dari kewajiban tridarma perguruan tinggi. Selain itu, dapat mendorong peningkatan publikasi sebagai wujud dari luaran hasil penelitian.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 5 Documents
 1 
Search results for , issue "Vol. 4 No. 2 (2024): Desember 2024" : 5 Documents clear
Prediksi Saham BBNI dan BBRI Menggunakan LSTM (Long Short Term Memory) Prastya, Yudha; Zahara, Soffa
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 4 No. 2 (2024): Desember 2024
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v4i2.3332

Abstract

Salah satu opsi yang banyak diminati investor adalah saham-saham di sektor perbankan. Pergerakan harga saham berubah dengan cepat. Oleh karena itu, perlu dilakukan prediksi harga saham untuk meminimalkan risiko kerugian. Tujuan dari penelitian ini adalah untuk menguji kinerja, model long short-term memory (LSTM) dalam memprediksi harga saham di sektor perbankan. Data yang digunakan adalah data harian penutupan harga saham sektor perbankan pada tanggal 16 April 2001 sampai dengan tanggal 30 September 2022. Tahap eksplorasi meliputi (1) input data untuk memperoleh data harga saham penutupan, dan (2) preprocessing data untuk memeriksa nilai data yang hilang. (3) Pembagian data, yaitu data dibagi menjadi data latih dan data uji dengan perbandingan 80:×20. (4) normalisasi data, yaitu mengubah data ke skala yang sama; (5) Rekonstruksi data untuk mengubah data ke dalam format urutan. (6) Melatih model yang terdiri dari dua lapisan LSTM dan satu lapisan menggunakan data pelatihan. (7) Uji model pada data uji menggunakan MAE dan evaluasi hasil prediksinya. Hasil penelitian menunjukkan bahwa Nilai uji MAE BBNI sebesar 0,014984, dan BBRI dengan Nilai uji MAE sebesar 0,014066.
Perbandingan Prediksi Saham BTPN Dengan BBRI Menggunakan LSTM(Long Short Term-Memory) Handika, Bayu Dwi; Sugianto, Sugianto
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 4 No. 2 (2024): Desember 2024
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v4i2.3360

Abstract

Salah satu opsi yang banyak diminati investor adalah saham perbankan. Rephrase.Pergerakan harga saham berubah dengan cepat. Oleh karena itu, perlu dilakukan prediksi harga saham untuk meminimalkan risiko kerugian. Tujuan dari penelitian ini adalah untuk menguji kinerja model memori jangka pendek panjang (LSTMs) dalam memprediksi harga saham di sektor perbankan. Data yang digunakan adalah data harga penutupan harian perbankan pada tanggal 16 April 2001 sampai dengan tanggal 30 September 2022. Tahap eksplorasi meliputi (1) entri data untuk memperoleh data harga penutupan dan (2) praproses data untuk mencari nilai data yang hilang. (3) Pemisahan data yaitu pemisahan data menjadi data latih dan data uji dengan perbandingan 80:×20.(4) Normalisasi data.Artinya, mengubah data ke skala yang sama. (5) Rekonstruksi data untuk mengubah data ke dalam format array. (6) Gunakan data pelatihan untuk melatih model yang terdiri dari dua lapisan LSTM dan satu lapisan. (7) Uji model pada data uji menggunakan MAE dan evaluasi hasil prediksinya. Berdasarkan hasil penelitian, nilai uji MAE BTPN sebesar 0,014443 dan nilai uji MAE BBRI sebesar 0,014066.
Analisis Prediksi Kenaikan Harga Daging Sapi Dan Daging Ayam Di Bandung Nordiansah, Yossi; Sukmaningtyas, Yanuarini Nur
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 4 No. 2 (2024): Desember 2024
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v4i2.3362

Abstract

Penelitian ini meneliti perbandingan harga daging ayam dan daging sapi di Indonesia dalam rentang waktu 2017 hingga 2021. Data yang diperoleh dari repositori GitHub dianalisis menggunakan metode Least Trimmed Squares (LTS) untuk mengatasi pengaruh outlier dan memastikan hasil yang lebih robust. Analisis menunjukkan bahwa harga daging sapi secara konsisten lebih tinggi daripada harga daging ayam. Selain itu, harga daging sapi juga menunjukkan stabilitas yang lebih tinggi dengan fluktuasi yang lebih rendah dibandingkan dengan harga daging ayam yang cenderung lebih bergejolak. Proses analisis dilakukan dengan menggunakan bahasa pemrograman Python, yang mempermudah pemrosesan data dan penerapan metode LTS. Temuan ini memiliki implikasi penting bagi berbagai pemangku kepentingan dalam rantai pasokan daging, seperti produsen, distributor, dan konsumen, dalam hal perencanaan dan pengambilan keputusan yang lebih baik. Berdasarkan hasil pengujian nilai MAE untuk rediksi untuk daging sapi yaitu 1120.99 lebih akurat dibandingkan dengan prediksi untuk daging ayam dengan nilai MAE 2216.88.
Rancang Bangun Pendataan Rak Barang Warehouse di PT Integra Indocabinet Berbasis Web Menggunakan PHP MYSQL Widanarko, Bayu; Kurniati, Neny; Editya, Arda Surya
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 4 No. 2 (2024): Desember 2024
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v4i2.3631

Abstract

Pada gudang material PT INTEGRA INDOCABINET proses pencarian tata letak barang belum terorganisir dengan baik, dimana para operator maupun admin masih melakukan proses pencarian secara manual, yaitu admin dan operator akan mendatangi satu demi satu rak barang untuk mencari dimana letak barang yang diinginkan. Proses seperti ini dapat mempersulit dan memperlambat operator dan admin dalam proses pencarian barang, sehingga penulis membangun sebuah Sitem Pencarian Tata Letak Barang Berbasis web yang lebih optimal dan terorganisir dengan baik. Untuk memudahkan para operator dalam mencari letak barang yang diinginkan dan mengurangi masalah yang terjadi dalam proses pencarian barang serta membantu proses kerja para admin dengan lebih efisien. Sistem pencarian tata letak barang ini sudah berbasis web , sehingga memudahkan para untuk mencari barang yang diinginkan. Langkah-langkah yang digunakan dalam penelitian ini adalah analisis kebutuhan, perancangan sistem dan pengujian sistem. Perancangan sistem ini dirancang dengan menggunakan diagram terstruktur yaitu dengan Diagram Konteks, Use Case Diagram, Activity Diagram, Squence Diagram, Entity Relationship Diagram.
Prediksi Harga Coin Cryptocurrency BNB Menggunakan Metode Auto Regressive Integrated Moving Average Firmansyah, Achmad Faisal Eka
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 4 No. 2 (2024): Desember 2024
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v4i2.3337

Abstract

Binance Coin (BNB) merupakan mata uang kripto yang saat ini banyakdiminati sebagai alternatif investasi. Metode ARIMA merupakan salah satu metode yang digunakan untuk memprediksi data time series. Tujuan dari penelitian ini adalah untuk memprediksi harga Binance Coin (BNB) dengan menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Data harga BNB harian diambil dari November 2017 hingga Agustus 2022.Data yang digunakan adalah data harga BNB 6 tahun terakhir.Melalui analisis data deret waktu, model ARIMA yang sesuai diidentifikasi, diestimasi, dan divalidasi.Untuk memastikan data yang digunakan stasioner, dilakukan analisis stasioneritas dengan menggunakan uji Augmented Dickey-Fuller (ADF).Jika data tidak stasioner, dilakukan proses pembedaan hingga data menjadi stasioner.Plot fungsi autokorelasi (ACF) dan fungsi autokorelasi parsial (PACF) digunakan untuk mengidentifikasi parameter ARIMA yang optimal.Selanjutnya model ARIMA dibangun dan diestimasi berdasarkan parameter yang ditentukan.Proses ini mencakup pemodelan tren, musiman, dan komponen sisa data harga BNB.Setelah model ARIMA diestimasi, prediksi harga BNB dibuat untuk periode mendatang.Hasil prediksi dievaluasi dengan membandingkan nilai prediksi dengan data aktual menggunakan metrik seperti mean absolute error (MAE), root mean square error (RMSE), dan mean absolute perception error (MAPE).Hasil penelitian menunjukkan bahwa model ARIMA mampu memberikan prediksi harga BNB dengan tingkat akurasi yang tinggi.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2025): Desember 2025 Vol. 5 No. 1 (2025): Juni 2025 Vol. 4 No. 2 (2024): Desember 2024 Vol. 4 No. 1 (2024): Juni 2024 Vol. 3 No. 2 (2023): Desember 2023 Vol. 3 No. 1 (2023): Juni 2023 Vol. 2 No. 2 (2022): Desember 2022 Vol. 2 No. 1 (2022): Juni 2022 Vol. 1 No. 2 (2021): Desember 2021 Vol. 1 No. 1 (2021): Juni 2021