LOGIC: Jurnal Penelitian Informatika
LOGIC: Jurnal Penelitian Informatika is a peer-reviewed open-access journal that publishes high-quality research in Data Science, Intelligent Systems, Software Engineering, and Information Technology. The journal aims to advance knowledge in informatics by providing a platform for researchers, academics, and professionals to share innovative ideas and findings. Published articles undergo a rigorous double-blind peer review process to ensure originality, relevance, and scientific contribution. The journal follows an open-access policy, allowing free and unrestricted access to published research.
Articles
44 Documents
<![CDATA[Prediksi Pergerakan Harga Saham Harian Menggunakan Model Differencing Vector Autoregressive dan Vector Autoregressive Moving Average (Studi Kasus Saham PT Bank Neo Commerce Tbk) ]]>
<![CDATA[Hadi Sabililhaq]]>;
<![CDATA[Indwiarti]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v2i2.8807
<![CDATA[Abstrak Perkembangan teknologi informasi telah membuka peluang baru di sektor investasi. Pembukaan rekening sahamyang mudah membantu meningkatkan minat investasi di bursa saham Indonesia. Perbankan online menawarkan prospekinvestasi yang menarik, salah satunya saham PT Bank Neo Commerce Tbk (BBYB.JK). Peramalan dilakukan untuk mengetahui prediksi harga saham tersebut. Penggunaan analisis time series bisa membantu dalam memprediksi peramalan hargasaham mendatang. Model time series yang digunakan dalam penelitian ini adalah model Vector Autoregressive (VAR) danVector Autoregressive Moving Average (VARMA), dengan melibatkan dua variabel data. Pemilihan kedua model tersebutdidasarkan pada penggunaan dua variabel, yakni harga saham dan volume saham sebagai variabel kedua. Volume perdagangan saham berfungsi sebagai indikator aktivitas saham dan memberikan wawasan tentang permintaan beli dan jualsaham. Metode differencing digunakan untuk menangani data yang tidak memiliki kestasioneran. Model dievaluasi menggunakan nilai Mean Absolute Percentage Error (MAPE) dan Mean Absolute Error (MAE). Model VAR (1) dengan rasio datatraining 90% dan testing 10% memberikan hasil paling akurat dengan nilai MAPE 2.08% dan nilai MAE 11.04. Semakinrendah nilai MAPE dan MAE mengindikasikan hasil peramalan yang lebih akurat.]]>
<![CDATA[Klasifikasi Multi-Label Ayat-Ayat Al-Qur’an Menggunakan Random Forest dan Word Centrality ]]>
<![CDATA[Rizky Aria Mu’allim]]>;
<![CDATA[Kemas Muslim Lhaksmana]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v2i2.8808
<![CDATA[Abstrak Penelitian ini memanfaatkan teknologi untuk analisis otomatis topik dalam ayat Al-Qur’an, mengembangkan cakupan analisis dengan klasifikasi ke dalam 15 kategori, termasuk satu ’tidak berlabel’. Fokus penelitian meliputi perbandinganefektivitas antara Random Forest, SVM, dan Na¨ıve Bayes dalam sistem klasifikasi topik ayat Al-Qur’an, dengan Word Centrality sebagai fitur. Tahapan pra-pemrosesan seperti tokenisasi dan penghapusan stopword diterapkan, bersama denganmetode TF-IDF dan TW-IDF. Hasil menunjukkan bahwa Random Forest mencatat skor Hamming Loss terendah dalamskenario TW-IDF, namun hasil TFIDF dalam skenario menggunakan stopword tidak lebih baik dibandingkan dengan SVM,berturut-turut adalah 0.949 dan 0.0927. Pengujian tanpa penghapusan stopword juga menunjukkan keunggulan relatif hasilhamming loss Random Forest dalam beberapa skenario. Hasil penelitian ini mengindikasikan bahwa penerapan word centrality sebagai metode ekstraksi fitur dalam klasifikasi ayat-ayat Al-Qur’an berpengaruh pada penurunan nilai HammingLoss.]]>
<![CDATA[Optimasi Portofolio Saham Menggunakan Metode Stock Network Portofolio Allocation Berbasis Return History (SNPAr) ]]>
<![CDATA[Mega Silvia Desvi]]>;
<![CDATA[Deni Saepudin]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v2i2.8809
<![CDATA[Penelitian ini fokus pada optimasi portofolio dengan menekankan pada pencapaian return tinggi dan risiko rendah. Dibandingkan dengan metode equal weight yang hanya diberikan bobot yang sama tanpa memandang ukuran atau nilai pasarsaham tersebut. Penelitian ini mengusulkan metode Stock Network Portofolio Allocation berbasis Return History (SNPAr).SNPAr memanfaatkan algoritma untuk menghitung probabilitas transisi berdasarkan akumulasi kekayaan dengan mengalokasikan saham dalam network, mempertimbangkan keterkaitan antar saham. Dengan menggunakan data LQ45 dariOktober 2008 hingga Agustus 2023, eksperimen menunjukkan bahwa nilai Threshold 0.4 memberikan kinerja terbaik dengan pertumbuhan nilai return portofolio rata-rata 0,017 dan standar deviasi 0,062. Saat dibandingkan dengan portofolioequal weight, SNPAr menunjukkan superioritas, dengan return lebih tinggi dan risiko lebih rendah. Ini menegaskan bahwaSNPAr merupakan metode yang lebih efektif untuk optimasi portofolio jangka panjang.]]>
<![CDATA[Evaluasi Risiko Celah Keamanan Pada Aplikasi Web Dengan Penilaian Kerentanan dan Pengujian Penetrasi Menggunakan Metode OWASP dan NIST SP 800-30 Revisi 1 ]]>
<![CDATA[Satria Dzaky Raihan]]>;
<![CDATA[Sidik Prabowo]]>;
<![CDATA[Dita Oktaria]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v2i2.8810
<![CDATA[Semenjak terjadinya pandemi, penggunaan teknologi informasi meningkat secara signifikan terutama pada penggunaanaplikasi berbasis web. Dalam penggunaan teknologi tersebut, tentunya tidak akan lepas dari berbagai macam risiko yangmengancam aset-aset berharga serta dapat menimbulkan kerugian. Untuk menghindari hal tersebut diperlukan tindakanevaluasi terhadap keamanan tidak terkecuali aplikasi web milik Institut XYZ. Terdapat berbagai macam cara yang dapatdigunakan untuk melakukan evaluasi, salah satunya adalah dengan melakukan vulnerability assessment & penetrationtesting (VAPT). Dalam metode ini peneliti melakukan simulasi penyerangan sebagai peretas untuk mengidentifikasi danmenganalisis celah keamanan yang ada pada aplikasi web Institut XYZ. Pengujian yang dilakukan menggunakan panduanOWASP Web Security Testing Guide version 4.2 yang dibuat khusus untuk pengujian aplikasi web. Setelah kerentananberhasil diidentifikasi, kemudian dilanjutkan dengan analisis risiko menggunakan NIST SP 800- 30 Rev 1. Hasil akhir daritugas akhir ini adalah laporan mengenai risiko yang berhasil dievaluasi serta rekomendasi langkah mitigasi dari risiko-risikotersebut. Diharapkan hasilnya dapat membantu untuk mengamankan aplikasi web milik Institut XYZ.]]>
<![CDATA[Klasifikasi Aksara Lontara Dari Sulawesi Selatan Menggunakan CNN ]]>
<![CDATA[Abdul Rahim]]>;
<![CDATA[Febryanti Sthevanie]]>;
<![CDATA[Kurniawan Nur Ramadhani]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v2i2.8812
<![CDATA[Sebagai negara kepulauan dengan keberagaman budaya dan bahasa, Indonesia memegang peran penting dalam menyimpan dan merawat warisan budaya. Salah satu warisan tersebut adalah aksara Lontara, sebuah sistem tulisan tradisional yang telah digunakan secara luas di Sulawesi Selatan. Penelitian ini melakukan perbandingan beberapa arsitektur CNN untuk klasifikasi aksara Lontara dalam konteks OCR. Hasil eksperimen menunjukkan bahwa arsitektur CNN yaitu VGG16 mencapai performa terbaik dengan akurasi training validation sebesar 97% dan testing sebesar 90% dibandingkan dengan arsitektur VGG19, ResNet, dan ResNetV2.]]>
<![CDATA[Efisiensi Energi Melalui Wireless Charging pada Smart Watch ]]>
<![CDATA[Muhammad Bayu Adi Negoro]]>;
<![CDATA[Setyorini]]>;
<![CDATA[Erwid Musthofa Jadied]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v2i2.8813
<![CDATA[Nowadays we always need technology, one of which is a smartwatch, nowadays the relationship of this kind of devicewith the natural environment is becoming more important to study because the power extraction that is commonly usedis through non-renewable energy. Recently, there has been a shift in the way batteries are charged on some devices,including smartwatches, from wired to wireless charging. Wireless Charging is considered a transformational technology inthe world, many major manufacturers have invested in this technology. However, the current wireless charging mechanism isconsidered slow and energy inefficient compared to wired charging. Such inefficiencies may in turn exacerbate the adverseimpact of smartwatches on the environment. This paper addresses the issue of energy inefficiency during wireless chargingof smartwatches by comparing different charging practices to identify energy saving opportunities. Overall the wireless offstate charging experiment was found to be more energy efficient than the other two states potentially saving 0.098 Wh andlikewise the wired based charging potentially saving 0.096 Wh . The highest average energy consumption in wired andwireless charging occurs when the smartwatch is ON + WiFiON where wireless charging consumes 0.228 Wh while wiredcharging consumes 0.205 Wh.]]>
<![CDATA[Analisis Performansi Algoritma Small AES Menggunakan Arduino UNO, Studi Kasus : Pemantauan Suhu ]]>
<![CDATA[Muhammad Naufal Rabbani]]>;
<![CDATA[d Farah Afianti]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v2i2.8814
<![CDATA[Keamanan data dalam konteks Internet of Things (IoT) sangat penting, terutama dalam aplikasi pemantauan suhu. Algoritma kriptografi seperti Advanced Encryption Standard (AES) sering digunakan, namun algoritma yang lebih ringan sepertiSmall AES perlu dipertimbangkan. Penelitian ini bertujuan menerapkan dan mengevaluasi performa Small AES padaplatform Arduino dengan studi kasus pemantauan suhu. Evaluasi dilakukan dengan membandingkan Small AES dengan algoritma SPECK berdasarkan kecepatan enkripsi dan dekripsi, penggunaan memori, dan Bit Avalanche Test. Hasilpenelitian menunjukkan bahwa Small AES tidak lebih baik dari SPECK dalam hal kecepatan enkripsi dan dekripsi, tetapiSmall AES unggul dalam penggunaan memori yang lebih sedikit dibandingkan SPECK. Dari hasil Bit Avalanche Test, SmallAES lebih baik untuk data berukuran besar sedangkan SPECK lebih baik untuk data berukuran kecil.]]>
<![CDATA[Sistem Smart Parking Berbasis Mikrokontroller dengan Website Informasi Lahan Parkir ]]>
<![CDATA[Brilian Sulthoni]]>;
<![CDATA[Endro Ariyanto]]>;
<![CDATA[Setyorini]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v2i2.8815
<![CDATA[Mobil sudah menjadi salah satu kebutuhan masyarakat pada kehidupan zaman sekarang dan dengan tersedianya mobilpribadi yang terjangkau, minat mereka untuk memiliki mobil semakin tinggi. Namun, peningkatanpenggunaan mobil jugamenimbulkan masalah parkir yang semakin rumit, terutama karena kurangnya informasi tentang tempat parkir yang kosong.Untuk mengatasi masalah ini, diperlukan sistem alokasi dan panduan parkir yang efisien, yang dapat memberikan informasitentang ketersediaan tempat parkir dan membantu pengemudi menemukan tempat parkir yang sesuai dengan lebih efisien.Penelitian ini bertujuan untuk membuat miniatur sistem parkir pintar yang menggunakan teknologi Internet of Things (IoT)dan mikrokontroler berbasis website, untuk mengatur sistem parkir secara otomatis dan memberikan informasi ketersediaan tempat parkir kepada pengguna. Pada penelitian ini berhasil dibuat miniatur sistem alokasi tempat parkir mobil yangmenggunakan sensor ultrasonik dan inframerah, yang telah berfungsi dengan baik. Hasil pengujian menunjukkan tingkatakurasi pendeteksian keberadaan mobil mencapai 100%. Rata-rata keterlambatan (delay) dari saat mobil masuk ke dalamslot parkir hingga informasi muncul di website pengguna adalah 2,51, sedangkan rata-rata keterlambatan dari saat mobilkeluar dari slot parkir hingga informasi tampil di website pengguna adalah 1,48. Untuk pengembangan lebih lanjut sebaiknya sistem dilengkapi dengan fitur petunjuk arah serta disarankan untuk menyesuaikan layout miniatur parkir dengan areatempat parkir secara nyata.]]>
<![CDATA[Pengaruh Refactoring Extract Method terhadap Pengembangan Aplikasi menggunakan Test Driven Development ]]>
<![CDATA[Fauzi Hazim Wibowo]]>;
<![CDATA[Dawam Dwi Jatmiko Suwawi]]>;
<![CDATA[Anisa Herdiani]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 3 No. 1 (2025): September 2025 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v3i1.9231
<![CDATA[Tingginya kompleksitas dan rendahnya maintainability pada kode menyebabkan maintain sebuah program sulit untuk dilakukan. Maintainability dan readability saling berkaitan karena rendahnya maintainability menyebabkan kode sulit untuk dibaca dan dimodifikasi. Menurunkan kompleksitas, meningkatkan maintainability, dan meningkatkan readability merupakan tujuan refactoring pada test driven development. Refactoring dengan extract method dipilih karena dapat meningkatkan readability dan mengurangi duplikasi pada kode. Pengembangan website pada penelitian ini menggunakan paradigma pemrograman functional programming dan mengalami permasalahan long method. Metode refactoring ini dapat menghilangkan long method pada paradigma pemrograman functional programming sehingga sesuai diterapkan pada penelitian ini. Test driven development merupakan pengembangan perangkat lunak yang didasari oleh pembuatan program pengujian iteratif otomatis kecil, penulisan kode untuk lolos testing, dan refactoring code. Penelitian ini membuat website penilaian e-learning readiness Hung model berdasarkan requirement dari kaprodi S1 PJJ Informatika menggunakan test driven development. Pengembangan website ini dikerjakan oleh satu tim dan memiliki anggaran yang kecil. Oleh karena itu, penelitian ini sesuai dengan metode pengembangan perangkat lunak test driven development yang memungkinkan pengembangan perangkat lunak dengan satu tim dan anggaran yang kecil. Website ini diteliti dan dianalisis terkait pengaruh extract method terhadap cyclomatic complexity, halstead volume, maintainability index, dan code readability prediction pada pengembangan menggunakan test driven development.]]>
<![CDATA[Prediksi Return Saham Berdasarkan Data Histori dan Data Fundamental Menggunakan LSTM ]]>
<![CDATA[Naufal Abdurrahman Burhani]]>;
<![CDATA[Saepudin, Deni]]>;
<![CDATA[Didit Adytia]]>
<![CDATA[ LOGIC: Jurnal Penelitian Informatika Vol. 3 No. 1 (2025): September 2025 ]]>
Publisher : <![CDATA[Universitas Telkom ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25124/logic.v3i1.9236
<![CDATA[Prediksi harga saham merupakan tantangan signifikan dalam dunia keuangan karena sifat pasar yang dinamis dan kompleks. Penelitian ini bertujuan untuk memprediksi harga saham dengan menggunakan model Long Short-Term Memory (LSTM), yang efektif dalam menangkap pola sekuensial pada data historis dan fundamental. LSTM dipilih karena kemampuannya untuk memodelkan ketergantungan jangka panjang, yang penting dalam prediksi harga saham. Evaluasi dilakukan dengan membandingkan kinerja model LSTM pada data historis dan kombinasi data historis dengan data fundamental. Hasil penelitian menunjukkan bahwa meskipun model LSTM berhasil menangkap pola pada data training, model tersebut mengalami overfitting yang signifikan pada data testing. Penambahan data fundamental tidak secara signifikan meningkatkan akurasi prediksi pada fase testing. Kesimpulannya, meskipun LSTM membantu dalam menangkap pola kompleks dari data historis dan fundamental, penelitian ini menekankan pentingnya eksplorasi lebih lanjut terhadap metode lain untuk mengatasi overfitting dan meningkatkan kinerja prediksi saham pada data testing.]]>
