Garuda - Garba Rujukan Digital

HILL-CIPHER METHOD WITH MATRICE IN TEXT CODING PROCESSING desi vinsensia; Kiky Maulana; Dedy Nofrianto
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.598

Cryptography is one of the matrice applications that can be used to translate a message. This research discusses cryptography, which is the science or art of encryption with the aim of making messages incomprehensible to others. The cryptography method that will be used in this research is the Hill Cipher, ,which is one of the cryptographic techniques for encrypting a text by translating a message into a code over a matrice of numbers modulo 26 and converting the codes into the actual message using the decipher method over a matrice of numbers modulo 26. The purpose of this research is to develop the Hill Cipher in word encoding and decipher through the matrices. The test result found that the hill cipher method and the decipher method are able to translate the actual text as long as the matrices given in the hill cipher algorithm have an inverse and determinant.Keywords: Hill-Cipher, criptograhy, matrices, plaintext Kriptografi merupakan salah satu aplikasi matriks yang dapat digunakan untuk menerjemahkan sebuah pesan. Penelitian ini membahas tentang kriptografi yang merupakan ilmu atau seni dari penyandian dengan tujuan agar pesan tidak dimengerti oleh orang lain. Metode kriptografi yang akan digunakan dalam penelitian ini adalah metode Hill Cipher dan metode Decipher yang merupakan kriptografi merupakan salah satu teknik kriptografi untuk mengenkripsi teks dengan menerjemahkan pesan ke dalam kode melalui matriks angka modulo 26 dan mengubah kode menjadi pesan yang sebenarnya dengan menggunakan metode penguraian melalui matriks angka modulo 26. Penelitian ini berfokus pada pengembangan algoritma Hill Cipher dalam penyandian kata dan Dechiper melalui matriks berodo . Hasil pengujian didapatkan bahwa metode Hill Cipher dan metode decipher mampu menterjemahkan teks yang sebenarnya selama matriks-matriks yang diberikan pada algoritma Hill Cipher memiliki invers dan determinan.Kata kunci: Hill-Cipher, Kriptografi, Matriks, plaintext

ANALISIS SISTEM PAKAR PENYAKIT TANAMAN JERUK SIAM MENGGUNAKAN DEEP NEURAL NETWORK (DNN) Fatma Agus Setyanngsih
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.592

Siamese oranges are cultivated by farmers in West Kalimantan, one of which is in a plantation in Setapok Village, Singkawang City. According to information from local farmers, citrus cultivation is experiencing problems, namely citrus plants are damaged with symptoms including yellowing leaves and black spots, and leaves becoming wrinkled and stunted. Deep Neural Network (DNN) is a machine learning method. The aim of the study was to apply and evaluate the results of the evaluation and analysis of the Siamese Orange Plant Disease Expert System Using DNN. This research is to facilitate farmers in determining pests and diseases in citrus plants in providing conclusions through training and data testing using the DNN method. The data used for the expert system with the DNN algorithm comes from citrus disease diagnosis data from the Setapok Village Plantation, Singkawang City. The highest accuracy value is 95%, while the lowest value is 77% and the average accuracy is 86%. This shows that the results of the expert system diagnosis on Siamese orange disease data with DNN are quite good.Key Words: Expert System, Citrus Disease, Deep Neural NetworkJeruk siam dibudidayakan oleh petani di Kalimantan Barat, salah satunya di perkebunan Desa Setapok, Kota Singkawang. Menurut informasi petani setempat budidaya tanaman jeruk mengalami kendala yaitu tanaman jeruk mengalami kerusakan dengan gejala di antaranya daun menguning dan terdapat bercak hitam, serta daun menjadi keriput dan kerdil. Deep Neural Network (DNN) merupakan metode machine learning. Tujuan penelitian untuk menerapkan dan mengevaluasi hasil evaluasi serta analisis Sistem Pakar Penyakit Tanaman Jeruk Siam Menggunakan DNN. Penelitian ini untuk memudahkan petani dalam menentukan hama dan penyakit pada tanaman Jeruk dalam memberikan kesimpulan melalui pelatihan dan pengujian data dengan menggunakan metode DNN. Data yang digunakan untuk sistem pakar dengan algoritma DNN ini berasal dari data diagnosis Penyakit Jeruk dari Perkebunan Desa Setapok, Kota Singkawang. Diperoleh nilai akurasi tertinggi yakni sebesar 95%, sedangkan nilai terendah sebesar 77% dan rata-rata akurasi adalah 86%. Hal ini menunjukan bahwa hasil diagnosis sistem pakar pada data penyakit jeruk siam dengan DNN cukup baik.Kata Kunci: Sistem Pakar, Penyekit Jeruk, Deep Neural Network

PEARSON'S CORRELATION ANALYSIS IN PREDICTING PSYCHOLOGICAL DISORDER CONDITIONS IN ONLINE GAME PLAYERS IN INDONESIA: A CASE STUDY ON VALORANT Edwin Charley; Syaeful Anas Aklani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.624

In modern times, technology is developing very rapidly, especially in the gaming industry. This results in game addiction. Online game addiction is known as Internet Game Disorder (IGD). This can have an impact on other psychological disorders such as Attention Deficit Hyperactivity Disorder (ADHD), and Generalized Anxiety Disorder (GAD). This study aims to determine the relationship between Valorant game player statistics and IGD, ADHD, and GAD. The method used is a qualitative and quantitative approach. In the qualitative method, 30 samples of Indonesian valorant players were taken in filling out the questionnaire and in the quantitative method, 400 samples of Indonesian valorant players were taken using the Slovin formula to conduct interviews. The data obtained is applied simultaneously and looks for relationships between these data. Based on the results of qualitative and quantitative data analysis, the correlation results obtained for IGD, ADHD, and IGD have a very low relationship to player performance so player performance has a very low impact on the occurrence of psychological disorders.Keywords: Pearson Correlation, IGD, ADHD, GAD, Video Games.Di zaman modern, teknologi berkembang sangat pesat terutama pada industri game. Hal ini mengakibatkan terjadinya kecanduan game. Kecanduan game online dikenal sebagai Internet Game Disorder (IGD). Hal ini bisa berdampak pada gangguan psikologi lainnya seperti Attention Deficit Hyperactivity Disorder (ADHD), dan Generalized Anxiety Disorder (GAD). Penelitian ini bertujuan untuk mengetahui hubungan antara statistik pemain game Valorant dengan IGD, ADHD, dan GAD. Metode yang digunakan yaitu pendekatan kualitatif dan kuantitatif. Pada metode kualitatif, diambil sebanyak 30 sampel pemain valorant Indonesia dalam pengisian kuisioner dan pada metode kuantitatif, diambil sebanyak 400 sampel pemain valorant indonesia dengan perhitungan menggunakan rumus Slovin untuk melakukan wawancara. Data yang didapatkan diterapkan secara bersamaan dan mencari hubungan antara data - data tersebut. Berdasarkan hasil analisis data kualitatif dan kuantitatif, memperoleh hasil korelasi IGD, ADHD, dan IGD memiliki hubungan yang sangat rendah terhadap performa pemain sehingga performa pemain memiliki dampak yang sangat rendah terhadap terjadinya gangguan psikologis.Kata kunci: Korelasi Pearson, Psychological Disorder, SPSS, IGD, ADHD, GAD, Video games.

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPPLIER PEMBELIAN BARANG DENGAN MENGGUNAKAN METODE ELIMINATION ET CHOIX TRADUISANT LA REALITE (ELECTRE) Susanto Susanto; Saifur Rohman Cholil; Mojang Widhiyani Ashari; Rangga Rahmat Prayuda
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.547

The selection of suppliers is important in sales, especially in the building sector. A good supplier has an impact on the smooth circulation of finances, quality, prices, and availability of goods, even on expenses. The difficulty in determining the supplier for purchasing goods is caused by the difficulty of choosing alternatives because the criteria considered are so many, which has an impact on the results of the analysis obtained will be less objective. The decision support system used to determine the best supplier uses the ELECTRE (ELimination Et Choix TRaduisant la realitE) method which has advantages in qualitative and quantitative features, as well as a high level of accuracy. The results obtained in this system are able to compare alternatives and criteria and get the right data by saving time computerized depending on the policies of the building shop and the existing system can be used for the selection of suppliers for purchasing goods .Keyword: electre, decision support system, suppliersPemilihan supplier merupakan hal yang penting dalam penjualan khususnya di bidang bangunan. Supplier yang baik berdampak untuk pelancaran sirkulasi keuangan, kualitas, harga, dan ketersediaan barang, bahkan pada pengeluaran. Adapun kesulitan pada penentuan supplier pembelian barang ini disebabkan oleh kesulitan untuk memilih alternatif karena kriteria yang dipertimbangkan begitu banyak, yang berdampak pada hasil analisa yang didapatkan akan menjadi kurang objektif. Sistem pendukung keputusan yang digunakan untuk menentukan supplier terbaik menggunakan metode ELECTRE (ELimination Et Choix TRaduisant la realitE) yang memiliki keunggulan pada fitur kualitatif dan kuantitatif, serta tingkat akurasinya yang tinggi. Hasil yang didapatkan pada sistem ini mampu membandingkat alternatif dan kriteria dan mendapatkan data yang tepat dengan menghemat waktu secara komputerisasi bergantung pada kebijakan pada toko bangunan dan sistem yang ada bisa digunakan untuk pemilihan supplier pembelian barang. Kata kunci: electre, sistem pendukung keputusan, supplier

ANALISIS SPAM KOMENTAR WORDPRESS DI LIHAT DARI ALAMAT IP Imam Suharjo; Indah Susilawati; Putry Wahyu Setyaningsih
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.622

Website menjadi sumber rujukan resmi dan formal, meskipun sudah ada media sosial atau media yang lain. Website bersifat terbuka dan bisa diakses secara publik. Spam komentar dapat muncul di berbagai platform situs web, termasuk platform blogging seperti WordPress, platform media sosial seperti Facebook, dan forum online. Namun, platform yang paling sering mengalami masalah spam komentar adalah platform blogging. Spam komen adalah sejenis pesan atau komentar yang tidak diinginkan atau tidak relevan yang dikirimkan ke sebuah forum atau situs web. Biasanya, spam komen dikirimkan dengan tujuan untuk meningkatkan visibilitas suatu situs atau untuk mengirimkan pesan promosi atau iklan kepada orang lain. Penelitian ini bertujuan untuk analisis dan klasifikasi alamat IP yang melakukan spam terhadap website. Daftar alamat IP ini dikumpulkan dari berbagai web dan dirancang bersifat terbuka. Hasil sampel dari 10 alamat IP yang ada di web dan dicek dengan menggunakan data dari cleantalk.org/blacklists, semua alamat IP sampel ini tercatat sebagai alamat IP Spammer. Dilihat dari asal alamat IP spam komen berasal dari luar negeri terutama menggunakan alamat IP dari Rusia dan Latvia, meski sangat dimungkinkan pelaku spammer bersembunnyi dbalik alamat IP ini. Konten spam mengandung beberapa link aktif dengan tak ahref dan juga konten-konten terutama terkait drug dan farmasi. Ada juga konten lain dengan bahasa asing bukan bahasa inggris. Keywords: spammer, keamanan web, wordpress, internetA website becomes an official and formal reference source, although there are other social media or other media. The website is open and publicly accessible. Spam comments can appear on various website platforms, including blogging platforms such as WordPress, social media platforms such as Facebook, and online forums. However, the platform that most frequently experiences spam comment issues is the blogging platform. Spam comments are unwanted or irrelevant messages or comments sent to a forum or website. Usually, spam comments are sent to increase a site’s visibility or send promotional or advertising messages to others. The research was conducted by analyzing and classifying IP addresses that spam websites. This list of IP addresses is collected from various websites and is designed to be open. A sample result of 10 IP addresses on the web and checked using data from cleantalk.org/blacklists, all of these sample IP addresses are recorded as spammer IP addresses. From the origin of spam comment IP addresses, they are mainly from abroad, especially using IP addresses from Russia and Latvia. However, spammer perpetrators are likely hiding behind these IP addresses. Spam content contains several active links with no ahref and also content related to drugs and pharmacies. There is also other content with foreign languages other than English. Kata kunci: spammer, web security, WordPress, internet

SISTEM PAKAR PENYAKIT KESEHATAN MENTAL REMAJA MENGGUNAKAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR Eka Wahyu Sholeha; Billy Sabella; Wiwik Kusrini; Shanty Komalasari
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.523

Mental health is something that every individual must have. It is important to understand about mental health from an early age, especially in adolescents. The initial diagnosis of mental health is currently still visiting a psychologist or psychiatrist. This is what makes teenagers feel embarrassed to visit a psychologist or psychiatrist. Expert systems can help diagnose mental health diseases early. Solving problems for early diagnosing adolescent mental health disorders using an expert system with the Forward Chaining and Certainty Factor methods. The research was aimed at adolescents in the South Kalimantan region. The expert data in this study were taken from a psychologist in Banjarbaru, South Kalimantan. The results showed that the Expert System for Adolescent Mental Health Diseases Using the Forward Chaining and Certainty Factor Methods had an accuracy rate of 86.67% of the 15 data held by experts, 13 data were the same as the system.Keywords: expert system, Forward Chaining, and Certainty Factor Kesehatan mental merupakan sesuatu yang pasti dimiliki oleh setiap individu. Pentingnya untuk memahami mengenai kesehatan mental sejak dini terutama pada remaja. Diagnosa awal kesehatan mental saat ini masih mengunjungi psikolog atau psikiater. Hal ini yang membuat remaja merasa malu untuk berkunjung ke psikolog atau psikiater. Sistem pakar dapat membantu mendiagnosa awal penyakit Kesehatan mental. Penyelesaian masalah untuk mendiagnosa secara dini gangguan kesehatan mental remaja menggunakan sistem pakar dengan metode Forward Chaining dan Certainty Factor. Penelitian ditujukan kepada remaja wilayah Kalimantan Selatan. Data pakar dalam penelitian diambil dari salah satu psikologi yang berada di Banjarbaru, Kalimantan Selatan. Hasil penelitian menunjukkan Sistem Pakar Penyakit Kesehatan Mental Remaja Menggunakan Metode Forward Chaining dan Certainty Factor memiliki tingkat akurasi yaitu 86,67% dari 15 data yang dimiliki pakar, 13 data sama dengan sistem. Kata kunci: sistem pakar, Forward Chaining, dan Certainty Factor

KOMPARASI ALGORITMA NAïVE BAYES, SUPPORT VECTOR MACHINE, DAN LOGISTIC REGRESSION PADA ANALISIS SENTIMEN PENGGUNA APLIKASI TRANSPORTASI ONLINE Krisna Perdana Jaya Sitompul; Adi Rizky Pratama; Kiki Ahmad Baihaqi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.616

Online transportation is one of the transportation that is increasingly in demand by the public at this time. Grab is an online transportation application that has many users in Indonesia. However, this system certainly has many shortcomings that are felt by users. One way to find out user satisfaction and disappointment with the application is to do sentiment analysis. By analyzing the deficiencies of the application, the company can find out the shortcomings of the application and how to fix it. The purpose of this study is to compare the accuracy between the Support Vector Machine, Naive Bayes, and Logistic Regression algorithms by conducting sentiment analysis on Grab application review data. The results of the comparative test found that the Naive Bayes algorithm has the best performance compared to other classification algorithms with an accuracy obtained by the Naive Bayes algorithm of 88.5%, while the Support Vector Machine algorithm has the lowest accuracy with an accuracy of 85.5%. So it can be concluded that the Naive Bayes algorithm has a better value than the Logistic Regression and Support Vector Machine algorithms. Keywords: Grab, Support Vector Machine, Naive Bayes, Logistic Regression Transportasi online adalah salah satu transportasi yang semakin diminati masyarakat pada saat ini. Grab adalah alah satu aplikasi trasportasi online yang memiliki pengguna bisa dikatakan banyak di Indonesia. Namun dalam system ini pasti memiliki banyak kekurangan yang dirasakan penggunanya. Salah satu cara untuk mengetahui kepuasan dan kekecewaan pengguna terhadap aplikasi tersebut yaitu melakukan analisis sentimen. Dengan menganalisis kekurangan dari aplikasi perusahaan dapat mengetahui kekurangan dari aplikasi dan bagaimana cara memperbaikinya. Tujuan penelitian ini untuk mengetahui perbandingan keakurasian antara algoritma Support Vector Machine, Naive Bayes, dan Logistic Regression dengan melakukan analisis sentimen pada data ulasan aplikasi Grab . Hasil pengujian komparasi ditemukan bahwa algoritma Naive bayes memiliki kinerja terbaik dibandingkan algoritma klasifikasi lainnya dengan akurasi yang di dapat algoritma Naive bayes sebesar 88.5%, sedangkan algoritma Support Vector Machine memiliki akurasi terendah dengan akurasi sebesar 85.5%. Sehingga dapat disimpulkan bahwa algoritma Naive bayes memiliki nilai yang lebih baik dibandingkan algoritma Logistic Regression dan Support Vector Machine.Kata kunci: Grab, Support Vector Machine, Naive Bayes, Logistic Regression

IMPLEMENTATION OF BRUTE-FORCE ALGORITHM AND BACKTRACKING ALGORITHM FOR FIREFIGHTING ROBOT SIMULATION Tegar Arifin Prasetyo; Rudy Chandra; Wesly Mailander Siagian; Tahan HJ Sihombing; Sarbaini Sarbaini
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.456

In general, a robot is defined as a mechanical device used by humans to ease human work. Robots are usually used for difficult and dangerous tasks. One example of its use is a firefighting robot that replaces human tasks in extinguishing fires. The firefighting robot is on duty to find fire spots in a city then extinguishing them. To be able to put out a fire, the robot must implement an efficient program in finding and determining the shortest path to the location of the fire and then put it out. For this reason, the robot is equipped with proximity and fire sensors to detect the presence of fire. The design is made with a three-step program that is designing needs of robot control, robot control mechanism scheme preparation and implementing an algorithm for making program syntax. The Brute-Force Algorithm can be implemented to indicate the presence of a hotspot signal and the backtracking Algorithm is implemented to find the shortest path to the hotspot location. This paper discusses the use of a brute-force algorithm and a backtracking algorithm in a firefighting robot program to make the fire search process more efficient. The results show that from 8 input fire points, the firefighting robot is able to find all the points within 3.12 seconds with 13 times trial. In its application, the writer used Visual Basic 6.0 in the firefighting robot program.Keywords: Firefighting Robot, Brute-Force Algorithm, and Backtracking Algorithm.Secara umum robot didefinisikan sebagai suatu alat mekanik yang digunakan oleh manusia untuk mempermudah pekerjaan manusia. Robot biasanya digunakan untuk tugas-tugas yang sulit dan berbahaya. Salah satu contoh penggunaannya adalah robot pemadam kebakaran yang menggantikan tugas manusia dalam memadamkan api. Robot pemadam kebakaran bertugas untuk menemukan titik api di suatu kota kemudian memadamkannya. Untuk dapat memadamkan api, robot harus menerapkan program yang efisien dalam mencari dan menentukan jalur terpendek menuju lokasi kebakaran kemudian memadamkannya. Untuk itu, robot dilengkapi dengan proximity dan fire sensor untuk mendeteksi adanya api. Perancangan dibuat dengan tiga langkah program yaitu perancangan kebutuhan pengendalian robot, penyusunan skema mekanisme kendali robot dan implementasi algoritma untuk pembuatan sintaks program. Algoritma Brute-Force dapat diimplementasikan untuk menunjukkan adanya sinyal hotspot dan Algoritma backtracking diimplementasikan untuk mencari jalur terpendek ke lokasi hotspot. Penelitian ini membahas tentang penggunaan algoritma brute force dan algoritma backtracking pada simulasi program robot pemadam kebakaran agar proses pencarian kebakaran menjadi lebih efisien. Hasil penelitian menunjukkan bahwa dari 8 input titik api, robot pemadam kebakaran mampu menemukan semua titik dalam waktu 3,12 detik dengan 13 percobaan. Dalam penerapannya penulis menggunakan Visual Basic 6.0 pada program robot pemadam kebakaran. Kata kunci: Robot Pemadam Kebakaran, Algoritma Brute-Force, dan Backtracking.

PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DENGAN DECISION TREE PADA APLIKASI RUANG GURU Indi Nurul Hassanah; Sutan Faisal; Amril Mutoi Siregar
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.602

Mobile Learning is electronic-based learning using a computer or computer-based. One of the most widely known Mobile Learning applications today is Ruang Guru. One way to determine the success of an application is to do a sentiment analysis of the application. The purpose of this study was to find the best accuracy model for classifying data in the SVM and Decision Tree algorithms. The data is taken from the comments column in the playstore on the Ruang Guru application as much as 1500 data. Then the data is labeled into 2 classes, namely positive and negative. After that, the data is divided into 70% training data and 30% testing data. The results of the comparison show that the best test model for sentiment classification cases is found in the SVM algorithm with an accuracy value of 84.2%, while the Decision Tree algorithm gets an accuracy value of 70%. So it can be concluded that the SVM algorithm has a better value for classification of review data in the Ruang Guru application compared to the Decision Tree algorithm. Keywords: Ruang Guru, sentiment analysis, SVM, Decision Tree Mobile Learning merupakan pembelajaran berbasis elektronik dengan menggunakan komputer atau berbasis komputer. Salah satu aplikasi Mobile Learning yang banyak dikenal saat ini adalah Ruang Guru . Salah satu cara untuk mengetahui keberhasilan suatu aplikasi adalah dengan melakukan analisis sentimen terhadap aplikasi tersebut. Tujuan penelitian ini untuk menemukan pemodelan akurasi terbaik terhadap pengklasifikasian data pada algoritma SVM dan Decision Tree. Data diambil dari kolom komentar di playstore pada aplikasi Ruang Guru sebanyak 1500 data. Kemudian data tersebut dilabelkan menjadi 2 kelas yaitu positif dan negatif. Setelah itu, data dibagi 2 menjadi data training sebanyak 70% dan data testing 30%. Hasil perbandingan menunjukkan model uji terbaik untuk kasus klasifikasi sentimen terdapat pada algoritma SVM dengan nilai akurasi sebesar 84.2% sedangkan pada algoritma Decision Tree mendapatkan nilai akurasi sebesar 70%. Sehingga dapat disimpulkan bahwa algoritma SVM memiliki nilai yang lebih baik untuk klasifikasi data ulasan pada aplikasi Ruang Guru dibandingkan algoritma Decision Tree.Kata kunci: Ruang Guru, analisis sentimen, SVM, Decision Tree

IMPLEMENTATION OF ARTIFICIAL NEURAL NETWORK (ANN) USING BACKPROPAGATION ALGORITHM BY COMPARING FOUR ACTIVATION FUNCTIONS IN PREDICTING GOLD PRICES Dian Kurniasari; Ranti Vidia Mahyunis; Warsono Warsono; Aang Nuryaman
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.587

The trend in global currency values is speedy and fluctuating due to the recession caused by the Covid-19 pandemic. That causes investors to flock to buy gold assets. Therefore, it is necessary to predict the price of gold from a business and academic perspective to obtain a reasonable gold price prediction model. This study applies the Backpropagation Algorithm by determining the best ANN model structure based on four activation functions: Sigmoid, Tanh, ReLU, and Linear, as well as learning rate values, namely 0.01 and 0.001. The results are the best ANN model structure with four nodes in the input layer, four nodes in the hidden layer and the output layer using the Linear activation function and a learning rate of 0.01. Based on the structure of the model, the MSE value is 0.00051, the MAPE value is 1.9798%, and the accuracy is 98%.Keywords: Artificial Neural Network, Backpropagation, Gold Price Prediction, Activation Function, Model Structure Trend nilai mata uang global sangat cepat dan fluktuatif akibat terjadinya resesi yang disebabkan oleh pandemi Covid-19. Hal ini menyebabkan, para investor berbondong-bondong untuk membeli aset emas. Oleh sebab itu, perlu dilakukan prediksi harga emas, baik dari perspektif bisnis maupun akademis agar memperoleh model prediksi harga emas yang baik. Penelitian ini menerapkan Algoritma Backpropagation dengan menentukan struktur model ANN terbaik berdasarkan empat fungsi aktivasi yaitu, Sigmoid, Tanh, ReLU, dan Linear serta nilai learning rate, yaitu 0,01 dan 0,001. Hasil yang diperoleh berupa struktur model ANN terbaik dengan empat node pada input layer, empat node pada hidden layer dan output layer dengan menggunakan fungsi aktivasi Linear dan learning rate sebesar 0,01. Berdasarkan struktur model tersebut, diperoleh nilai MSE sebesar 0.00051, nilai MAPE sebesar 1,9798% dan akurasi sebesar 98%.Kata Kunci: Artificial Neural Network, Backpropagation, Prediksi Harga Emas, Fungsi Aktivasi, Struktur Model

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Muliadi

Contact Email
muliadi@ulm.ac.id

Phone
+6285228102971

Journal Mail Official
klik@ulm.ac.id

Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Muliadi

Contact Email muliadi@ulm.ac.id

Phone +6285228102971

Journal Mail Official klik@ulm.ac.id

Editorial Address Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location Kota banjarmasin, Kalimantan selatan INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Muliadi

Contact Email
muliadi@ulm.ac.id

Phone
+6285228102971

Journal Mail Official
klik@ulm.ac.id

Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA