SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains

Prediksi Saham BBNI dan BBRI Menggunakan LSTM (Long Short Term Memory)

Yudha Prastya, Soffa Zahara — Thu, 26 Dec 2024 00:00:00 -0500

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)

Bayu Dwi Handika, Sugianto Sugianto — Thu, 26 Dec 2024 00:00:00 -0500

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

Yossi Nordiansah, Yanuarini Nur Sukmaningtyas — Thu, 26 Dec 2024 00:00:00 -0500

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

Bayu Widanarko, Neny Kurniati, Arda Surya Editya — Tue, 31 Dec 2024 00:00:00 -0500

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.