Journal of Software Engineering Ampera

Sistem Pendukung Keputusan Pemilihan Lipstik Dengan Metode VIšekriterijumsko KOmpromisno Rangiranje (VIKOR)

2023-05-29T14:13:39+07:00

Penelitian ini bertujuan untuk membantu pengguna menentukan lipstik yang terekomendasi dengan berdasarkan ketertarikan serta kebutuhan dalam melakukan pembelian, pemilihan ataupun pencarian referensi lipstik yang sedang banyak digemari wanita lain. Selain itu juga dapat membantu strategi marketing yang ada di toko. Sistem pendukung keputusan dalam penelitian ini menerapkan metode VIšekriterijumsko KOmpromisno Rangiranje (VIKOR). Data yang diperoleh dalam penelitian ini dilakukan dengan cara observasi dan wawancara langsung kelapangan dan juga meminta data yang akurat kepada pemiliknya. Pemilihan lipstik menggunakan beberapa kriteria. Adapun kriterianya adalah (C1) harga, (C2) warna, (C3) ketahanan, (C4) tekstur, (C5) kemasan, (C6) kondisi bibir. Diharapkan hasil penelitian ini dapat membantu pengguna mencari, memilih, membeli lipstik yang terekomendasi.

Sistem Penentuan Jumlah Produksi Sirup Parijotho Menggunakan Metode Fuzzy Tsukamoto

2024-02-13T08:42:20+07:00

Studi ini bertujuan untuk mengembangkan sebuah sistem rekomendasi untuk optimasi jumlah produksi sirup parijotho, sebuah buah unik yang berkembang di lereng Gunung Muria dan terkenal tidak hanya karena rasanya yang lezat tetapi juga mitos kesuburan yang menyertainya. Menggunakan metode fuzzy Tsukamoto, sistem ini mengolah input berupa data permintaan dan stok untuk menghasilkan prediksi produksi yang tepat, khususnya untuk produk sirup dengan kemasan 250ml. Analisis historis produksi dan evaluasi kesalahan menggunakan metode MAPE (Mean Absolute Percentage Error) menjadi landasan dalam pembuatan prediksi yang akurat. Dengan penerapan UML (Unified Modeling Language) dalam perancangannya, penelitian ini berhasil menciptakan sistem yang, dalam uji coba selama 12 bulan, menunjukkan tingkat kesalahan rata-rata hanya 8,11%, dimana kesalahan terendah yang tercatat adalah sebesar 1,12%. Tingkat keberhasilan operasional sistem teruji mencapai 100%, menandakan efisiensi dan efektivitas sistem dalam memberikan rekomendasi produksi. Hasil ini menunjukkan potensi signifikan sistem dalam membantu perusahaan meningkatkan ketepatan dalam menetapkan jumlah produksi sirup parijotho, sekaligus memberikan solusi efisien untuk mengatasi tantangan produksi yang dihadapi.

Pemanfaatan Recurrent Neural Network (RNN) Untuk Meningkatkan Akurasi Prediksi Mata Uang Pada Forex Trading

2024-02-19T09:54:44+07:00

Penelitian ini berfokus pada penerapan teknologi machine learning, khususnya Recurrent Neural Network (RNN) dan variasinya seperti Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), untuk meningkatkan akurasi dalam prediksi pergerakan mata uang di pasar Forex. Dalam konteks di mana machine learning mendominasi analisis data cepat dalam trading forex, risiko keuangan yang tinggi, ketidakpastian pasar yang kompleks, dan tantangan ketidakakuratan prediksi model menjadi kendala utama. Penelitian ini membahas kemampuan RNN dalam memproses data berurutan dan mempertahankan informasi jangka pendek, yang menawarkan solusi terhadap keterbatasan neural network konvensional dalam analisis data berurutan. Dengan menggunakan data harga EUR/USD dari dua tahun terakhir, kami menemukan bahwa implementasi RNN, khususnya melalui LSTM dan GRU, menghasilkan penurunan signifikan dalam kesalahan prediksi, menunjukkan peningkatan kinerja model. Hasil ini menegaskan efektivitas RNN dalam memprediksi dinamika pasar Forex dan menjanjikan pendekatan yang lebih akurat dan andal dalam pemodelan dan peramalan harga mata uang, yang merupakan kunci untuk praktik trading Forex yang sukses. Ini memperkuat potensi machine learning dalam menyediakan alat yang kuat untuk trader dan analis dalam menghadapi pasar yang sangat tidak pasti dan fluktuatif.