Abstract

ABSTRAKPrediksi adalah salah satu teknik yang paling penting dalam menjalankan bisnis forex. Keputusan dalam memprediksi adalah sangatlah penting, karena dengan prediksi dapat membantu mengetahui nilai forex di waktu tertentu kedepan sehingga dapat mengurangi resiko kerugian. Tujuan dari penelitian ini dimaksudkan memprediksi bisnis fores menggunakan model neural network dengan data time series per 1 menit untuk mengetahui nilai akurasi prediksi sehingga dapat mengurangi resiko dalam menjalankan bisnis forex. Metode penelitian pada penelitian ini meliputi metode pengumpulan data kemudian dilanjutkan ke metode training, learning, testing menggunakan neural network. Setelah di evaluasi hasil penelitian ini menunjukan bahwa penerapan algoritma Neural Network mampu untuk memprediksi forex dengan tingkat akurasi prediksi 0.431 +/-0.096 sehingga dengan prediksi ini dapat membantu mengurangi resiko dalam menjalankan bisnis forex. Kata kunci: prediksi, forex, neural network. ABSTRACT Prediction is one of the most important techniques in running forex business. Decision to predict is very important, because the predictions can help determine the value of forex at a certain time in the

The studied aims to determined the characteristics of the development of learned devices with the problem-based learned model with a scientific approached which container the character in math subject. The research method used is a development research. Development is carried out with the preparation of valid, practical and effective tools. The learned tools developed were syllabus, (RPP) Learning Implementation Plans, (LKS) Student Worksheets, Student Books, and TKPM (Problem Solving Ability Tests). After the learned device valid then tested, the experiment was carried out by observed the learned process, process skills, students' character, at the end of the learned process did by TKPM and filled in the student response questionnaire. Data were analyzed to determined the practicality and effectiveness of the used of learned devices. The results showed: (1) the average score of the learned device validation results was 4.37 in the very good category so the devices developed were valid; (2) the application of practical learned tools because the average score of the teacher's ability to manage to learned is 3.98 in the good category and the average score of 4.36 student respons is in the very good category; (3) the application of effective learned devices because TKPM has achieved classical completed, the average TKPM experimental class better than the control class, the proportion of completed TKPM students experiment better than control class students, there is a positive influence was students' process and attitude skills towards TKPM, there is an increase in mathematical problem-solved abilities.

ABSTRAKSetelah melakukan penelitian dan percobaan maka didapatkan hasil penelitian pertama yang telah dilakukan dengan menggunakan Algoritma Neural Network Backpropagatioan dengan menggunakan data sebanyak 268 menunjungkan tingkat akurasi error prediksi pada waktu prediksi per 5 menit sebesar 0.758619403, bila menggunakan data sebanyak 2047 menunjukkan tingkat akurasi error prediksi sebesar 0.500161212 dan hasil penelitian kedua yang telah dilakukan menggunakan Algoritma Optimasi Adaboost pada proses trainning dan ditambah Neural Network Backpropagation pada proses learning menunjukkan tingkat akurasi error prediksi pada waktu prediksi per 5 menit menggunakan data sebanyak 268 sebesar 0.397014925, bila menggunakan data sebanyak 2047 menunjukkan tingkat akurasi error prediksi sebesar 0.099951148. Tahap awal dalam melakukan penelitian ini sampai dengan pengujian menggunakan perhitungan prediksi nilai akurasi error menggunakan rumus MSE (Mean Sequare Error) dengan menggunakan algoritma optimasi adaboost untuk memberikan jawaban atas permasalahan bahwa nilai akurasi error Algoritma Neural Network Backpropagation perlu direndahkan agar akurasi prediksi meningkat dan tahap kedua dilakukan uji coba menggunakan data yang lebih banyak dibandingan dengan tahap ke satu. Berdasarkan hasil penelitian yang telah dilakukan, dapat disimpulkan bahwa Algoritma Neural Network memiliki akurasi yang lebih rendah bila dibandingkan dengan akurasi menggunakan metode optimasi adaboost pada proses trainning ditambah dengan Neural Network, ini dapat dilihat dengan rendahnya tingkat error MSE menggunakan metode adaboost + neural network dan dapat disimpukan pula bahwa dengan menggunakan jumlah data yang lebih banyak maka dapat menurunkan tingkat akurasi error MSE sehingga berhasil meningkatkan akurasi prediksi dalam bisnis forex trading. ABSTRACTAfter conducting research and experiments then showed the first research that has been done using Algorithm Neural Network Backpropagatioan using data from as many as 268 menunjungkan accuracy rate error prediction when the prediction per 5 minutes by 0.758619403, when using the data as much as 2047 showed levels of accuracy error prediction for 0.500161212 and the results of a second study was done using Algorithm Optimization Adaboost in the process of trainning and coupled Neural Network Backpropagation in the learning process indicates the level of accuracy error prediction when the prediction per 5 minutes uses as much data as 268 by 0.397014925, when using the data as much as 2047 showed levels of accuracy error prediction by 0.099951148.Early stage in conducting this study to test using the calculation value prediction accuracy error using the formula MSE (Mean Sequare Error) using optimization algorithms adaboost to provide answers to the problems that the accuracy error Algorithm Neural Network Backpropagation need to be humbled in order of prediction accuracy increases and the second stage conducted trials using more data compared with phase one. Based on the research that has been done, i...

Teknologi smartphone tidak hanya dapat digunakan oleh orang dewasa saja, akan tetapi anak usia dini pun layak diperkenalkan pada teknologi smartphone. Pendidikan anak pada usia dini diperlukan karena pada tahap tersebut sistem pembelajaran akan mempengaruhi tingkah laku dan pola berfikir anak. PAUD Nabata dalam hal pembelajaran mengenalkan huruf hijaiyah masih menggunakan media seperti buku, papan tulis, poster. Dengan pembelajaran tersebut kurang begitu menarik dan anak mudah cepat bosan. Tujuan dari penelitian ini untuk menghasilkan aplikasi pengenalan huruf hijaiyah berbasis android menggunakan metode waterfall yang dapat dijadikan sebagai media pembelajaran yang baru pada PAUD Nabata, sehingga anak lebih semangat dalam belajar mengenal huruf hijaiyah dan tidak cepat bosan. Penelitian ini penulis membuat aplikasi pembelajaran yang berisikan pengetahuan dasar tentang huruf hijaiyah disertai dengan suara pengucapannya, dan keterangan bacaan sesuai harakatnya. Untuk hasil pengujian aplikasi telah melalui uji dari 1 ahli materi, 1 ahli media, dan 30 angket responden yang telah disebarkan dan menghasilkan, dari ahli media 100%, ahli materi 100%, dan angket responden 88.2%. Kesimpulan dari pengujian aplikasi Belajar Huruf Hijaiyah dapat dikatakan sangat layak.

The development of communication and information technology is developing very rapidly, one of which is the management of school payments at the Annual MA Masalikil Huda which is still done manually and tends to complicate the process of data input and payment reports that have been carried out. This research produces an application system needed in the payment process to facilitate data management. The system is designed using the RAD (Rappid Application Development) and UML (Unified Modeling Language) model system development method as system modeling. The application system provides information regarding student data management, payment data, payment reports and telegram notifications as proof of payment. The system has been tested using the blackbox testing method as a system functional validation test with the test results obtained 96.2% valid for all test cases. Whereas in the questionnaire respondents obtained 76.8% results indicating the system is very feasible to use in facilitating the management of school payment data at MA Masalikil Huda Annual Jepara. This study shows that the use of the RAD (Rappid Application Development) method is less suitable for more users because it is unable to meet all the needs of system users so that the resulting product is less accurate.

Hotel occupancy rates are the most important factor in hotel business management. Prediction of the rates for the next few months determines the manager's decision to arrange and provide all the needed facilities. This study performs the optimization of lag parameters and k values of the k-Nearest Neighbor algorithm on hotel occupancy history data. Historical data were arranged in the form of supervised training data, with the number of columns per row according to the lag parameter and the number of prediction targets. The kNN algorithm was applied using 10-fold cross-validation and k-value variations from 1-30. The optimal lag was obtained at intervals of 14-17 and the optimal k at intervals of 5-13 to predict occupancy rates of 1, 3, 6, 9, and 12 months later. The obtained k-value does not follow the rule at the square root of the number of sample data.

Perkembangan teknologi komunikasi dan informasi berkembang sangat cepat salah satunya pada pengelolaan pembayaran sekolah pada MA Masalikil Huda Tahunan yang masih dilakukan secara manual dan cenderung menyulitkan dalam proses input data serta laporan pembayaran yang telah terlaksana. Penelitian ini menghasilkan Sistem Aplikasi yang dibutuhkan dalam proses pembayaran untuk mempermudah pengelolaan data. Sistem dirancang menggunakan metode pengembangan sistem model RAD ( Rappid Application Development ) dan UML ( Unified Modelling Language ) sebagai permodelan sistem. Sistem aplikasi menyediakan informasi mengenai pengelolaan data siswa, data pembayaran, laporan pembayaran serta notifikasi telegram sebagai bukti pembayaran. Sistem telah diuji dengan menggunakan metode blackbox testing sebagai pengujian validasi fungsional sistem dengan hasil pengujian diperoleh 96,2 % valid untuk keseluruhan kasus uji. Sedangkan pada angket responden memperoleh hasil 76,8% menunjukkan sistem sangat layak digunakan dalam mempermudah pengelolaan data pembayaran sekolah di MA Masalikil Huda Tahunan Jepara. Pada penelitian ini menunjukkan bahwa penggunaan metode RAD (Rappid Aplication Development) kurang cocok digunakan untuk pengguna yang lebih banyak karena tidak mampu mempenuhi seluruh kebutuhan pengguna sistem sehingga produk yang dihasilkan kurang akurat.