Indeks : https://jurnal.peneliti.net Penulis : Febriandika Dian Nurcahyo, Rizal Fadilah, Betha Nurina Sari Judul : Analisis Komparasi Algoritma dalam Prediksi Indeks Harga Saham Gabungan (IHSG) Tahun : July 2022 Masalah Penelitian : Mengetahui algoritma manakah yang dapat melakukan forecasting dengan performa yang paling baik terhadap Indeks Harga Saham Gabungan (IHSG) yang memiliki memiliki pergerakan yang sangat cepat dan memiliki fluktuasi yang besar sehingga sedikit sulit untuk memprediksinya. Metode Penelitiaan : Tahap pertama pada dataset, dilakukan pengambilan data dan penentuan time frame. Selanjutnya tahapan preparasi data untuk melakukan normalisasi dan filter data. Lalu, dilakukan prediksi dengan algoritma Linear Regression, Support Vector Machine (SVM) dan Neural Network. Setelah itu hasilnya berupa prediksi harga saham tertutup IHSG dari masing-masing algoritma yang telah diterapkan. Terakhir, tahapan Validasi berupa komparasi dari ketiga algoritma yang telah diterapkan untuk menentukan algoritma apa yang lebih bagus diantaranya dengan menggunakan T-Test. Kesimpulan : Hasil dari komparasi algoritma forecasting antara algoritma linear regression, neural network, dan support vector machine didapatkan bahwa algoritma neural networkmemiliki performa yang paling baik dengan nilai RMSE 14.660. Lalu digunakan sebuha teknik optimasi performa yaitu yang digunakan yaitu metode backward elimination pada model tersebut didapatkan bahwa performa algoritma pada model tersebut memiliki kenaikan terkecuali algoritma linear regression yang memiliki kenaikan nilai RMSE sebesar 33.340. Algoritma neural network ditambah metode backward eliminationmenjadi algoritma yang paling baik dengan nilai RMSE sebesar 10.895. Saran : Dari peneilitian yang telah dilakukan dipilih tiga algoritma yang dapat melakukan forecasting. Untuk penelitian selanjutnya dapat dibandingkan dengan algoritma lainnya yang dapat melakukan forecasting lalu dapat dilakukan metode-metode optimasi lainnya agar dapat mendapatkan performa yang lebih baik dalam memprediksi pergerakan indeks harga saham tersebut.
2. Nama Jurnal : Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi)
Indeks : https://jurnal.iaii.or.id Penulis : Humaira Nur Pradani, Faizal Mahananto Judul : Studi Literatur Human Activity Recognition (HAR) Menggunakan Sensor Inersia Tahun : 2021-2026 Masalah Penelitian : Seiring dengan berkembangnya MEMS (Micro Electro Mechanical Systems), akuisisi data HAR dapat dilakukan dengan lebih mudah dan efisien menggunakan sensor inersia. Pengolahan data sensor inersia untuk HAR membutuhkan serangkaian proses dan beragam teknik. Studi literatur ini bertujuan untuk merangkum berbagai pendekatan yang telah digunakan pada penelitian-penelitian yang sudah ada dalam membangun model HAR. Metode Penelitian : Studi literatur yang dilakukan terdiri dari beberapa tahapan. Mulai dari tahap Identification, Screening, Eligibity, hingga menghasilkan kumpulan artikel yang digunakan pada tahap Included. Tahapan pemilihanpublikasi yang ditinjau tersebut mengacu pada kerangka PRISMA (Preferred Reporting Items for Systematic reviews and Meta-Analyses) Kesimpulan : Studi literatur dilakukan melalui beberapa tahapan mulai identifikasi publikasi rujukan, screening penelitian, pengecekan kelayakan, dan didapatkan 38 penelitian terkait HAR dengan menggunakan sensor inersia. Dari 38 penelitian tersebut, dilakukan meta analisis terkait implementasi dalam berbagai bidang, jenis akuisisi data yang dilakukan, dataset publik yang dapat diakses, metode pra-proses yang digunakan dalam memproses data sensor, metode ekstraksi fitur yang digunakan dalam penelitian yang sudah ada, metode pemilihan fitur, metode klasifikasi, skenario pelatihan, performa model HAR dan terakhir mengidentifikasi tantangan dalam penelitian HAR menggunakan data sensor inersia. Dari hasil studi literatur yang telah dilakukan, diketahui bahwa model-model yang dihasilkan masih belum optimal dari segi akurasi. Saran : Penelitian mendatang mengenai HAR menggunakan sensor inersia dapat dilakukan dengan mempertimbangkan berbagai aspek tersebut. Sedangkan, studi literatur ini dapat dikembangkan lebih lanjut dengan penambahan publikasi yang ditelaah dan analisis lanjutan yang lebih rinci pada tiap proses pembuatan model HAR.