Pemalsuan ijazah digital menjadi permasalahan yang dapat mengurangi kepercayaan terhadap keaslian dokumen akademik. Penelitian ini bertujuan mengembangkan sistem verifikasi ijazah digital berbasis blockchain untuk menjamin integritas dan keaslian dokumen. Sistem dibangun dengan mengintegrasikan algoritma SHA-256, Merkle Tree, digital signature, dan blockchain. Proses verifikasi dilakukan melalui pembangkitan hash dokumen, pembentukan Merkle Root, serta pencocokan Merkle Root dan digital signature dengan data referensi yang tersimpan pada blockchain. Pengujian dilakukan menggunakan 14 dokumen yang terdiri atas 1 ijazah asli dan 13 ijazah yang telah dimodifikasi pada berbagai komponen data. Hasil pengujian menunjukkan bahwa sistem mampu mengidentifikasi seluruh dokumen sesuai kondisi sebenarnya dengan Accuracy Verification Rate sebesar 100%. Setiap perubahan data menghasilkan nilai hash dan Merkle Root yang berbeda sehingga dapat dideteksi secara akurat. Hasil penelitian menunjukkan bahwa integrasi SHA-256, Merkle Tree, digital signature, dan blockchain efektif dalam meningkatkan keamanan, integritas, serta keandalan proses verifikasi ijazah digital.
Risqy Pradana Putra, Fara Triadi -, Ahmad Rofiq Hakim
Perkembangan teknologi informasi mendorong penerapan sistem yang lebih efisien dan transparan dalam manajemen gudang. Penelitian ini bertujuan merancang sistem manajemen gudang berbasis QR Code dan Blockchain untuk meningkatkan akurasi, keamanan, dan efisiensi pelacakan barang. Sistem mengintegrasikan mikrokontroler ESP32, modul GM65 barcode scanner, printer thermal, dan UPS sebagai sumber daya mandiri. QR Code digunakan untuk identifikasi dan pelacakan barang secara real-time, sedangkan Blockchain memastikan data transaksi tersimpan secara aman, transparan, dan tidak dapat diubah. Penelitian menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian sistem. Hasil pengujian menunjukkan bahwa sistem mampu melakukan pencatatan, pemindaian, dan pembaruan data stok secara real-time dengan tingkat akurasi yang tinggi. Sistem ini memberikan solusi yang efektif untuk meningkatkan efisiensi operasional, keamanan data, dan transparansi dalam pengelolaan gudang berbasis Internet of Things (IoT).
This study aims to analyze the comparative performance of Cryptocurrency Bitcoin, Stocks, and Gold as investment instruments using performance measurement variables including the Sharpe, Treynor, Jensen, and Sortino ratios. This research employs a descriptive quantitative approach. The population consists of monthly closing prices of Bitcoin, IDX30 stocks, and Gold. The sampling technique used is saturated sampling, resulting in 60 data points for each investment instrument—Bitcoin, IDX30 stocks, and Gold—during the period from January 1, 2020 to December 31, 2024.The analytical method applied is comparative analysis using secondary data. The data were initially calculated using Microsoft Excel and subsequently processed statistically using SPSS through the Kruskal–Wallis test. The results indicate significant differences among Bitcoin, IDX30 stocks, and Gold when investment performance is assessed using the Sharpe, Treynor, Jensen, and Sortino indices.Based on the Kruskal–Wallis test, Gold demonstrates the best performance according to the Sharpe and Jensen indices, IDX30 stocks perform best according to the Treynor index, and Bitcoin shows the best performance according to the Sortino index. However, based on the highest overall average return value, Cryptocurrency Bitcoin outperforms the other instruments. Therefore, it can be concluded that the best alternative investment is Cryptocurrency Bitcoin. Penelitian ini bertujuan untuk menganalisis perbandingan kinerja Cryptocurrency Bitcoin, Saham, dan Emas sebagai instrumen investasi menggunakan variabel pengukuran kinerja Sharpe, Treynor, jensen, dan Sortino. Jenis penelitian merupakan kuantitatif Deskriptif. Populasi yang digunakan merupakan harga penutupan bulanan dari Bitcoin, IDX30, dan Emas. Teknik pemilihan sampel adalah sampel jenuh yang berjumlah 60 data untuk masing-masing instrumen investasi Bitcoin, Saham IDX30, dan Emas selama periode 1 januari 2020 – 31 Desember 2024. Metode analisis yang digunakan adalah metode komperatif dan menggunakan data sekunder. Data dihitung terlebih dahulu dengan menggunakan program Microsoft Excel kemudian diolah secara statistik menggunakan aplikasi SPSS yaitu Uji Kruskall-Wallis. Hasil penelitian menunjukkan bahwa terdapat perbedaan yang signifikan antara Bitcoin, Saham IDX30, dan Emas jika kinerja investasi dilihat dari Indeks Sharpe, Treynor, Jensen, dan Sortino. Berdasarkan uji Kruskal-Wallis, investasi terbaik menurut indeks Sharpe dan Jensen , adalah Emas, sedangkan menurut Indeks Teynor Saham IDX30, dan menurut Indeks Sortino adalah Cryptocurrency Bitcoin. Sedangkan dengan nilai jumlah rata-rata terbaik adalah Cryptocurrency Bitcoin. Sehingga dapat disimpulkan bahwa alternatif investasi terbaik adalah Cryptocurrency Bitcoin.
Ryan Anthony, Jechenthia Maria Taso, Stephen Yohanes Christopher, Ridhwan Ardiyansyah
This study aims to analyze and compare the performance of three algorithms, namely Support Vector Regression (SVR) with a linear kernel, XGBoost, and LightGBM, in predicting the Price of Ethereum cryptocurrency based on daily historical data. The study uses Ethereum Price data in USD for the last five years obtained from the investing.com website. The variables used are Close, Open, High, and Low Prices. The study uses two data splitting scenarios: 80% training data and 20% testing data, and 70% training data and 30% testing data. This study also uses time step variations to test the effect of time dependency on algorithm performance. The results indicate that the LightGBM algorithm has the best performance compared to the other two algorithms with an average MAE value for High Price of 75.486, SVR has a value of 115.590, and XGBoost has a value of 77.314 in the 80% training data and 20% testing data split. In the 70% training data and 30% testing data split, the LightGBM algorithm still excels with an average MAE value for High Price of 78.228, SVR of 104.356, and XGBoost of 83.573. Other evaluations such as RMSE and R2 also show the superiority of the LightGBM algorithm. For the required computation time, the SVR algorithm outperforms the other two algorithms.