Article Per Year (5 Year)
p-Index From 2021 - 2026
6.592
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Media Statistika Jurnal Studi Manajemen Organisasi Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Ilmiah KOMPUTASI BAREKENG: Jurnal Ilmu Matematika dan Terapan JOURNAL OF APPLIED INFORMATICS AND COMPUTING JTAM (Jurnal Teori dan Aplikasi Matematika) Jiko (Jurnal Informatika dan komputer) JURNAL PENDIDIKAN TAMBUSAI Jurnal Pendidikan dan Konseling Jurnal Sistem informasi dan informatika (SIMIKA) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pembelajaran Pemberdayaan Masyarakat (JP2M) International Journal of Advances in Data and Information Systems Al-Mutharahah: Jurnal Penelitian dan Kajian Sosial Keagamaan Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Nusantara Science and Technology Proceedings Jurnal Teknik Informatika (JUTIF) International Journal of Community Service International Journal of Data Science, Engineering, and Analytics (IJDASEA) Journal of Renewable Energy, Electrical, and Computer Engineering Jurnal Inkofar Kreatifitas: Jurnal Ilmiah Pendidikan Islam Bhakti Nagori (Jurnal Pengabdian kepada Masyarakat) Jurnal Ilmiah Edutic : Pendidikan dan Informatika Malcom: Indonesian Journal of Machine Learning and Computer Science Eksponensial Baitul Hikmah: Jurnal Ilmiah Keislaman Kohesi: Jurnal Sains dan Teknologi ITIJ Seminar Nasional Teknologi dan Multidisiplin Ilmu Parameter: Jurnal Matematika, Statistika dan Terapannya Jurnal ilmiah teknologi informasi Asia
Trimono, Trimono
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 2   3   4   5   6 
COMPARISON BETWEEN VALUE AT RISK AND ADJUSTED EXPECTED SHORTFALL: A NUMERICAL ANALYSIS Trimono, Trimono; Maruddani, Di Asih
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 3 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol17iss3pp1347-1358

Abstract

Loss risk is one of the variable that always appears in every kind of investment. On stock asset investments, the characteristics of the risk of loss is uncertain, this means that losses can occur at any time with a value that cannot be determined certainly. From this condition, investors must manage the loss risk appropriately in order to retain investment stability and get optimal profits. One of the important processes in risk management is loss risk forecast. Risk forecast can be done using risk measures. In stock investment, Value at Risk (VaR) is the most widely used risk measure because has a simple model and can be applied to many types of stocks. However, VaR does not satisfy the axiom of subadditivity, thus VaR is not a coherent risk measure. Another risk measure that is coherent and can be used as an alternative to predict loss risk is the Adjusted-Expected Shortfall (Adj-ES). This study aims to compare VaR and Adj-ES through numerical analysis and backtesting test. So we can get reference to conclude the best risk measure for predicting losses on stock investments. The data used in this study are 2022 IDX blue chip i. e EXCL.JK and ICBP.JK from 09/01/21 to 09/09/22. Based on the backtesting test, the violation ratio value for Adj-ES in every violation probability is less than 1 is less than 1. Then, for VaR at 1% violation probability, the violation ratio value is > 1.
Perbandingan Kinerja LSTM dan GA-LSTM dalam Prediksi Curah Hujan Harian sebagai Strategi Mitigasi Bencana Banjir di Jawa Timur Linggasari, Dienna Eries; Idhom, Mohammad; Trimono, Trimono
Jurnal Ilmiah Komputasi Vol. 24 No. 3 (2025): Jurnal Ilmiah Komputasi : Vol. 24 No 3, September 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.24.3.3833

Abstract

Curah hujan merupakan salah satu parameter iklim penting yang sangat memengaruhi keseimbangan lingkungan dan kehidupan manusia, khususnya di daerah tropis seperti Surabaya. Variabilitas curah hujan yang tinggi dapat memicu bencana banjir, sehingga prediksi curah hujan yang akurat menjadi langkah penting dalam upaya mitigasi. Namun, karakteristik curah hujan yang bersifat non-linear, musiman, dan mengandung banyak fluktuasi acak menjadikan prediksi ini sebagai tantangan tersendiri. Penelitian ini bertujuan untuk membandingkan performa model Long Short-Term Memory (LSTM) dan LSTM yang dioptimasi dengan algoritma genetika (GA-LSTM) dalam memprediksi curah hujan harian di Surabaya. Data yang digunakan merupakan data curah hujan harian dari BMKG Surabaya selama periode 2020–2024. Metode penelitian mencakup preprocessing data, pembentukan sekuens, pelatihan model LSTM, optimasi hyperparameter menggunakan GA, serta evaluasi model dengan metrik MSE, RMSE, dan MAE. Hasil penelitian menunjukkan bahwa model GA-LSTM memberikan hasil prediksi yang lebih akurat dengan nilai MSE sebesar 0.0060, dibandingkan dengan LSTM standar sebesar 133.33. Performa GA-LSTM yang lebih stabil dalam menangani fluktuasi ekstrem menunjukkan bahwa pendekatan optimasi berbasis evolusi efektif dalam meningkatkan akurasi prediksi deret waktu curah hujan. Hasil ini diharapkan dapat menjadi referensi ilmiah bagi perumusan kebijakan mitigasi banjir berbasis data.
Penyusunan media pembelajaran digital menggunakan bahasa pemrograman R-Shiny 4.3.3 pada jenjang sekolah menengah atas Trimono, Trimono; Ikaningtyas, Maharani; Widayawati, Eny; Riyantoko, Prismahardi Aji; Widison, Daffin Tanjiro; Khosyi, Hanun Aufa Nur
Jurnal Pembelajaran Pemberdayaan Masyarakat (JP2M) Vol. 6 No. 3 (2025)
Publisher : Universitas Islam Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33474/jp2m.v6i3.22899

Abstract

Penerapan Kurikulum Merdeka pada jenjang SMA berorientasi pada pemanfaatan teknologi dalam proses pembelajaran. Namun, fakta yang terjadi menunjukan bahwa penerapan belum berjalan optimal karena keterbatasan perangkat dan kurangnya penguasaan teknologi oleh guru dan murid. Hal tersebut berdampak pada proses transfer materi yang terhambat, hasil belajar yang belum sesuai target sekolah, serta siswa yang mengalami kesulitan dalam mempelajari materi yang diberikan. Untuk mengatasinya, akan disusun aplikasi pembelajaran digital berbasis Graphical User Interface (GUI).  Aplikasi disusun menggunakan bahasa pemrograman R-Shiny 4.3.3 dan terdiri dari dua struktur utama yaitu ui.io dan server.io. Ui.io berisi perintah mengatur tampilan aplikasi dan dijalankan melalui perintah dashboardHeader, dashboardSidebar dan tabsetPanel. Server.io berisi perintah komputasi untuk memperoleh hasil akhir. Perintah yang digunakan meliputi output$contents, renderDataTable, renderPrint, dan renderPlot. Kegiatan ini bertujuan untuk memberikan keahlian kepada guru untuk menciptakan aplikasi pembelajaran digital yang dapat diterapkan pada proses pembelajaran. Melalui uji mean sampel berpasangan, pada tingkat kepercayaan α = 5% diperoleh hasil bahwa terdapat peningkatan yang signifikan dalam hal kemampuan guru dalam menyusun media pembelajaran. Rata-rata kemampuan guru sebelum mengikuti pelatihan adalah 1,21 dan setelah pelatihan adalah 8,34. Luaran utama yang diperoleh adalah aplikasi pembelajaran untuk mata kuliah Matematika, Fisika, Kimia, dan Ekonomi.
The Influence of Region on Reading Habits in Indonesia: RM-MANOVA Analysis of Population Aged 5+ (2018) Febyanti, Iin; Safira Devi, Arsita; Nugraheni, Setiawati; Wardah, Salsabila; Nasrudin, Muhammad; Trimono, Trimono
Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 4 No 2 (2025): Parameter: Jurnal Matematika, Statistika dan Terapannya
Publisher : Jurusan Matematika FMIPA Universitas Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/parameterv4i2pp275-286

Abstract

This study explores the reading habits of the Indonesian population aged 5 and above, focusing on differences between urban and rural areas. Using data from the 2018 BPS survey, the research examines the proportion of individuals who engaged in reading various materials in printed and electronic formats over the past seven days. A Repeated Measures Multivariate Analysis of Variance (RM MANOVA) was employed to assess the influence of regional factors on reading behavior. The results indicated significant disparities: urban populations tend to read a broader range of materials such as newspapers, magazines, and scientific texts, while rural populations focused more on textbooks and basic materials. These findings highlight the need for regionally tailored literacy strategies to ensure equitable access to reading resources across Indonesia.
Prediksi Laju Inflasi di Jawa Timur Menggunakan Model N-BEATS dan Optimasi Optuna: Prediction of Inflation Rate in East Java Using the N-BEATS Model and Optuna Optimization Riswanda, Mohammad Nizar; Trimono, Trimono; Saputra, Wahyu Syaifullah Jauharis
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.2141

Abstract

Inflasi merupakan indikator penting yang memengaruhi kestabilan dan pertumbuhan ekonomi suatu wilayah. Prediksi inflasi yang akurat sangat dibutuhkan guna mendukung perumusan kebijakan ekonomi yang tepat. Penelitian ini mengusulkan penggunaan model N-BEATS (Neural Basis Expansion Analysis for Time Series) yang dioptimalkan dengan Optuna untuk memprediksi inflasi di Provinsi Jawa Timur. Data yang digunakan berupa deret waktu univariat, yaitu laju inflasi bulanan dari Januari 2005 hingga Desember 2024, yang diperoleh dari Badan Pusat Statistik (BPS). Evaluasi performa model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE). Berbeda dengan model tradisional seperti ARIMA dan LSTM, N-BEATS mengandalkan jaringan saraf feedforward dengan arsitektur blok residual yang mampu melakukan rekonstruksi masa lalu (backcast) dan prediksi masa depan (forecast). Optimasi hyperparameter melalui Optuna berhasil meningkatkan akurasi model secara signifikan. Hasil Penelitian menunjukkan bahwa N-BEATS teroptimasi mencapai MAPE sebesar 8,97%, lebih baik dibandingkan N-BEATS dasar (11,05%), ARIMA (16,95%), dan LSTM (12,23%). Temuan ini mengindikasikan bahwa pendekatan N-BEATS dengan Optuna efektif dalam meningkatkan akurasi prediksi inflasi dan dapat menjadi alat bantu penting bagi perencanaan ekonomi di tingkat daerah.
Integrating IndoBERTweet and GRU for Opinion Classification on X Towards Public Transportation in Jakarta Nafiah, Fajria Ulumin; Panglima, Talitha Fujisai; Idhom, Mohammad; Trimono, Trimono
Journal of Applied Informatics and Computing Vol. 9 No. 5 (2025): October 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i5.10723

Abstract

Jakarta, the capital of Indonesia, faces persistent challenges with its public transportation system due to rapid urbanization, increased use of private vehicles, and poor service quality. While social media platforms such as X (formerly Twitter) offer valuable insights into public opinion, their unstructured nature complicates analysis. This study uses deep learning models to categorize user sentiments into six labels that cover positive and negative aspects of comfort, safety, and punctuality. The results show that IndoBERTweet achieved the highest performance, with 95.43% accuracy and a macro F1-score of 0.9545. It also required the shortest training time, at six minutes and 30 seconds. IndoBERTweet+GRU followed closely behind with an accuracy of 94.62% and a macro F1-score of 0.9460 in six minutes and 50 seconds. This shows that adding a GRU layer provides competitive results, but does not surpass the baseline model. Error analysis revealed that, while the models performed well with explicit sentiments, the models struggled with implicit expressions, such as sarcasm and mixed opinions. These results demonstrate the potential of sentiment analysis in real-time monitoring systems, which could help policymakers identify urgent issues and support data-driven improvements in Jakarta’s urban transportation services.
STOCK PRICE PREDICTION IN INDONESIA USING EXTREME GRADIENT BOOSTING OPTIMIZED BY ADAPTIVE PARTICLE SWARM OPTIMIZATION Safira, Alya Mirza; Trimono, Trimono; Hindrayani, Kartika Maulida
MEDIA STATISTIKA Vol 18, No 1 (2025): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/medstat.18.1.105-115

Abstract

High volatility is a major problem in generating accurate predictions of stock prices. It also causes unstable predictions and increases the loss risk. Therefore, an adaptive prediction model that is able to adjust to dynamic data pattern changes is needed. This study aims to address these issues by developing an Extreme Gradient Boosting (XGBoost) model optimized using Adaptive Particle Swarm Optimization (APSO). XGBoost was chosen for its ability to handle nonlinear relationships and minimize overfitting, while APSO serves to adaptively adjust parameters to obtain the optimal combination of hyperparameters. The novelty of this research lies in the application of XGBoost-APSO integration in the context of stock price prediction in the Indonesian capital market, which is characterized by high volatility. The study was conducted using daily closing price data of PT Aneka Tambang Tbk (ANTM) shares from November 2020 to May 2025 to predict prices seven days ahead. The results show that the XGBoost-APSO model provides the best performance with a MAPE value of 0.2%, superior to XGBoost-PSO (2.58%) and standard XGBoost (2.91%). This approach effectively improves prediction accuracy and supports quick and accurate investment decision making, while contributing to the development of intelligent prediction systems in the Indonesian capital market.
Pengaruh Faktor Lingkungan Terhadap Distribusi Kasus DBD di Jakarta Selatan Menggunakan Pendekatan Geographically and Temporally Weighted Regression (GTWR): The Effect of Environmental Factors on the Distribution of Dangue Fever Cases in South Jakarta Using Geographically and Temporally Weighted Regression (GTWR) Approach Carissa, Savvy Prissy Amellia; Sugiarti, Nova Putri Dwi; Trimono, Trimono; Idhom, Mohammad
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2116

Abstract

Demam Berdarah Dengue (DBD) adalah penyakit endemis yang dipengaruhi oleh banyak faktor lingkungan dan memiliki pola penyebaran yang kompleks secara spasial dan temporal.  Dengan menggunakan pendekatan Geographically and Temporally Weighted Regression (GTWR), penelitian ini bertujuan untuk menganalisis distribusi kasus DBD di wilayah Jakarta Selatan. Suhu maksimum dan suhu minimum memiliki dampak positif yang konsisten terhadap peningkatan kasus DBD, menurut hasil penelitian.  Kinerja model GTWR ditunjukkan dengan nilai R-squared 0,5697 dan AIC 556,766. Visualisasi peta risiko mengidentifikasi wilayah seperti Jagakarsa, Cilandak, dan Mampang Prapatan sebagai daerah dengan risiko tinggi, dan pola musiman memperlihatkan peningkatan kasus pada awal hingga pertengahan tahun serta penurunan pada musim kemarau.
Peranan Baznas dalam Meningkatkan Perekonomian Masyarakat 3T di Kabupaten Kepulauan Meranti Provinsi Riau Nasution, Baktiar; Herlina, Herlina; Abdullah, Abdullah; Trimono, Trimono; Rafiqah, Lailan
Jurnal Pendidikan Tambusai Vol. 6 No. 3 (2022): December 2022
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v6i3.14718

Abstract

Kesmiskinan merupakan persoalan krusial yang menjadi pusat perhatian pemerintah. Salah satu aspek yang terpenting dalam menanggulangi kemiskinan dengan adanya data Untuk melakukan pengukuran tingkat kemiskinan disetiap kabupaten kota diseluruh indonesia. Beradasarkan data dari badan pusat statistik provinsi riau kabupaten kepulauan meranti berada pada kategori tinggi untuk tingkat kemiskinan pada angka 25.68%. Tujuan penelitian ini adalah untuk Meningkatkan Perekonomian Masyarakat 3 T Di Kabupaten Kepulauan Meranti Provinsi Riau melalui program baznas. Peneliti menggunakan pendekatan kualitatif Deskriptif dengan jenis studi kasus untuk menjabarkan secara rinci sesuai keadaan dilapangan. Dengan adanya pemberdayaan masyarakat mengarah pada perubahan sosial ekonomi sehingga masyarakat mampu dan mempunyai pengetahuan serta keterampilan dalam menjalani kehidupan untuk meningkatkan pendapatan, memecahkan permasalahan yang dihadapi, dan mengembangkan cara untuk menjangkau sumber daya yang diperlukan.
Comparison of Elbow and Silhouette Methods in Optimizing K-Prototype Clustering for Customer Transactions Kuswardana, Dendy Arizki; Prasetya, Dwi Arman; Trimono, Trimono; Diyasa, I Gede Susrama Mas
EDUTIC Vol 12, No 1: 2025
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/edutic.v12i1.29744

Abstract

This research presents a comparative analysis of the Elbow and Silhouette methods to identify the ideal number of clusters in applying the K-Prototypes algorithm for customer grouping using purchase transaction data. The K-Prototypes algorithm is employed due to its ability to handle both numerical and categorical data simultaneously. Customer purchase transaction data from the Point of Sale (POS) system is analyzed through preprocessing, feature transformation, and attribute segmentation stages before being clustered using the K-Prototypes algorithm. To identify the optimal cluster count, this study employs two methods: the Elbow and the Silhouette method. The results indicate that the Elbow method produces 2 clusters with a model evaluation score of 0.6368, while the Silhouette method suggests 2 clusters with a slightly lower score of 0.6186. In terms of computational efficiency, the Elbow method also demonstrates a faster processing time results highlight the significance of choosing an appropriate method for identifying the ideal number of clusters, ensuring it aligns with the specific goals of the analysis, whether emphasizing superior inter-cluster distinction or favoring a more parsimonious model configuration.
Co-Authors Abdullah Abdullah Ade Irma Agustian Adiwidyatma, Afdhal Reshanda Aliya Dasa Pramesthi Amanillah, Rahmatul Ardiani, Ardia Eva Arif, Farah Yusnaida Arifta, Septia Dini Aurelia, Cenditya Ayu Aviolla Terza Damaliana Awang, Wan Suryani Wan Aziziyah, Luqna Azni Aisyah Azzahra, Adelia Ramadhina Bainar Bainar, Bainar Bey Lirna, Cagiva Chaedar Carissa, Savvy Prissy Amellia Damaliana, Aviolla Terza Dewi, Ni Luh Ayu Nariswari Di Asih I Maruddani Di Asih I Maruddani Diash, Hakam Dzakwan Diyasa, I Gede Susrama Mas Dwi Arman Prasetya Fahrudin, Tresna Maulana Fairuz Luthfia Winoto Putri, Maretta Febri Giantara Febriyanti, Alvi Yuana Febyanti, Iin Fitriani, Aulia Nur Hadi, Surjo Hadiyan Pradipta, Alvino Hasan Herlina Herlina Hervrizal, Hervrizal Hindrayani, Kartika Maulida I Gede Susrama Mas Diyasa Icha Rohmatul Jannah idhom, Mohammad Ikaningtyas, Maharani Irawan, Tanaya Anindita Kartini Kartini Kassim, Anuar bin Mohamed Khairunisa, Adenda Khosyi, Hanun Aufa Nur Kusdani, Kusdani Kuswardana, Dendy Arizki Linggasari, Dienna Eries Lisanthoni, Angela Maruddani, Di Asih Mas Diyasa, I Gede Susrama Mas Diyasa, I Gede Susrama Susrama Maulana Pasha, Naufal Ricko Maulidiyyah, Nova Auliyatul Mohammad Idhom Muhaimin, Amri Muhammad Nasrudin Nabila, Nasywa Azzah Nafiah, Fajria Ulumin Nariyana, Calvien Danny Nasution, Baktiar Nathania, Vannesa Ningrum, Imelda Widya Ningtiyas, Rona Wulan Novita Anggraini Nugraheni, Setiawati Oktaviani, Sheny Eka Panglima, Talitha Fujisai Prisma Hardi Aji Riyantoko Putra, Andrawana Putri Ariyani, Kinanthi Putri, Irma Amanda Putri, Nabila Rizky Amalia Rafiqah, Lailan Rafli Feandika Nugroho, Muhammad Ratna Yulistiani Renaldi, Sahat Rhomaningtias, Lina Riswanda, Mohammad Nizar Riyantoko, Prismahardi Aji Ryan Dana, Alvin Sabela, Sefilah Naurah Safira Devi, Arsita Safira, Alya Mirza Salma Namira, Alivia Saputra, Wahyu Syaifullah Jauharis Sihananto, Andreas Sonhaji, Abdulah Sugiarti, Nova Putri Dwi Suprapto, Rheinka Elyana Susrama Mas Diyasa , I Gede Syamsul Rizal Syukri Syukri Tarno Tarno Taufik, Ikbar Athallah Terza Damaliana, Aviolla Utami, Rianti Siswi Utriweni Mukhaiyar Valentina, Tiara Wardah Ariij Adibah Wardah, Salsabila Wibowo, Muhammad Bagas Satrio Widayawati, Eny Widison, Daffin Tanjiro Yuciana Wilandari yuliza, eva Zalfa Assyadida, Azizah