Article Per Year (5 Year)
p-Index From 2021 - 2026
6.815
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Edukasi dan Penelitian Informatika (JEPIN) JMPM: Jurnal Matematika dan Pendidikan Matematika BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Sarwahita : Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Pattimura International Journal of Mathematics (PIJMath)
Martha, Shantika
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 58 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search
Journal : BIMASTER

 1   2   3   4 
KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DENGAN EUCLIDEAN DISTANCE DAN MANHATTAN DISTANCE UNTUK KLASIFIKASI STUNTING BALITA (Studi Kasus : Puskesmas Kelurahan Parit Mayor) Salsabila, Salsabila; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.77245

Abstract

Salah satu permasalahan serius di bidang kesehatan balita yang dihadapi Indonesia kini adalah stunting. Stunting adalah kondisi ketika balita mengalami gagal tumbuh disebabkan kekurangan gizi kronis, mengakibatkan balita sangat pendek dibandingkan balita normal seusianya. Berdasarkan standar WHO, prevalensi stunting harus dibawah 20%. Sementara di Indonesia pada tahun 2022, angka balita stunting mencapai 21,6%. Berdasarkan permasalahan tersebut, terdapat berbagai penelitian mengenai stunting balita yang salah satunya dengan analisis statistik. Pengolahan data berjumlah besar dapat dilakukan menggunakan pengklasifikasian dengan algoritma tertentu, sehingga hasil diperoleh dengan cepat dan akurat untuk memprediksi bahwa balita tersebut masuk dalam status penderita stunting atau tidak. Penelitian ini menggunakan metode K-Nearest Neighbor yang bertujuan membandingkan jarak Euclidean dan Manhattan untuk memperoleh pengukuran jarak yang baik pada klasifikasi stunting balita di Kelurahan Parit Mayor, Kota Pontianak. Hasil pemeriksaan status gizi balita tahun 2019 pada Kecamatan Pontianak Timur, kasus tertinggi yaitu di Kelurahan Parit Mayor sebesar 33,5%. Sampel yang digunakan yaitu data status gizi balita berusia 24-59 bulan dengan jumlah 385 data yang dimana pada data aktual terdapat 32 balita terdeteksi stunting. Diperoleh hasil pengukuran jarak terbaik menggunakan k = 3. Oleh karena itu, disimpulkan bahwa Manhattan distance memberikan performa yang baik dalam klasifikasi stunting balita di Kelurahan Parit Mayor pada kunjungan Februari 2023 dengan nilai akurasi 97,39% lebih tinggi daripada Euclidean distance yang memiliki akurasi sebesar 95,65% dengan selisih 1,74%.Kata Kunci : stunting, klasifikasi, k-nearest neighbor, Euclidean, Manhattan
IMPLEMENTASI HIDDEN MARKOV MODEL DALAM PREDIKSI TREND PASAR SAHAM INDOFOOD DI BURSA EFEK INDONESIA Deanovela, Adelea Delvi; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i5.99651

Abstract

Saham dikenal sebagai instrumen investasi yang paling populer karena memiliki potensi keuntungan yang tinggi, sekaligus berperan sebagai sumber pendanaan bagi perusahaan. Penelitian ini bertujuan untuk menentukan dan menyempurnakan parameter Hidden Markov Model menggunakan Algoritma Baum-Welch, serta menerapkan Algoritma Forward-Backward dan Viterbi untuk memperoleh prediksi trend pasar saham PT. Indofood Sukses Makmur, Tbk. sebagai dasar dalam penentuan keputusan investasi. HMM mampu memodelkan keadaan tersembunyi (hidden state) dari pergerakan harga saham yang bersifat stokastik dan tidak dapat diamati secara langsung, sehingga dapat memberikan gambaran pola pergerakan saham Indofood yang tersembunyi. Data yang digunakan meliputi harga penutupan saham harian yang didapatkan dari website yahoo finance yang kemudian diolah menjadi perubahan harga dan dikategorikan ke dalam tiga trend, yaitu naik, turun, dan tetap. Data kemudian dibagi menjadi 80% data training dan 20% data testing. Hasil dari Algoritma Forward-Backward dan Viterbi selama 96 pengamatan terhadap pola perubahan harga saham yaitu Turun, Naik, Tetap, Turun, Turun, Turun, Tetap, Naik, Naik,"¦, Tetap, menghasilkan prediksi pergerakan trend pasar saham dengan barisan hidden state optimal yang sama yaitu Bearish, Bullish, Bullish, Bearish, Bearish, Bearish, Bullish, Bullish, Bullish,"¦, Bullish. Model HMM mampu memetakan dan memprediksi arah trend saham dengan tingkat akurasi mencapai 72%. Temuan ini mengidentifikasikan bahwa HMM cukup handal dalam mengenali pola tersembunyi dari pergerakan harga saham INDF dan memberikan prediksi yang cukup akurat. Dari hasil prediksi tersebut maka sebaiknya PT.Indofood Sukses Makmur tidak tergesa-gesa dalam membuat keputusan dalam menjual saham, karena kenaikan harga saham tidak selalu mencerminkan kondisi trend pasar saham dalam posisi bullish.
IMPLEMENTASI WEB SCRAPING PADA ULASAN HOTEL MAESTRO PONTIANAK MENGGUNAKAN METODE LEXICON BASED Yogi, Vinsensius; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.76960

Abstract

Internet memungkinkan manusia berbagi informasi dari mana saja, dengan siapa saja, dan mempermudah mengakses informasi terkait sektor pariwisata. Dalam sektor pariwisata, hotel memiliki peran yang penting dalam menyediakan penginapan terutama bagi wisatawan. Hotel berbintang yang ada di Kalimantan Barat yaitu Hotel Maestro Pontianak. Di era Society 5.0 sekarang banyak website penyedia tiket hotel secara online, salah satunya Traveloka. Traveloka menyediakan layanan pemesanan tiket hotel secara online termasuk tiket Hotel Maestro Pontianak. Banyaknya yang menginap di hotel tersebut menyebabkan banyaknya ulasan yang diberikan oleh pengunjung melalui website Traveloka. Tujuan penelitian ini untuk menganalisis opini masyarakat terhadap pelayanan Hotel Maestro Pontianak menggunakan metode Lexicon Based. Dalam penelitian kali ini menggunakan metode Web Scraping yang kemudian dilanjutkan analisis sentimen menggunakan metode Lexicon Based. Data ulasan Hotel Maestro Pontianak dikumpulkan menggunakan teknik Web Scraping yang berjumlah 301 ulasan. Data ulasan diproses menggunakan text preprocessing untuk menyeragamkan bentuk kata agar kalimat setiap ulasan lebih terstruktur. Selanjutnya, pada hasil text preprocessing diproses menggunakan metode Lexicon Based dengan bantuan library VADER sentiment. Hasil dari proses compound score VADER sentiment divisualisasikan menggunakan word cloud dan bar chart yang menunjukan akurasi persentase yang didapat sebesar 65,9% untuk hasil kelas sentimen positif, 23,61% untuk hasil sentimen negatif dan 10,49% untuk hasil kelas sentimen netral.  Kata Kunci : Internet, Traveloka, VADER.
IMPLEMENTASI BICLUSTERING MENGGUNAKAN ALGORITMA BCBIMAX DALAM PEMETAAN POTENSI EKONOMI PERIKANAN INDONESIA Cornellia, Amanda; Satyahadewi, Neva; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.96035

Abstract

Pemanfaatan ekonomi perikanan Indonesia belum optimal dalam meningkatkan pembangunan ekonomi nasional karena potensi setiap provinsi yang berbeda-beda. Pemetaan potensi ekonomi perikanan Indonesia perlu dilakukan untuk menghasilkan perencanaan kebijakan dalam meningkatkan ekonomi perikanan. Penelitian ini menggunakan biclustering yang dapat mengelompokkan objek dan variabel dengan perilaku serupa. Tujuan penelitian ini adalah untuk mengelompokkan provinsi berdasarkan kemiripan potensi ekonomi perikanan secara simultan menggunakan biclustering dengan algoritma BCBimax. Data yang digunakan dalam penelitian ini adalah data sekunder tahun 2022 yang diperoleh dari Kementerian Kelautan dan Perikanan terkait ekonomi perikanan yaitu 9 variabel dari 34 provinsi di Indonesia. Proses analisis diawali dengan pembentukan matriks dari data, melakukan binerisasi, pembentukan bicluster dengan tahapan berupa pembagian matriks menjadi set kolom, pembagian matriks menjadi set baris, pembentukan dua submatriks, menyimpan bicluster, dan mengulangi pembentukan bicluster lainnya, diikuti pemetaan. Berdasarkan hasil penelitian, diperoleh sembilan bicluster dimana masing-masing bicluster bersifat tidak tumpang tindih karena terdiri dari provinsi yang berbeda-beda. Bicluster yang dihasilkan memiliki karakteristik yang berbeda-beda sehingga dapat dijadikan pertimbangan dalam perencanaan kebijakan. Dari 34 provinsi yang dianalisis menggunakan algoritma BCBimax, sebanyak 22 provinsi terpetakan dalam bicluster yang dihasilkan. Namun, terdapat 12 provinsi yang tidak masuk dalam bicluster, yaitu Provinsi Riau, Jambi, Bengkulu, DKI Jakarta, DI Yogyakarta, Banten, Bali, Nusa Tenggara Timur, Kalimantan Barat, Gorontalo, Sulawesi Barat, dan Papua Barat karena tidak memiliki kemiripan potensi ekonomi perikanan secara simultan.
ANALISIS FAKTOR YANG MEMPENGARUHI PROFITABILITAS BANK UMUM DENGAN NET INTEREST MARGIN (NIM) SEBAGAI VARIABEL INTERVENING TAHUN 2021-2023 (Studi Kasus: Laporan Keuangan Triwulan Bank Konvensional) Al Azizi, Fudhail Azzam Thoriqi; Martha, Shantika; Yudhi, Yudhi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.95972

Abstract

Profitabilitas merupakan indikator utama dalam menilai kinerja keuangan dan efisiensi operasional bank. Tingginya profitabilitas mencerminkan kemampuan bank menghasilkan laba dari aset yang dimiliki serta menunjukkan efektivitas dalam mengelola sumber daya, yang turut meningkatkan kepercayaan dari nasabah maupun investor. Salah satu ukuran profitabilitas yang umum digunakan adalah Return on Assets (ROA). ROA sangat dipengaruhi oleh pendapatan bunga bersih, yang tercermin dalam rasio Net Interest Margin (NIM). Selain NIM, beberapa faktor lain yang berpengaruh terhadap ROA adalah Capital Adequacy Ratio (CAR), Loan to Deposit Ratio (LDR), Biaya Operasional terhadap Pendapatan Operasional (BOPO), dan Non-Performing Loan (NPL). Penelitian ini bertujuan untuk mengetahui pengaruh CAR, LDR, BOPO, NPL, dan NIM terhadap ROA, dengan NIM sebagai variabel mediasi. Metode yang digunakan adalah analisis jalur, dengan uji-F dan uji-t untuk mengukur pengaruh langsung dan tidak langsung. Hasil menunjukkan bahwa CAR, LDR, BOPO, dan NIM berpengaruh signifikan terhadap ROA. Uji Sobel mengungkapkan bahwa NIM mampu memediasi hubungan antara CAR dan BOPO terhadap ROA, namun tidak memediasi LDR. Secara total, CAR berpengaruh positif terhadap ROA sebesar 0,028, LDR sebesar 0,135 (positif), BOPO sebesar -0,926 (negatif), dan NIM sebesar 0,316 (positif).
PENERAPAN METODE REGRESI ROBUST ESTIMASI-M DENGAN PEMBOBOTAN HAMPEL PADA ANALISIS PRODUKSI JAGUNG DI INDONESIA Asmara, Mira; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.99122

Abstract

Analisis regresi digunakan untuk membangun hubungan antara satu variabel terikat (Y) dan satu atau lebih variabel bebas (X) dalam model matematika. Metode yang sering digunakan untuk mengestimasi parameter adalah Metode Kuadrat Terkecil (MKT). Namun, keberadaan pencilan membuat metode ini kurang efektif, sehingga hasil estimasi parameter menjadi tidak akurat. Regresi robust adalah metode alternatif untuk mengestimasi parameter ketika terdapat pencilan. Dalam penelitian ini digunakan metode estimasi-M dengan pembobot Hampel sebagai solusi terhadap masalah pencilan. Tujuan penelitian ini adalah menerapkan regresi robust estimasi-M pada data produksi jagung di Indonesia berdasarkan data BPS tahun 2023 dari 34 provinsi. Pemilihan variabel jumlah curah hujan (X_1) dan jumlah pupuk (X_2) didasarkan pada pentingnya kedua faktor tersebut dalam mempengaruhi tingkat produksi jagung di sektor pertanian. Jagung dipilih sebagai objek penelitian karena merupakan salah satu komoditas pertanian utama yang berperan dalam ketahanan pangan dan industri pakan ternak di Indonesia. Pencilan dalam data diidentifikasi menggunakan boxplot dan nilai DFFITS, yang menunjukkan adanya pencilan, sehingga digunakan regresi robust estimasi-M dengan pembobotan Hampel. Berdasarkan model yang dihasilkan menunjukkan bahwa kenaikan 1 mm curah hujan per tahun diperkirakan akan meningkatkan produksi jagung sebesar 28,0696 ton, sedangkan kenaikan 1 kg pupuk diperkirakan akan meningkatkan produksi jagung sebesar 0,6830 ton. Model ini memiliki adjusted R-Square sebesar 98,98% dan standard error sebesar 91600, sehingga menghasilkan estimasi yang lebih stabil.
PENERAPAN LONG SHORT-TERM MEMORY DALAM PERAMALAN HARGA CRUDE PALM OIL DI INDONESIA Calissta, Leanna Belva; Perdana, Hendra; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i3.95311

Abstract

Crude Palm Oil (CPO) adalah jenis minyak nabati yang dihasilkan dari buah tanaman kelapa sawit. Di Indonesia, CPO memegang peranan penting di industri perdagangan ekspor. Akan tetapi, harga CPO yang fluktuatif dapat menimbulkan risiko untuk pihak terlibat, sehingga peramalan dilakukan untuk meminimalisir risiko tersebut. Long Short-Term Memory (LSTM) merupakan salah satu metode yang dapat digunakan. LSTM adalah metode hasil dari pengembangan Recurrent Neural Network. Tujuan penelitian ini yaitu menerapkan metode LSTM untuk meramalkan harga CPO di Indonesia pada periode 1 Agustus hingga 30 Agustus 2024. Data yang digunakan yaitu data harian harga CPO di Indonesia dengan jangka waktu dari 3 April 2023 hingga 31 Juli 2024 yang diperoleh dari website Badan Pengawas Perdagangan Berjangka Komoditi. Pada penelitian ini, dilakukan pembagian data dimana data training sebanyak 260 data untuk pelatihan model dan testing sebanyak 41 data untuk evaluasi model. Parameter yang digunakan yaitu epoch, dimana jumlah epoch sebanyak 10. Penelitian ini dilakukan menggunakan bantuan software RStudio dengan package yang digunakan yaitu "Tsdeeplearning". Dari penelitian yang telah dilakukan, didapatkan hasil bahwa metode LSTM mampu melakukan peramalan harga CPO di Indonesia dengan nilai Mean Absolute Percentage Error (MAPE) yang diperoleh pada data training yaitu sebesar 3,69% dan pada data testing sebesar 4,74%. Dengan nilai MAPE tersebut, akurasi model peramalan dapat dikategorikan sangat baik. Dari hasil peramalan diperoleh bahwa harga tertinggi ada pada tanggal 5 Agustus 2024 sebesar Rp16.006 per kg dan harga terendah pada tanggal 16 Agustus 2024 sebesar Rp14.960 per kg.
PENERAPAN SUPPORT VECTOR MACHINE DENGAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE (SMOTE) DALAM PENGKLASIFIKASIAN PENYAKIT DIABETES Nurhaliza, Sy. Farini; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i3.94380

Abstract

Algoritma Support Vector Machine (SVM) merupakan salah satu metode dalam data mining yang populer digunakan untuk klasifikasi, terutama karena kemampuannya dalam menangani data berdimensi tinggi. Meskipun begitu, performa SVM dapat menurun jika terdapat ketidakseimbangan kelas pada data, karena kelas mayoritas cenderung mendominasi hasil prediksi sehingga kelas minoritas sering terabaikan. Penelitian ini bertujuan untuk menerapkan algoritma SVM dalam pengklasifikasian penyakit diabetes dengan membandingkan performa model sebelum dan sesudah diterapkannya Synthetic Minority Over-sampling Technique (SMOTE). Data yang digunakan adalah PIMA Indian Diabetes dari Kaggle yang diketahui memiliki distribusi kelas yang tidak seimbang. Untuk mengatasi hal tersebut, SMOTE digunakan dengan parameter K-Nearest Neighbors sebanyak 3, dengan kelas positif mewakili pasien yang terdiagnosa diabetes. Evaluasi dilakukan terhadap tiga jenis Kernel SVM, yaitu Linear, RBF, dan Polinomial, pada data latih maupun data uji. Hasil pada data latih menunjukkan bahwa penggunaan SMOTE dapat meningkatkan nilai recall dan F1-score secara signifikan dibandingkan model tanpa SMOTE. Misalnya, model dengan SMOTE dan Kernel RBF menghasilkan akurasi 0,9828, recall 0,9863, dan F1-score 0,9822. Sebaliknya, model tanpa SMOTE menghasilkan F1-score sebesar 0,1600 pada data uji, menunjukkan potensi overfitting. Pada data uji, penerapan SMOTE juga meningkatkan performa, terutama pada Kernel Linear dan Polinomial. Kernel Linear dengan SMOTE mencapai recall sebesar 0,7368 dan F1-score 0,6829, lebih baik dibandingkan model tanpa SMOTE. Hasil ini menunjukkan bahwa pola klasifikasi pada data cenderung linier.
PEMODELAN REGRESI PANEL SPASIAL PADA TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KALIMANTAN BARAT Wuri, Hastri Sastia; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74371

Abstract

Tingkat Pengangguran Terbuka (TPT) adalah persentase dari jumlah pengangguran terhadap angkatan kerja pada suatu daerah. Penelitian ini bertujuan untuk mengetahui model yang sesuai dan menganalisis faktor yang mempengaruhi tingkat pengangguran terbuka untuk Kabupaten/Kota pada Provinsi Kalimantan Barat. Data pada penelitian ini menggunakan lima variabel yaitu TPT, TPAK, IPM, APS, dan RLS. Langkah-langkah pada penelitian ini dimulai dengan melakukan identifikasi pada data panel menggunakan 2 uji yaitu uji chow dan hausman dalam membandingkan model terbaik. Membuat pembobot spasial menggunakan Queen Contiguity dalam mendeteksi dependensi spasial melalui pengujian lagrange multiplier dalam mendapatkan efek spasial lag untuk model SAR-FE dan spasial error untuk model SEM-FE. Hasil pada penelitian menunjukkan model terbaik adalah model SAR-FE dengan nilai  sebesar 86,4% dengan model yang terbentuk .Pada model didapatkan faktor yang mempengaruhi TPT untuk Kabupaten/Kota  di Provinsi Kalimantan Barat yaitu tingkat partisipasi angkatan kerja dan indeks pembangunan manusia.  Kata Kunci: Data Panel, Panel Spasial, Tingkat Pengangguran Terbuka
PERAMALAN HARGA TANDAN BUAH SEGAR KELAPA SAWIT MENGGUNAKAN FUZZY TIME SERIES RUEY CHYN TSAUR Hamdari, Ela; Martha, Shantika; Debataraja, Naomi Nessyana
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74051

Abstract

Kelapa sawit merupakan tanaman yang banyak ditanam di Indonesia, hal ini dikarenakan Indonesia memiliki kondisi geografis yang cocok dikembangkan menjadi perkebunan kelapa sawit. Kelapa sawit merupakan tanaman perkebunan yang memiliki nilai tambah ekonomi yang tinggi. Maka dari itu diperlukan informasi terkait harga TBS kelapa sawit. Hal ini bertujuan untuk mengambil kebijakan dalam mengatasi permasalahan terkait harga TBS menjelang panen. Untuk mengetahui informasi terkait harga TBS maka diperlukan proses peramalan. Peramalan adalah cara untuk memprediksi kejadian kedepannya menggunakan data yang diperoleh sebelumnya. Didalam penelitian ini terdapat tujuan yaitu menerapkan metode Fuzzy Time Series Ruey Chyn Tsaur dalam meramalkan harga tandan buah segar (TBS) kelapa sawit di Kalimantan Barat. Data yang diolah merupakan harga TBS pada bulan Januari 2020 hingga Januari 2023. Tahapan yang dilakukanpada penelitian yaitu menetapkan semesta pembicaraan, menetapkan interval, menganalisis himpunan fuzzy yang terbentuk, membentuk fuzzifikasi, mengidentifikasi fuzzy logic relationship, mengidentifikasi fuzzy logic relationship grup, menyusun matriks probabilitas transisi, menentukan nilai peramalan awal, melakukan penyesuaian kecenderungan nilai peramalan dan menentukan   nilai peramalan akhir. Hasil penelitian menunjukkan peramalan harga TBS di Kalbar pada Februari 2023 sebesar Rp.2,088,94. Metode Fuzzy Time Series Ruey Chyn Tsaur dapat diterapkan untuk peramalan harga TBS di Kalbar melalui tingkat kesalahan atau Mean Absolute Percentage Error (MAPE) sebesar 8,98%, yang dapat disimpulkan bahwa hasil peramalan harga TBS di Kalbar menggunakan Fuzzy Time Series Ruey Chyn Tsaur tergolong sangat baik.  Kata Kunci: fuzzifikasi,   fuzzy logic relationship, MAPE
Co-Authors , Syahru Rahmayuda, Haris Febriyanto Ramadhan , Sampe Hotlan Sitorus Agustono, Hendri Al Azizi, Fudhail Azzam Thoriqi Amarrullah, Rido Andani, Wirda Anggria, Vini Anjelika, Seselia Apriliyanti, Rita Aprizkiyandari, Siti Arsanti, Resti Asmara, Mira AYU ASTUTI, AYU Ayuni, Anisa Putri Bartolomius, Bartolomius Cahyani, Cristy Framedia Calissta, Leanna Belva Clarenda Siboro, Viren Marcellya Cornellia, Amanda Dadan Kusnandar Deanovela, Adelea Delvi Debataraja, Naomi Nessyana Dwi Marisa Midyanti Dyaherawati, Oktavia Ersawahyuni, Aisna Evy Sulistianingsih Fallah, Khalishah Ghina Fiqriah, Isnaini Gunawan, Risky Hamdari, Ela Hariadi, Wahyudio Shaney Fikri Hendra Perdana hidayatullah, Hidayatullah hidayatullah Huda, Nur’ainul Miftahul Idilla, Leona Ilhamsyah Imro'ah, Nurfitri IMRO’AH, NURFITRI Indriani, Maria Meilinda Istighfarani, Ridha Maharani, Cinta Priscillia Mori, Stepanus Armadi Muhtadi, Radhi Neva Satyahadewi Novi Safitri Nurhaliza, Sy. Farini Oktitannia, Dea Pebriyandi, Rifki Pramesti, Surya Adinda Fitria Prianti, Sabrina Eka Purwanty, Purwanty Puspita, Risma Radinasari, Nur Ismi Rahmadanti, Putri Rahmawati, Fenti Nurdiana Rezaldi, Muhammad Fachri Riovani, Vriska Dwi Rivaldi, Syahrul Rizki, Setyo Wira Robbiati, Dian Sadikin, Utin Azwa Sayhani Salsabila, Salsabila Salsabila, Yumna Hanum Sindia, Eri Tamtama, Ray Umiati, Wiji Vebriyanti, Lo Mei Ly Wuri, Hastri Sastia Yogi, Vinsensius Yudhi Yundari, Yundari Zaria, Della