Claim Missing Document
Check
Articles

Found 96 Documents
Search
Journal : BIMASTER

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.
PREDIKSI HARGA SAHAM PT SEMEN INDONESIA (PERSERO) TBK PADA MASA PEMBANGUNAN AWAL IKN DENGAN GERAK BROWN GEOMETRIK Nurfadilah, Kori’ah; Yundari, Yundari; Satyahadewi, Neva
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.v14i5.99546

Abstract

PT Semen Indonesia (SMGR) memiliki peranan penting dalam pemasok Green Cement pembangunan Ibu Kota Nusantara (IKN). Tingginya permintaan semen yang berkelanjutan untuk proyek besar seperti IKN, potensi pendapatan dan laba SMGR diharapkan meningkat. Harga saham SMGR tetap rentan terhadap risiko meskipun prospek pertumbuhan sangat menjanjikan, kondisi ini sulit untuk diprediksi dan mengakibatkan nilai return yang tidak pasti. Oleh karena itu diperlukan suatu model matematis yang bisa memodelkan harga saham yaitu Gerak Brown Geometrik (GBG). Tujuan dari penelitian ini adalah untuk menentukan tingkat volatilitas saham dan pola pergerakannya selama masa pembangunan awal IKN tahun 2022-2024 serta menghitung tingkat keakuratan model GBG dalam memprediksi saham SMGR. Data yang digunakan adalah data harga saham penutupan pada 15 Februari 2022 hingga 17 Agustus 2024. Tahapan dalam penelitian ini yaitu pengumpulan data, menghitung return saham, menguji data return (uji normalitas), menghitung estimasi parameter, memprediksi harga saham, dan menghitung nilai Mean Absolute Percentage Error (MAPE). Model GBG yang diperoleh nilai volatilitas 1,472 % yang menunjukkan fluktuasi relatif harga saham dalam model dianggap kecil, nilai drift -0,176 % yang artinya pola pergerakan harga saham selama masa pengamatan mengalami penurunan dan diperoleh nilai MAPE dengan melakukan iterasi sebanyak 1,100,500, dan 1000 berturut-turut bernilai 4,747 %, 3,717 %, 2,488 %, dan 2,453 %. Dari iterasi terkecil kemudian dilanjutkan untuk memperoleh proyeksi prediksi dengan jumlah periode waktu 68 dan menghasilkan nilai rata-rata MAPE 7,65%.Hal ini menunjukkan bahwa nilai MAPE prediksi
ANALISIS K-MEANS CLUSTERING DENGAN BOOTSTRAP PADA PENGELOMPOKAN DESA DI KABUPATEN MEMPAWAH BERDASARKAN INDEKS DESA MEMBANGUN Trifaiza, Fadhela; Perdana, Hendra; Satyahadewi, Neva
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.v14i3.95737

Abstract

Pembangunan desa merupakan suatu upaya yang dilakukan dalam meningkatkan kesejahteraan desa yang diukur melalui status desa berdasarkan Indeks Desa Membangun atau IDM. Pembangunan desa melalui IDM dilakukan pemerintah sebagai upaya menciptakan kesejahteraan desa, mengurangi kesenjangan yang terjadi antar desa, dan dapat memberikan perhatian khusus bagi desa dengan status yang rendah. Sehingga diperlukan pengelompokan desa berdasarkan IDM menggunakan analisis cluster. Analisis cluster merupakan teknik statistik yang mengelompokkan objek berdasarkan kesamaan karakteristik tiap objek. Tujuan penelitian ini adalah menganalisis pengelompokan desa di Kabupaten Mempawah berdasarkan IDM menggunakan K-Means Clustering dengan Bootstrap. Data yang digunakan pada penelitian ini merupakan data indikator Indeks Ketahanan Ekonomi (IKE) berdasarkan IDM di Kabupaten Mempawah tahun 2022 yang terdiri dari 60 desa dan 12 variabel, yaitu Keragaman Produksi, Pertokoan, Pasar, Toko/Warung Kelontong, Kedai dan Penginapan, Pos dan Logistik, Bank dan BPR, Kredit, Lembaga Ekonomi, Moda Transportasi Umum, Keterbukaan Wilayah, dan Kualitas Jalan. Berdasarkan analisis yang dilakukan diperoleh nilai akurasi hasil perbandingan metode K-Means Bootstrap dengan status desa di IDM yaitu sebesar 68%. Cluster 1 dengan status desa tertinggal memiliki anggota sebanyak 4 desa. Cluster 2 dengan status paling tinggi yaitu mandiri terdiri dari 32 anggota cluster. Cluster 3 dengan status desa maju terdiri dari 8 anggota cluster. Cluster 4 dengan status desa berkembang memiliki anggota sebanyak 13 desa. Cluster 5 dengan status paling rendah yaitu sangat tertinggal memiliki anggota sebanyak 3 desa, yaitu desa Ansiap, Pentek, dan Suak Barangan.
ANALISIS KARAKTERISTIK DAFTAR PEMILIH TETAP MENGGUNAKAN METODE TWO STEP CLUSTER (Studi Kasus: Daftar Pemilih Tetap Kelurahan Sungai Jawi Kota Pontianak) Rizki, Muhammad; Satyahadewi, Neva
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.v14i3.95795

Abstract

Pemilihan umum adalah sarana bagi rakyat untuk memilih pemimpin dan perwakilan yang akan mewakili kepentingan di pemerintahan. Pemilihan umum menjadi salah satu aspek paling penting yang memungkinkan warga negara untuk berpartisipasi dalam proses politik, maka diperlukan analisis tentang karakteristik pemilih yang terdaftar dalam daftar pemilih tetap. Penelitian ini bertujuan untuk mengetahui karakteristik pemilih yang terdaftar dalam daftar pemilih tetap di Kelurahan Sungai Jawi, Kota Pontianak untuk pemilihan umum tahun 2024 dengan menggunakan metode Two Step Cluster. Metode Two Step Cluster memiliki dua tahapan dalam proses pengelompokan. Tahap awal dimulai dengan membentuk Cluster Feature Tree dengan pengukuran jarak Log-likelihood. Tahap selanjutnya adalah pembentukan cluster optimal dengan menghitung nilai BIC dan membandingkan rasio ukuran jarak antar cluster. Berdasarkan hasil penelitian, dapat disimpulkan metode Two Step Cluster dengan menghasilkan lima cluster optimal. Cluster pertama terdiri dari pemilih muda perempuan dengan rata-rata usia 26 tahun, belum menikah, dan sebagian merupakan pemilih pemula. Cluster kedua adalah pemilih muda laki-laki, rata-rata berusia 27 tahun, belum menikah, dan terdapat pemilih belum memiliki e-KTP. Cluster ketiga merupakan pemilih dewasa perempuan dengan rata-rata usia 45 tahun, sudah memiliki e-KTP, dan sudah menikah. Cluster keempat berisi pemilih dewasa laki-laki dengan rata-rata usia 47 tahun, sudah menikah, dan sudah pernah memberikan hak pilihnya di pemilu sebelumnya. Cluster kelima adalah pemilih pra lanjut usia dengan rata-rata usia 57 tahun, terdapat pemilih penyandang disabilitas dan pemilih baru dari pensiunan TNI/Polri.
IDENTIFIKASI FAKTOR DAN PERAMALAN INFLASI INDONESIA MENGGUNAKAN REGRESI LINEAR BERGANDA- BACKPROPAGATION NEURAL NETWORK Febrianti, Eka; Yundari, Yundari; Satyahadewi, Neva
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.v14i5.102167

Abstract

Inflasi atau laju kenaikan harga barang dan jasa yang naik turun secara ekstrem, dan tidak terkendali di Indonesia berdampak terhadap perekonomian dan menurunkan daya beli masyarakat, hingga diperlukan pengendalian. Bermacam upaya yaitu dengan identifikasi faktor yang mempengaruhi dan peramalan. Data inflasi yaitu data deret waktu berpola non-linear dan dipengaruhi oleh lebih dari satu faktor. Regresi Linear Berganda dipakai untuk melihat pengaruh bermacam variabel bebas (X) terhadap variabel terikat (Y). Backpropagation Neural Network yaitu metode peramalan yang memodelkan hubungan diantara input dan output dengan memperbarui bobot secara berulang berdasarkan nilai error atau epoch. Penelitian ini bertujuan untuk identifikasi faktor yang berpengaruh secara signifikan pada Inflasi serta meramalkan tingkat inflasi di Indonesia menggunakan metode Backpropagation Neural Network (BPNN). Proses penelitian dilakukan dengan pengumpulan data inflasi, nilai tukar, impor, harga minyak dunia, jumlah uang beredar, serta suku bunga periode Januari 2015-Desember 2024. Lalu data diolah hingga diperoleh model regresi linear berganda selanjutnya dilakukan pengujian terhadap model yang yaitu uji F, uji t, menghitung koefisien determinasi, dan uji asumsi klasik. Sesudah didapat faktor yang berpengaruh signifikan, dilakukan normalisasi, membagikan data latih-uji, pelatihan dengan algoritma Backpropagation, pengujian data target, dan peramalan dengan BPNN. Hasilnya, harga minyak dunia dan jumlah uang beredar berpengaruh signifikan pada inflasi. Arsitektur BPNN terbaik yaitu 3-6-1, dengan data 80% latih dan 20% uji, learning rate 0,7, fungsi aktivasi sigmoid, dan 1000 epoch dengan MSE 0,149030 dan MAPE 11,07%. Sesudah dilakukan peramalan pada 2025, diperoleh nilai inflasi tertinggi 2,05% pada Agustus-Desember dan inflasi terendah 1,81% pada Januari.
Optimalisasi Portofolio Saham Jakarta Islamic Index (JII) Sektor Energi dengan Metode Median Variance Savitri, Dini Dwi; Satyahadewi, Neva; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 6 (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.v14i6.103635

Abstract

Investasi adalah aktivitas pengelolaan dana pada aset tertentu dengan tujuan memperoleh keuntungan melalui pendapatan atau peningkatan nilai aset. Saham menjadi salah satu instrumen investasi yang menarik, terutama saham yang terdaftar dalam Jakarta Islamic Index (JII), sebuah indeks yang berisi 30 saham perusahaan yang memenuhi prinsip syariah di Indonesia. Penelitian ini bertujuan mengoptimalkan saham pada sektor energi dalam JII menggunakan metode Median Variance, yang tidak memerlukan asumsi distribusi normal dan tidak rentan terhadap outlier, serta mengukur risiko menggunakan Value at Risk (VaR) dengan pendekatan simulasi historis. Data yang digunakan merupakan data saham harian dari JII sektor energi periode 31 Mei 2023 hingga 31 Mei 2024. Optimalisasi portofolio Median Variance dimulai dengan melakukan perhitungan nilai return saham, menentukan hubungan antar saham menggunakan korelasi Kendall-Tau, perhitungan nilai median return dan kovarian antar saham sebagai dasar dalam menentukan bobot optimal portofolio dengan metode Median Variance. Terakhir, risiko portofolio diukur menggunakan VaR dengan metode simulasi historis. Berdasarkan hasil analisis, bobot optimal untuk saham ITMG, PGAS, PTBA, ADRO, dan AKRA masing-masing adalah 25,48%, 33,01%, 4,29%, 7,12%, dan 30,09% memiliki nilai harapan keuntungan sebesar 0,025% atau Rp25.000,00 dan dengan tingkat risiko sebesar 0,014% atau Rp14.410,00 per periode. Pada tingkat kepercayaan 95%, dengan dana awal sebesar Rp100.000.000,00 estimasi VaR menunjukkan potensi kerugian maksimum harian sebesar -1,73% atau Rp1.730.391,98. Hasil ini dapat menjadi acuan bagi investor yang ingin berinvestasi sesuai dengan prinsip syariah, sekaligus tetap mempertimbangkan aspek return dan risiko sebagaimana dalam investasi konvensional.
Co-Authors . Apriansyah Afghani Jayuska Afghany Jayuska Al-Ham, Hairil Amriani Amir Amriani Amir Amriani Amir Andani, Wirda Antoni, Frans Xavier Natalius Apriliyanti, Rita Aprizkiyandari, Siti Ardhitha, Tiffany Ari Hepi Yanti Arsanti, Resti Arsyi, Fritzgerald Muhammad Arti, Reyana Hilda Ashari, Asri Mulya Asri Mulya Ashari Asty Fistia Ningrum Atikasari, Awang Aulia Puteri Amari Bambang Kurniadi Banu, Syarifah Syahr ciptadi, wahyudin Cornellia, Amanda Crismayella, Yuveinsiana Dadan Kusnandar Dadan Kusnandar Dadan Kusnandar David Jordy Dhandio Debataraja, Naomi Nessyana Della Zaria Desriani Lestari Desriani Lestari Desriani Lestari Dhandio, David Jordy Dinda Lestari Dwi Nining Indrasari Dwinanda, Maria Welita Eka Febrianti, Eka Esta Br Tarigan Evy Sulistianingsih Ewaldus Okta Ferdina Ferdina Feriliani Maria Nani Fitriawan, Della Fransisca Febrianti Sundari Fransiska Fransiska Grikus Romi Gusti Eva Tavita Gusti Eva Tavita Hairil Al-Ham Halim, Alvin Octavianus Hamzah, Erwin Rizal Handayani, Aditya Hanin, Noerul Harimurti, Puspito Harnanta, Nabila Izza Helena, Shifa Hendra Perdana Hendri Kurniawan, Hendri Hendrianto, El Herina Marlisa Huda, Nur'ainul Miftahul Huriyah, Syifa Khansa Ibnur Rusi Idilla, Leona Ikha Safitri Imro'ah, Nurfitri IMRO’AH, NURFITRI Imtiyaz, Widad Isra’ Sagita Jawani Jawani Jaya, Louis Putra Karlina, Sela Kusnandar, Dadan Tonny Lucky Hartanti Lucky Hartanti Lucky Hartanti M. Deny Hafizzul Muttaqin Maga, Fahmi Giovani Maharani, Citra Cipta Margareta, Tiara Margaretha, Ledy Claudia Marlisa, Herina Marola, Geby Martha, Shantika Mega Sari Juane Sofiana Mega Sari Juane Sofiana Mega Tri Junika Millennia Taraly Misrawi Misrawi Muhammad Ahyar Muhammad fauzan Muhammad Radhi Muhammad Rizki Muliadi Muliadi Muslimah (F54210032) Nabil, Ilhan Nail Nanda Shalsadilla Naomi Nessyana Debataraja Naomi Nessyana Debataraja Noerul Hanin Nona Lusia Nugrahaeni, Indah Nur Asih Kurniawati Nur Asiska Nurfadilah, Kori’ah Nurfitri Imro'ah Nurfitri Imro’ah Nurhalita Nurhalita Nurhanifa, Nurhanifa Nurmaulia Ningsih Oktaviani, Indah Ovi Indah Afriani Paisal Paisal Pertiwi, Retno Pratama, Aditya Nugraha Pratiwi, Yuyun Eka Preatin, Preatin Putri Putri Putri, Aulia Nabila Qalbi Aliklas R Puspito Harimurti Radhi, Muhammad Radinasari, Nur Ismi Rafdinal Rafdinal Rahadi Ramlan Rahmadanti, Putri Rahmanita Febrianti Rusmaningtyas Rahmawati, Fenti Nurdiana Ramadhan, Nanda Ramadhania, Wahida Reni Unaeni Retnani, Hani Dwi Ria Andini Ria Fuji Astuti Rina Rina Risky Oprasianti Rita Kurnia Apindiati Rivaldo, Rendi Riza Linda Rizki Nur Rahmalita Rizki, Setyo Wira Rosi Kismonika Roslina Rosi Tamara Rovi Christova Safira, Shafa Alya Salsabilla, Arla Santika Santika Sary, Rifkah Alfiyyah Savitri, Dini Dwi Seftiani, Seftiani Selvy Putri Agustianto Setyo Wir Rizki Setyo Wira Rizki Setyo Wira Rizki Setyo Wira Rizki Shantika Martha Shantika Martha Sinaga, Steven Jansen Sintia Margun Sista, Sekar Aulia Siti Aprizkiyandari Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Siti Hardianti Suci Angriani Sukal Minsas Sukal Minsas syuradi, Syuradi Tamtama, Ray Taraly, Inggriani Millennia Tiara, Dinda Trifaiza, Fadhela Wahyu Diyan Ramadana Wahyudin Ciptadi Warsidah Warsidah Warsidah, Warsidah Wilda Ariani Wirda Andani Yopi Saputra Yudhi Yuliono, Agus Yumna Siska Fitriyani Yundari, Yundari Yuveinsiana Crismayella Zakiah, Ainun