Article Per Year (5 Year)
p-Index From 2020 - 2025
3.831
P-Index
This Author published in this journals
All Journal BIMASTER JAMBURA JOURNAL OF PROBABILITY AND STATISTICS
IMRO’AH, NURFITRI
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Environmental Science Mathematics Social Sciences

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
MODERATED PLS-SEM: PERAN IHSG SEBAGAI MODERATOR DI ANTARA RASIO KEUANGAN DAN NILAI PERUSAHAAN PERBANKAN Rifqi, Bhima Fairul; Sulistianingsih, Evy; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (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.v13i5.84970

Abstract

Perusahaan merupakan satu dari sekian banyak aset yang sangat berharga dan bernilai. Semakin bagus kinerja suatu perusahaan, semakin naik pula harga dan nilai dari perusahaan tersebut. Hasil kinerja suatu perusahaan dimuat di dalam laporan keuangan yang dalam bentuk rasio-rasio keuangan. Salah satu metode yang dapat diterapkan untuk melakukan analisis nilai perusahaan ialah Moderated Partial Least Squared-Structural Equation Modeling (Moderated PLS-SEM). Moderated PLS-SEM merupakan metode PLS-SEM yang melibatkan variabel moderator. PLS-SEM adalah teknik analisis multivariat berbasis varian yang tidak memerlukan asumsi normalitas dan bisa digunakan pada sampel yang berjumlah relatif kecil, sedangkan variabel moderator merupakan variabel yang bisa meningkatkan atau menurunkan tingkat hubungan antara variabel laten eksogen (ξ) dan variabel laten endogen (η), melalui pembentukan variabel interaksi. Variabel interaksi adalah variabel yang terbentuk dari interaksi antara variabel laten eksogen dan variabel moderator. Penelitian ini berfokus pada analisis pengaruh rasio-rasio keuangan (profitabilitas, likuiditas, dan solvabilitas) terhadap nilai perusahaan perbankan, serta peran Indeks Harga Saham Gabungan (IHSG) dalam memoderasi hubungan antara rasio-rasio keuangan dan nilai perusahaan. Kesimpulan yang didapat ialah hanya profitabilitas yang memberikan pengaruh signifikan terhadap nilai perusahaan perbankan dan IHSG dapat memperkuat hubungan antara rasio solvabilitas dan nilai perusahaan.  Profitabilitas dan variable interaksi yang terbentuk antara solvabilitas dan IHSG mempengaruhi nilai perusahaan sebesar 46,2%.Kata Kunci:  Rasio Keuangan, Interaksi, Moderasi.
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.
PENERAPAN MODEL REGRESI UNBALANCED PANELS DENGAN METODE FEASIBLE GENERALIZED LEAST SQUARE (FGLS) Bertiani, Marsela Dian; Debataraja, Naomi Nessyana; Imro’ah, Nurfitri
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.v13i1.74044

Abstract

Analisis regresi data panel diartikan dengan analisis yang diimplementasikan dalam struktur data panel. Ketidaklengkapan data dapat menjadi sebuah faktor penghambat dalam sebuah penelitian. Ketidaklengkapan data yang diperoleh bisa saja terjadi karena beberapa hal seperti pemekaran wilayah dan sebagainya. Metode Feasible Generalized Least Square (FGLS) merupakan sebuah metode yang diterapkan dalam mengatasi gejala heterokedastisitas dan autokolerasi pada data ketika nilai galat tidak diketahui. Studi kasus yang untuk penelitian ini ialah faktor-faktor yang menentukan curah hujan di Kalimantan Barat. Perubahan curah hujan di Indonesia khususnya Kalimantan Barat memiliki pengaruh langsung terhadap sumber daya air serta lahan. Tujuan dari penelitian ini adalah melakukan pemodelan regresi panel tidak lengkap pada pengaruh tekanan udara, jumlah kelembaban udara, suhu udara dan kecepatan angin terhadap curah hujan. Data yang digunakan merupakan data yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Kalimantan Barat. Variabel yang digunakan adalah data Curah Hujan (Y), Kelembaban Udara ( ), Suhu Udara ( ), Kecepatan Angin ( ) Tekanan Udara ( ) yang diambil dari delapan stasiun BMKG yang tersebar di seluruh Provinsi Kalimantan Barat. Hasil penelitian menunjukan bahwa model yang sesuai adalah model random effect dua arah dengan nilai  Dimana nilai koefisien regresi adalah sebesar 61,10%.  Kata Kunci: Panel Tidak Lengkap, REM, Koefesien Determinasi
IMPLEMENTASI ADDITIVE RATIO ASSESSMENT (ARAS) PADA SELEKSI PENERIMAAN BEASISWA KIP KULIAH DI UNIVERSITAS TANJUNGPURA Riovani, Vriska Dwi; Martha, Shantika; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (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.v14i2.91922

Abstract

Kartu Indonesia Pintar (KIP) Kuliah adalah salah satu beasiswa yang disediakan oleh pemerintah bagi mahasiswa yang kurang mampu untuk melanjutkan pendidikan di perguruan tinggi. Keterbatasan kuota penerimaan membuat pihak pengelola beasiswa memerlukan sistem pendukung keputusan untuk menyeleksi pendaftar agar lebih tepat sasaran. Salah satu metode dalam sistem pendukung keputusan adalah metode Additive Ratio Assessment (ARAS). Keunggulan dari metode ARAS terletak dari keefisienan dalam penanganan jumlah dan jenis kriteria. Tujuan penelitian ini untuk membantu dalam menentukan pendaftar yang layak menerima beasiswa KIP Kuliah menggunakan metode ARAS. Data yang digunakan berupa data pendaftar beasiswa KIP Kuliah yang diperoleh dari Biro Akademik dan Kemahasiswaan Universitas Tanjungpura. Jumlah sampel didapatkan menggunakan metode Slovin sebesar 317 sampel. Terdapat lima kriteria yang digunakan yaitu pekerjaan ayah (C1), penghasilan ayah (C2), pekerjaan ibu (C3), penghasilan ibu (C4) dan jumlah tanggungan (C5). Hasil penelitian ini berupa 153 pendaftar yang diterima berdasarkan pemeringkatan dari hasil utility degree tertinggi dengan tingkat akurasi sebesar 47%. Hal ini dapat disebabkan karena terdapat beberapa penggunaan kriteria tambahan dari pihak BAK UNTAN yang tidak digunakan dalam penelitian ini.  Kata Kunci : Sistem Pendukung Keputusan, Utility Degree, Peringkat.
PENERAPAN RECURRENT NEURAL NETWORK UNTUK MERAMALKAN HARGA CRUDE PALM OIL DI INDONESIA Sesilisvana, Nevil; Perdana, Hendra; Imro’ah, Nurfitri
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.v14i4.99123

Abstract

Machine Learning (ML) merupakan salah satu pendekatan dalam Artificial Intelligence (AI) yang dipakai untuk meniru cara manusia dalam melakukan peramalan secara otomatis. Salah satu metode dalam ML adalah Recurrent Neural Network (RNN). Untuk data deret waktu, RNN cocok digunakan karena mempunyai memori internal yang dapat mengingat informasi masa lalu untuk meramalkan masa depan. Dalam berbagai sektor, kemampuan untuk meramalkan kejadian di masa depan merupakan aspek penting untuk dipertimbangkan dalam perencanaan, pengambilan keputusan dan manajemen risiko. Pada sub sektor perkebunan seperti kelapa sawit, minyak sawit mentah (CPO) merupakan hasil olahan kelapa sawit yang dimanfaatkan sebagai bahan baku produk pangan maupun non-pangan. Fluktuasi harga CPO di Indonesia dapat menyebabkan kerugian tidak hanya pada produsen tetapi juga pada konsumen. Untuk meminimalisir kerugian tersebut maka diperlukannya peramalan harga CPO. Data yang digunakan pada penelitian ini adalah harga CPO di Indonesia dari 1 April 2023 hingga 31 Juli 2024. Penelitian ini menggunakan 260 data training dan 41 data testing. Evaluasi kinerja model yang digunakan untuk melihat seberapa baik model dalam melakukan peramalan ialah Mean Absolute Percentage Error (MAPE). Dari tahap pelatihan dan pengujian yang telah dilakukan, menunjukkan bahwa nilai MAPE sebesar 3,08% untuk data training dan 3,2% untuk data testing. Dikarenakan nilai MAPE kurang dari 10% maka disimpulkan bahwa model yang dibangun memiliki kemampuan peramalan yang sangat baik. Hasil dari peramalan periode 1 bulan ke depan yaitu Agustus 2024 menunjukkan bahwa rata-rata harga CPO pada bulan Agustus 2024 sebesar Rp15.302.
PERBANDINGAN KLASTER K-MEANS DAN K-MEDIAN PADA DATA INDIKATOR KEMISKINAN KABUPATEN/KOTA DI PROVINSI KALIMANTAN BARAT Riswanda, Giovani Parasta; Kusnandar, Dadan; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): 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.v12i6.71551

Abstract

Metode k-means ialah pengklasteran non-hirarki yang sering dipakai, dengan memkai rataan yang jadi pusat klasternya, dan k-median ialah pengklasteran non-hirarki yang memakai nilai median sebagai pusat klaster. Studi ini tujuannya guna membandingkan metode k-means dan k-median. Data yang dipakai ialah data indikator kemiskinan Kabupaten/Kota di Provinsi Kalimantan Barat, selanjutnya lakukan pengujian multikolinieritas dengan melihat nilai VIF  10. Bila nilai VIF setiap variabel  10 maka tidak alami multikolieritas pada data dan data bisa dipakai untuk pengklasteran. Sesudah didapat hasil pengklasteran memakai metode k-means dan k-median, lakukan perbandingan memakai nilai varians. Hasil dari pengklasteran k-means didapat klaster pertama 4 anggota dan klaster ke-dua 10 anggota. Sedangkan hasil pengklasteran k-median didapat klaster pertama 5 anggota dan klaster ke-dua 9 anggota. Berdasarkan nilai varians didapat bahwa metode k-means dengan nilai varians yakni 0,38 lebih baik dibanding k-median dengan nilai varians yakni 0,55.  Kata kunci: Kemiskinan, K-means, K-median
PENERAPAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MK-NN) DALAM KLASIFIKASI KELULUSAN MAHASISWA (Studi Kasus: Prodi Statistika Universitas Tanjungpura) Aipassa, Ezra Amarya; Kusnandar, Dadan; Imro’ah, Nurfitri
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.v13i1.74062

Abstract

Salah satu pencapaian mahasiswa dalam meraih gelar sarjana adalah dengan lulus tepat waktu. Namun, tidak semua mahasiswa mampu menyelesaikan waktu studinya dengan tepat waktu. Suatu teknik yang memanfaatkan fungsi dari klasifikasi data mining diperlukan untuk memperoleh informasi dari data guna memprediksi kelulusan mahasiswa. Penelitian ini menggunakan algoritma Modified K-Nearest Neighbor (MK-NN) dalam klasifikasi kelulusan mahasiswa. Algoritma MK-NN merupakan pengembangan dari metode K-Nearest Neighbor (KNN) dimana dalam proses MK-NN menambah dua tahapan yaitu validitas dan weight voting. Penelitian ini bertujuan untuk menerapkan algoritma MK-NN dan mendapatkan nilai akurasi terbaik dalam klasifikasi kelulusan mahasiswa berdasarkan K-Optimal. Variabel dependen yang digunakan yaitu status kelulusan mahasiswa  serta variabel independen (X) yang digunakan yaitu IPK semester 1  hingga IPK semester 4 (  dan SKS semester 1  hingga SKS semester 4 ). Langkah-langkah dalam penelitan ini adalah mengumpulkan data lulusan mahasiswa Program Studi Statistika Universitas Tanjungpura angkatan 2013-2018 sebanyak 186 data. Setelah itu, mendeskripsikan data menggunakan statistik deskriptif, lalu men-normalisasi seluruh variabel (X), selanjutnya mencari K-Optimal menggunakan 10-fold cross validation, menghitung jarak euclidean antardata training yang kemudian divalidasi dan menghitung jarak euclidean data training dan data testing, hasil perhitungan jarak tersebut akan dimasukkan beserta nilai validasi data training pada perhitungan weight voting yang selanjutnya akan diklasifikasikan menggunakan algorima MK-NN. Sebanyak 130 data digunakan sebagai data training dan 56 data digunakan sebagai data testing. Hasil penelitian menunjukkan bahwa 49 data testing diprediksi dengan tepat, sedangkan tujuh data tidak tepat diprediksi sehingga akurasi yang diperoleh sebesar 87,5% dengan K-Optimal=9.  Kata kunci: akurasi, validitas, weight voting
IMPLEMENTASI TEKNIK OVERSAMPLING SMOTE-NC PADA ALGORITMA K-NEAREST NEIGHBOR Priani, Wina; Sulistianingsih, Evy; Imro’ah, Nurfitri
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.v14i3.94420

Abstract

Synthetic Minority Oversampling Technique-Nominal Continuous (SMOTE-NC) adalah metode oversampling yang digunakan untuk menangani ketidakseimbangan kelas pada data dengan kombinasi fitur numerik dan kategorikal. Teknik ini membuat data sintetis pada kelas minoritas dengan mempertimbangkan kedua jenis fitur tersebut agar distribusi data lebih seimbang. Algoritma K-Nearest Neighbor (K-NN) adalah algoritma klasifikasi yang bekerja dengan cara mencari sejumlah tetangga terdekat (berdasarkan jarak) dari data yang akan diprediksi dan menentukan kelasnya berdasarkan mayoritas kelas dari tetangga tersebut. Algoritma ini sederhana dan efektif untuk klasifikasi data. Penelitian ini membahas penerapan teknik oversampling SMOTE-NC pada algoritma K-NN untuk mengatasi ketidakseimbangan kelas pada data pasien gagal jantung. Data yang digunakan adalah Heart Failure Clinical Record dari Kaggle, yang mencakup 299 pasien dengan 11 atribut independen dan 1 atribut dependen. Setelah proses pre-processing, data dibagi menjadi data latih (70%) dan data uji (30%). SMOTE-NC diterapkan untuk meningkatkan jumlah data kelas minoritas (pasien meninggal) menjadi seimbang dengan kelas mayoritas (pasien selamat). Algoritma K-NN digunakan untuk klasifikasi dengan berbagai nilai parameter K. Evaluasi dilakukan menggunakan confusion matrix, dan difokuskan pada nilai sensitivitas sebagai ukuran kinerja model. Hasil penelitian menunjukkan bahwa nilai sensitivitas tertinggi yang diperoleh adalah sebesar 72,41%. Hal ini menunjukkan bahwa penerapan SMOTE-NC pada algoritma K-NN cukup efektif dalam meningkatkan kemampuan model dalam mendeteksi pasien yang meninggal akibat gagal jantung.
PEMODELAN SPATIAL ECONOMETRICS MENGGUNAKAN SPATIAL DURBIN ERROR MODEL PADA DATA IPM DI KALIMANTAN BARAT Reho, Stepanus; Imro’ah, Nurfitri; Aprizkiyandari, Siti
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.v13i2.77001

Abstract

Indeks Pembangunan Manusia (IPM) adalah indikator yang harus dipenuhi oleh suatu bangsa supaya bisa dikatakan sebagai bangsa yang maju. IPM dikatakan baik apabila berada dalam kategori tinggi. Apabila nilai IPM pada suatu negara tinggi, sehingga semakin baik juga tingkat pembangunan manusia di negara tersebut. IPM adalah indeks komposit yang dipengaruhi oleh tiga indikator dasar, yakni indikator kesehatan yang diukur melalui Umur Harapan Hidup (UHH), indikator pendidikan yang mewakili Angka Melek Huruf (AMH) dan Rata-rata Lama Sekolah (RLS), sedangkan indikator ekonomi diukur berdasarkan kemampuan daya beli masyarakat. Tujuan dari penelitian ini yaitu memetakan sebaran IPM di Provinsi Kalimantan Barat, serta Memodelkan IPM di Kalimantan Barat menggunakan Spatial Durbin Error Model (SDEM). Berdasarkan hasil pada peta persebaran IPM Kalimantan Barat dapat dilihat bahwa IPM tertinggi sebesar 81,03, sedangkan untuk IPM terendah sebesar 64,79. Kemudian berdasarkan pada hasil pemodelan IPM di Provinsi Kalimantan Barat maka dapat ditarik kesimpulan bahwa dari model Ordinary Least Square (OLS), Spatial Error Model (SEM) dan Spatial Durbin Error Model (SDEM), diperoleh model yang memenuhi semua kriteria evaluasi model spatial econometrics adalah model SDEM. Jadi dapat ditarik kesimpulan bahwa model SDEM adalah model terbaik.  Kata Kunci: Indikator, Pemodelan Spasial, Spatial Durbin Error Model
PERAMALAN HARGA PENUTUPAN INDEKS SAHAM LQ45 DENGAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN) Wati, Setio Kusumo; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (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.v14i2.92340

Abstract

Investasi merupakan salah satu faktor pendorong pertumbuhan ekonomi nasional melalui pembiayaan pada sektor riil. Salah satu sektor dalam pembiayaan riil yaitu pasar modal yang menawarkan berbagai jenis investasi seperti saham. Indeks Saham LQ45 merupakan salah satu indikator pergerakan harga saham dari 45 saham yang memiliki likuiditas dan kapitalisasi pasar tinggi. Fluktuasi harga saham pasti terjadi sehingga diperlukan pendekatan analisis keuangan yang memiliki peluang untuk meramalkan harga saham dengan tingkat akurasi yang lebih baik. Metode Generalized Regression Neural Network (GRNN) menjadi metode pembelajaran mesin yang dapat digunakan untuk memprediksi harga Indeks Saham LQ45. Metode GRNN merupakan salah satu jaringan radial basis yang didasarkan pada regresi kernel dengan keunggulan tidak memiliki prosedur iterasi dalam proses optimasinya. Tujuan Penelitian ini adalah untuk meramalkan harga penutupan Indeks Saham LQ45 dalam lima periode ke depan dengan metode GRNN. Data yang digunakan pada penelitian ini adalah data harga penutupan harian Indeks Saham LQ45 Periode Januari 2020 hingga September 2024. Penelitian ini menggunakan 1147 data harga penutupan Indeks Saham LQ45 yang dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil penelitian menunjukkan bahwa pada pengujian model menggunakan data pengujian, spread terbaik yang digunakan yaitu 0,01 yang memberikan nilai MSE sebesar 11,6404 dan nilai MAPE sebesar 0,28%. Hasil peramalan menunjukkan bahwa dari lima periode peramalan, harga peramalan terbesar sebesar 944,75 terjadi pada tanggal 3 Oktober 2024, sedangkan harga peramalan terkecil sebesar 934,30 terjadi pada tanggal 1 Oktober 2024.  Kata Kunci : Jaringan Syaraf Tiruan, Regresi Kernel, Spread.
Co-Authors Aipassa, Ezra Amarya Andani, Wirda Aprizkiyandari, Siti Asmara, Mira Bertiani, Marsela Dian Clarenda Siboro, Viren Marcellya Dadan Kusnandar Deanovela, Adelea Delvi Debataraja, Naomi Nessyana Dyaherawati, Oktavia Evy Sulistianingsih Fiqriani, Rizha Aynul Gunawan, Sucipto Haulia, Khofifah Hendra Perdana HUDA, NUR’AINUL MIFTAHUL Indra Satria, Tan Ade Kamila, Diva Rahma Martha, Shantika Mawaddah Mawaddah, Mawaddah Meilandra, Irvan Melvin, Melvin Neva Satyahadewi Nurhaliza, Sy. Farini Pramesti, Surya Adinda Fitria Pratama, Yogi Priani, Wina Ramadhania, Wahida Reho, Stepanus Rifqi, Bhima Fairul Riovani, Vriska Dwi Riswanda, Giovani Parasta Selvia, Eva Sesilisvana, Nevil Wati, Setio Kusumo Wicaksono, Juwan Prioabil Dwi Wulan, Elisabet Yulianti, Siska