Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

3.355

P-Index

This Author published in this journals

All Journal BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Matematika Sains dan Teknologi JMPM: Jurnal Matematika dan Pendidikan Matematika Jurnal Pengabdian kepada Masyarakat Nusantara Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Forum Analisis Statistik STATISTIKA

Shantika Martha

Universitas Tanjungpura

Author-ID : 2682011

Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics Social Sciences Transportation Other

Published : 50 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1 2 3 4 5

PENERAPAN FUZZY TIME SERIES ALGORITMA NOVEL PADA HARGA TANDAN BUAH SEGAR KELAPA SAWIT Indah Noviyanti; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (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.v12i1.61976

Seiring dengan perkembangan waktu metode dalam menganalisis data runtun waktu, menyebabkan banyak pilihan metode, salah satunya yaitu metode fuzzy time series. Metode fuzzy time series memiliki kelebihan yaitu tidak memerlukan uji stasioneritas seperti pada analisis time series umumnya. Proses prediksi dilakukan untuk melihat suatu peristiwa yang akan terjadi dimasa mendatang dalam pengambilan keputusan. Tujuan penelitian adalah untuk memprediksi harga pada Tandan Buah Segar (TBS) kelapa sawit di Kalimantan Barat dengan metode yang digunakan yaitu fuzzy time series Algoritma Novel. Pada penelitian ini data menggunakan data harga TBS kelapa sawit periode pertama persetiap bulannya di Kalimantan Barat, pada bulan Januari 2018 hingga Maret 2022. Tahapan penelitian ini pertama yang dilakukan yaitu menentukan himpunan semesta pembicaraan, pembentukan interval menggunakan average based length, pembentukan himpunan fuzzy dengan fungsi keanggotaan, pembentukan fuzzifikasi dan Fuzzy Logical Relationship (FLR) serta dilakukan Fuzzy Logical Relationship Group (FLRG), selanjutnya menghitung nilai peramalan dengan fuzzy time series Algoritma Novel. Hasil peramalan dengan metode fuzzy time series Algoritma Novel diperoleh hasil prediksi pada bulan April 2022 yaitu Rp. 3.695,00. Metode tersebut memiliki tingkat keakuratan peramalan Mean Absolute Percentage Error (MAPE) sebesar 2,32%. Nilai MAPE yang didapatkan menunjukkan hasil prediksi data harga TBS kelapa sawit di Kalimantan Barat menggunakan fuzzy time series Algoritma Novel termasuk sangat baik. Kata Kunci: Fungsi keanggotaan, average based length, MAPE

MODEL AUTOREGRESSIVE DISTRIBUTED LAG DENGAN METODE KOYCK Anggi Putri Dewi; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (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.v12i1.62918

Autoregressive distributed lag (ARDL) adalah kombinasi metode autoregressive (AR) dan distributed lag (DL). Model regresi yang memuat variabel terikat dipengaruhi variabel bebas waktu sekarang Xt dan juga dipengaruhi oleh variabel terikat pada salah satu bagian ukuran yang lalu (Yt-1) adalah model AR. Sedangkan, model DL disebut juga dengan model dinamis, karena pengaruh perubahan satu bagian dalam nilai variabel bebas terdistribusi dengan selang waktu tertentu. Penelitian ini bertujuan untuk membentuk model dan menganalisis pengaruh pergerakan kurs dolar Amerika terhadap pergerakan Indeks Harga Saham Gabungan (IHSG) dengan menggunakan model ARDL metode Koyck. Digunakannya metode Koyck jika panjang lag tidak diketahui, serta model distribusi lag yang digunakan adalah lag infinite. Penelitian ini menggunakan data close bulanan pergerakan IHSG dan pergerakan kurs dolar Amerika pada periode Januari 2017 sampai periode Desember 2020. Langkah pertama adalah melakukan input data kemudian membentuk satu periode lag (Yt-1) . Kedua, melakukan pengujian parameter memakai uji F dan uji t. Terakhir, menjalani uji asumsi klasik serta menentukan model ARDL dengan metode Koyck. Model ARDL yang diperoleh dengan metode Koyck adalah Y^_t =3780,100-0,194609Xt+0,825034 Yt-1 dengan t adalah periode waktu sekarang dan t-1 adalah periode satu bulan sebelumnya. Hasil analisis model mengidentifikasikan bahwa kurs dolar Amerika berpengaruh negatif pada perubahan IHSG. Perubahan IHSG dipengaruhi oleh perubahan kurs dolar Amerika saat ini dan perubahan IHSG saat satu bulan sebelumnya. Pengaruh variabel kurs dolar terhadap IHSG pada tahun 2017-2020 sebesar 83,6%. Kata Kunci: Lag Infinite, IHSG, Model Dinamis

PENERAPAN MODEL DCC-MGARCH PADA DATA RETURN KURS JUAL DOLAR DAN YUAN Fahiza Syanaya; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (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.v12i1.63004

Kurs merupakan nilai tukar harga mata uang suatu negara terhadap mata uang negara asing. Kurs seringkali memiliki perubahan volatilitas bervariasi yg tidak konstan (heteroskedastisitas) dari waktu ke waktu sehingga asumsi varians konstan tidak dapat digunakan. Model yang biasanya digunakan untuk mengatasi heteroskedastisitas adalah model GARCH. Namun untuk menganalisis data time series dengan melibatkan lebih dari satu variabel yang conditional varians dan conditional correlation bergantung terhadap waktu, maka dapat menggunakan model Dynamic Conditional Correlation MGARCH. Tujuan dalam penelitian ini adalah melihat korelasi dinamis antara return kurs jual dolar dan yuan dan memperoleh model terbaik yang sesuai untuk mengestimasi return kurs menggunakan model DCC-MGARCH. Langkah-langkah pemodelan DCC-MGARCH adalah pembentukan model ARMA dilanjutkan dengan pemodelan GARCH lalu pemodelan MGARCH untuk mendapatkan model DCC-MGARCH. Data yang digunakan adalah data return kurs harian terhadap dolar dan yuan dari tanggal 5 Maret 2019 hingga 6 April 2022. Hasil penelitian ini menunjukkan bahwa terdapat korelasi dinamis sebesar 0,976345 antara nilai return kurs dolar dan yuan, ini menunjukkan bahwa perubahan return kurs dolar memberikan pengaruh terhadap perubahan return kurs yuan, begitu pula sebaliknya. Model GARCH(1,1) yang telah dibentuk diterapkan sebagai dasar pemodelan multivariat, oleh karena itu model multivariat yang dihasilkan adalah model DCC-MGARCH(1,1). Model DCC-MGARCH(1,1) dianggap baik digunakan untuk memodelkan nilai return kurs dolar dan yuan dengan nilai MAPE return kurs dolar sebesar 10% dan yuan 18%. Kata Kunci: DCC- MGARCH, return, kurs, korelasi dinamis.

PEMODELAN REGRESI NONPARAMETRIK BIRESPON SPLINE PADA PERSENTASE PENDUDUK MISKIN DAN INDEKS KEDALAMAN KEMISKINAN Maya Rosalina; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (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.v12i1.62849

Kemiskinan dapat diukur menggunakan indikator persentase penduduk miskin dan indeks kedalaman kemiskinan. Faktor yang memengaruhi kemiskinan bisa dianalisis dengan analisis regresi. Pada penelitian ini digunakan analisis regresi nonparametrik birespon spline. Kelebihan dari estimator spline yaitu mampu menangani pola data yang naik atau turun dengan tajam menggunakan titik knot dan kurva yang dihasilkan relatif lebih mulus. Penelitian ini bertujuan untuk menentukan model terbaik pada persentase penduduk miskin dan indeks kedalaman kemiskinan dengan regresi nonparametrik birespon spline. Data yang digunakan adalah data persentase penduduk miskin dan indeks kedalaman kemiskinan sebagai variabel respon. Sedangkan variabel prediktor yaitu tingkat pengangguran terbuka dan tingkat partisipasi angkatan kerja yang diambil dari website BPS Provinsi Jawa Timur tahun 2020. Langkah pertama pada pemodelan adalah menguji korelasi Pearson untuk mengetahui hubungan antara persentase penduduk miskin dengan indeks kedalaman kemiskinan. Kemudian menentukan pola data antara variabel prediktor dengan variabel respon menggunakan scatterplot. Selanjutnya menentukan matriks pembobot W menggunakan Weighted Least Square (WLS). Setelah itu menentukan banyaknya kombinasi orde dengan titik knot berdasarkan nilai GCV minimum yang melibatkan matriks pembobot W. Langkah terakhir memodelkan regresi nonparametrik birespon spline terbaik dan menghitung nilai dari koefisien determinasi (R2). Hasil dari pemodelan diperoleh bahwa model regresi nonparametrik birespon spline terbaik pada persentase penduduk miskin dan indeks kedalaman kemiskinan berorde dua dengan tiga titik knot. Kebaikan dari model diukur berdasarkan R2 yang diperoleh bahwa tingkat pengangguran terbuka dan tingkat partisipasi angkatan kerja memengaruhi persentase penduduk miskin dan indeks kedalaman kemiskinan sebesar 57,252% sedangkan untuk sisanya dipengaruhi variabel lain. Kata Kunci: kemiskinan, GCV, titik knot

ANALISIS ASSOCIATION RULES MENGGUNAKAN ALGORITMA ECLAT PADA TOKO SWALAYAN Thariq Thariq; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (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.v12i2.65274

Kemajuan teknologi sangat pesat bahkan untuk sebuah toko swalayan dalam melakukan berbagai transaksi, semua penjualan langsung masuk ke database. B-MART merupakan toko yang menjual bahan pokok sehari-hari dengan jumlah transaksi yang relatif tinggi dimana menyebabkan data transaksi menjadi database yang besar. Salah satu cara untuk meningkatkan kualitas penjualan adalah dengan mempelajari pola belanja konsumen dengan menganalisis data transaksi penjualan. Salah satu teknik untuk menganlisis perilaku pola pembelian konsumen adalah Association rule. Equivalence Class Transformation (ECLAT) adalah salah satu algoritma pada metode association rules. Dimana dapat menemukan pola itemset yang paling sering muncul. Algoritma ECLAT mengklasifikasikan item yang sama ke dalam kelas (equivalence class) berdasarkan kriteria tertentu. Data penelitian yang digunakan merupakan data sekunder yang berasal dari transaksi penjualan pada toko B-MART dari bulan Februari 2020 sampai dengan Maret 2020 dengan total transaksi sebanyak 19826 dengan menggunakan minimum support 0.03% dan minimum confidence 95% dan lift ratio >1 menghasilkan sebanyak tiga frequent itemset. Kemudian untuk hasil association rules hanya didapatkan 1 rules yaitu jika bungkus kado maka kertas kado mix dengan nilai confidence 95,95% dan lift ratio 43,90. Artinya apabila konsumen melakukan pembelian jasa bungkus kado, maka kemungkinan terambilnya kertas kado mix sebesar 95,95%. Maka dari itu alangkah baiknya bungkus kado serta kertas kado mix diletakkan berdekatan. Sedangkan rules yang mempunyai nilai confidence dibawah 95% dapat dilakukan promo.Kata Kunci: belanja, itemset, lift ratio.

ANALISIS BOOTSTRAP AGGREGATING MULTIVARIATE ADAPTIVE REGRESSION SPLINES UNTUK AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT Muhammad Septian; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (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.v12i2.65267

Multivariate Adaptive Regression Splines (MARS) adalah metode dengan pendekatan multivariate nonparametrik. MARS adalah teknik klasifikasi yang mudah serta fleksibel untuk mengetahui variabel respon dan variabel prediktor. MARS adalah penggabungan dari RPR dengan Spline yang dapat memberikan perkiraan yang tepat. Tingkat akurasi klasifikasi model MARS bisa dilakukan peningkatan dengan memakai metode resampling, diantaranya adalah bagging. Bagging merupakan metode yang melakukan penggabungan banyaknya angka prediktor serta respon untuk mendapatkan agregat melalui angka Generalized Cross Validation (GCV). Data yang digunakan yakni data akreditasi sekolah SMA/MA di Kalimantan Barat. Jumlah variabel yang digunakan sebanyak 8 variabel prediktor yaitu standar isi (X1), standar proses (X2), standar lulusan (X3), standar pengajar dan tenaga kerja (X4), sarana dan prasarana (X5), standar pengelolaan (X6), standar pembiayaan (X7), dan standar penilaian (X8), dan variabel respon yaitu akreditasi A dan B (Y0.), akreditasi C dan sekolah tidak terakreditasi (Y1). Penelitian ini mengidentifikasi dan memodelkan komponen penilaian yang menjadi pengaruh dalam penentuan akreditasi sekolah dengan menggunakan Bagging MARS. Memperoleh model Bagging MARS diperlukan Bootstrap yang dikombinasikan dengan BF, MI, dan MO pada MARS. Hasil penelitian menggunakan metode Bagging MARS dengan GCV minimum didapatkan sebesar 0,038. Variabel yang berpengaruh yaitu sarana dan prasarana (X5), standar pengajar dan tenaga kerja (X4), standar pengelolaan (X6), standar proses (X2), standar pembiayaan (X7), standar lulusan (X3), standar penilaian (X8), dan standar isi (X1). Tingkat kepentingan variabel pada model berturut – turut sebesar 100%, 37,515%, 36,290%, 34,542%, 22,300%, 16,180%, 12,183%, dan 5,214%. Ketepatan klasifikasi pada Bagging MARS sebesar 96,07%. Kata Kunci : MARS, Bagging MARS, Klasifikasi.

ESTIMASI INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY BERDISTRIBUSI STUDENT-T Julianti Kastari; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (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.v12i2.65281

Indeks Harga Saham Gabungan adalah nilai untuk mengukur gabungan seluruh saham yang ada di Bursa Efek Indonesia (BEI). Data keuangan seperti data indeks saham pada umumnya memiliki volatilitas yang tinggi dan varian error yang tidak konstan (heteroskedastisitas). Volatilitas yang tinggi menyebabkan sulit untuk dilakukan estimasi pada data indeks harga saham. Estimasi indeks harga saham penting dilakukan agar investor dapat menaksir keuntungan yang didapat nantinya. Salah satu model yang dapat mengestimasi indeks harga saham yang mempunyai volatilitas tinggi dan varian error yang tidak stabil yaitu Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Pada model GARCH yang berdistribusi normal tidak dapat mengakomodasi adanya sifat leptokurtic. Sifat leptokurtic ditandai dengan nilai kurtosis yang melebihi 3. Model yang dapat mengakomodasi adanya sifat leptokurtic adalah GARCH berdistribusi Student-t. Tujuan dari penelitian ini adalah mengestimasi nilai IHSG dengan model GARCH berdistribusi Student-t. Data yang digunakan yaitu data harian penutupan IHSG periode 2 Januari 2020 hingga 30 Desember 2020. Penelitian ini diawali dengan memilih model ARMA terbaik untuk data return. Selanjutnya, dilakukan uji heteroskedastisitas pada residual model ARMA. Jika terdapat heteroskedastisitas, maka pendugaan model menggunakan model GARCH. Sebelum dimodelkan kedalam model GARCH, residual diperiksa untuk melihat sifat leptokurtic. Jika terdapat leptokurtic, maka dilanjutkan dengan pendugaan model GARCH berdistribusi Student-t. Setelah didapat model GARCH berdistribusi Student-t, kemudian mengestimasi nilai IHSG. Berdasarkan analisis yang telah dilakukan, model terbaik untuk mengestimasi IHSG adalah GARCH (2,3) berdistribusi Student-t. Data hasil estimasi IHSG menunjukkan pergerakan yang mendekati data aktual. Nilai MAPE yang diperoleh pada penelitian ini sebesar 2,00%. Hal ini bermakna model GARCH (2,3) berdistribusi Student-t dapat digunakan untuk mengestimasi nilai IHSG.Kata Kunci: IHSG, leptokurtic, GARCH Student-t

ANALISIS MODEL ANTRIAN PEMBUATAN KARTU TANDA PENDUDUK DINAS KEPENDUDUKAN DAN PENCATATAN SIPIL KOTA PONTIANAK Nurul Qomariyah; Shantika Martha; Siti Aprizkiyandari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Dinas Kependudukan dan Pencatatan Sipil (Disdukcapil) merupakan lembaga pemerintah yang bertugas dibidang kependudukan dan catatan sipil. Layanan catatan sipil berupa layanan yang berkaitan dengan kelahiran, kematian, perkawinan, perceraian, dan lainnya. Permasalahan yang sering terjadi pada proses pembuatan KTP adalah lamanya prosedur di beberapa fasilitas pelayanan. Hal ini dapat diamati dari kedatangan pemohon ke bagian pendaftaran, lalu pemohon yang datang ke bagian foto dan rekam, dan pemohon mengambil KTP di bagian percetakan. Oleh karena itu diperlukan model sistem antrian yang sesuai dengan kondisi fasilitas pelayanan proses pembuatan KTP. Tujuan penelitian adalah menganalisis proses kedatangan dan waktu pelayanan serta menganalisis model antrian yang sesuai dengan proses pembuatan KTP di Disdukcapil Kota Pontianak. Penelitian dilakukan dengan tahap yaitu pengumpulan data, analisis data, dan penarikan kesimpulan. Analisis data yang dilakukan untuk distribusi kedatangan dan waktu pelayanan pemohon diuji dengan goodness of fit. Hasil analisis diperoleh model antrian bagian pendaftaran, foto dan rekam, dan percetakan adalah (M/G/1):(FCFS/∞/∞). Berdasarkan kinerja antrian proses pembuatan KTP di Disdukcapil Kota Pontianak dapat disimpulkan bahwa pelayanan pemohon di beberapa fasilitas pelayanan sudah berjalan baik, dengan rata-rata jumlah kedatangan pemohon ( ) tidak melebihi rata-rata kecepatan pelayanan pemohon ( ). Kata Kunci: kolmogorov-smirnov, proses poisson, waktu antar kedatangan

PENGUJIAN KORELASI KANONIK PENUMPANG PESAWAT DI BANDAR UDARA INTERNASIONAL SUPADIO Fery Prastio; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Analisis korelasi kanonik berguna dalam menguraikan struktur hubungan dari dua kelompok variabel. Penguraian struktur hubungan dilakukan dengan menginterpretasikan muatan silang kanonik untuk mengetahui urutan variabel mana saja dalam sebuah kelompok yang paling berkontribusi terhadap besaran hubungan antara dua kelompok variabel. Pengujian korelasi kanonik pada penelitian ini dilakukan pada data yang berkaitan dengan penerbangan, dimana satu kelompok variabel dependen yang beranggotakan lima variabel yang memuat data jumlah penumpang bulanan maskapai Kalstar Aviation , Lion Air , Nam Air , Sriwijaya Air dan Xpress Air yang dihubungkan dengan sebuah kelompok variabel independen yang beranggotakan lima variabel diantaranya adalah pergerakan pesawat , banyaknya wisatawan masuk melalui jalur entikong , rata-rata curah hujan , proyeksi jumlah penduduk Kalimantan Barat , dan indeks harga konsumen . Hubungan yang terjadi diantara kedua kelompok variabel tersebut dijelaskan melalui besaran koefisien korelasi kanonik yang dalam penelitian ini menjelaskan bahwa kedua kelompok variabel tersebut berhubungan sangat erat. Kata Kunci: korelasi kanonik, multivariat, analisis penerbangan, bandar udara

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI PARETO -GAMMA DENGAN METODE BAYESIAN SELF Bella Amalia; Shantika Martha; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Data survival adalah data yang menunjukkan waktu suatu individu atau objek dapat bertahan hidup hingga terjadinya suatu kegagalan atau kejadian tertentu. Data survival dikatakan tersensor apabila objek pada penelitian hilang atau sampai akhir penelitian objek tersebut belum mengalami kejadian tertentu. Tujuan dari penelitian ini adalah menentukan estimasi parameter model survival distribusi Pareto data tersensor dengan metode Bayesian SELF. Data yang digunakan adalah data sekunder pasien kanker paru-paru. Berdasarkan nilai estimasi metode Bayesian SELF untuk studi kasus penderita kanker paru-paru dapat diketahui bahwa dengan menggunakan metode Bayesian SELF perhitungan peluang hidup pada kasus penderita kanker paru-paru menjadi lebih tinggi. Berdasarkan nilai MAPE yang diperoleh dari fungsi Survival distribusi Pareto dengan pendekatan Bayesian SELF adalah sebesar 24,68%. Hal ini berarti bahwa metode Bayesian SELF memiliki kemampuan peramalan yang cukup dalam mengestimasi peluang hidup pasien penderita kanker paru-paru. Kata Kunci: Distribusi Pareto, Metode Bayesian SELF, MAPE.

Co-Authors Anggi Putri Dewi Anita Anita Ayu Dhita Putri Wulandari Bartolomius Bartolomius Bella Amalia David Jordy Dhandio Desa Ayu Natalia Dwi Marisa Midyanti Dwi Setiaji Eka Wahyuning Dhewanty Enis Rahayu Evy Sulistianingsih Fahiza Syanaya Fajri Anugrah Pratiwi Fery Prastio Fransisca Febrianti Sundari Hayati Hayati Hendra Perdana Hidayatun Nisa Ika Ayu Krismawanti Ika Novira Zulianti Indah Noviyanti Julianti Kastari Kunti Wijayanti Laksono Trisnantoro Lidia Karnelia Luh Putu Ratna Sundari Mariatul Kiftiah Marisi Aritonang Maya Rosalina Mega Putri Muhammad Septian Muthiara Anantha Simanjuntak Nanda Shalsadilla Naomi N. Debataraja Naomi Nessyana Debataraja Neva Satyahadewi Nova Andaresta Nurfitri Imro’ah Nurul Qomariyah NUR’AINUL MIFTAHUL HUDA Rizky Oktaviani Putri Santi Santi Selvy Putri Agustianto Setyo Wir Rizki Setyo Wira Rizki Silvana Rika Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sri Jumiati Sriyana Sriyana Suaibah Suaibah Sumiarti Sumiarti Supandi Supandi Susanti Susanti Sutro Sutro Syarifah Zela Hafizah Tamtama, Ray Thariq Thariq Vina Annisa Nurdiani Aji Vita Virgianti Wahyudio Hariadi Warzuqna Olyan Wirda Andani Yogi Pratama Yosi Yosi Yude Anggreni Yundari, Yundari Yundari, Yundari

Title Search

Found 42 Documents Search Journal : BIMASTER

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 42 Documents
Search
Journal : BIMASTER