Brodjol Sutijo Suprih Ulama
Departemen Statistika Bisnis Institut Teknologi Sepuluh Nopember Surabaya

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

Analisis CART (Classification And Regression Trees) pada Faktor-Faktor Alia Hartati; Ismaini Zain; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (121.887 KB) | DOI: 10.12962/j23373520.v1i1.940

Abstract

Pola perkembangan kota dan urbanisasi yang pesat di kota–kota besar merupakan pertanda terjadinya kemajuan dalam pembangunan. Namun, kenyataannya urbanisasi seringkali melahirkan berbagai masalah, mulai dari masalah sosial, transportasi, hingga kriminalitas. Hasil kajian BAPPENAS menunjukkan bahwa  proyeksi tingkat urbanisasi penduduk secara nasional pada tahun 2025 mencapai 68%. Proyeksi tingkat urbanisasi Jawa Timur telah mencapai angka 73,4% pada tahun 2025, hal ini menunjukkan bahwa persentase penduduk perkotaan di Jawa Timur tergolong tinggi. Penelitian ini dilakukan untuk mendeskripsikan karakteristik kepala rumah tangga Jawa Timur yang melakukan urbanisasi dan mendapatkan faktor yang mempengaruhi urbanisasi. Hasil klasifikasi dengan pendekatan CART memberikan informasi bahwa faktor-faktor yang mempengaruhi urbanisasi adalah jarak lokasi pindah, jumlah anggota rumah tangga yang ikut pindah, pendidikan tertinggi, lama waktu pindah, alasan utama pindah.
Peramalan Harga Gabah Kering Panen (GKP), Gabah Kering Giling (GKG) Dan Beras Di Tingkat Produsen Jawa Timur Dengan Pendekatan Metode Univariate Dan Multivariate Time Series Yunaz Firdhani; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 4, No 2 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (557.038 KB) | DOI: 10.12962/j23373520.v4i2.10544

Abstract

Indonesia merupakan salah satu Negara agraris, yang sebagian besar penduduknya berprofesi sebagai petani. Provinsi Jawa Timur merupakan salah satu provinsi lumbung padi nasional, yang selama ini selalu menjadi tulang punggung produksi beras nasional. Seiring dengan adanya suatu permasalahan masyarakat Indonesia, yakni selalu menjadikan beras sebagai bahan makanan pokok, sehingga kebutuhan akan beras selalu kontinyu, maka perlu dilakukan suatu estimasi peramalan terhadap harga beras, harga gabah kering panen (GKP) dan harga gabah kering giling (GKG). Untuk mengantisipasi terjadinya lonjakan harga yang drastis. Ada dugaan ketiga variabel tersebut saling berpengaruh, permasalahannya adalah bagaimana meramalkan ketiga variabel tersebut secara bersama-sama, maka pemodelan secara multivariat perlu mendapat-kan pertimbangan yaitu dengan menggunakan model Vector Autoregressive (VAR). Selain itu metode Autoregressive Integrated Moving Average (ARIMA) juga digunakan dalam penelitian ini, yang selanjutnya akan dibandingkan dengan model VAR. Uji kausal Granger digunakan untuk mengetahui hubungan antar variabel. Hasil yang diperoleh adalah terdapat hubungan kausal dua arah antar harga GKG dan beras. Model peramalan terbaik berdasarkan kriteria out sample menghasilkan bahwa model VARIMA (6,1,0) merupakan model yang sesuai untuk meramalkan harga GKG. Sedangkan untuk harga GKP dan beras lebih sesuai jika menggunakan model ARIMA. Model ARIMA untuk harga GKP adalah ARIMA (0,1,[5,11]) (1,0,0)12, sedangkan untuk harga beras adalah ARIMA (0,1,1)(1,0,1)12.
Analisis Portofolio Optimum Terhadap 50 Emiten dengan Frekuensi Perdagangan Tertinggi di Bursa Efek Indonesia Menggunakan Metode Value At Risk, Lexicographic Goal Programming dan Artificial Neural Network Aliffia Permata Sakarosa; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 4, No 2 (2015)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (440.137 KB) | DOI: 10.12962/j23373520.v4i2.11102

Abstract

Profitabilitas merupakan tujuan utama dari kegiatan investasi. Investasi saham dianggap mengandung resiko yang tinggi dikarenakan sifatnya yang dinamis dan sangat fluktuatif. Selain itu banyaknya faktor yang mempengaruhi fluktuasi harga saham tersebut membuat investor harus memilih kombinasi emiten untuk membuat portofolio sebagai destinasi investasi yang menguntungkan. Penelitian ini dilakukan untuk mengatasi permasalahan tingginya resiko dan pemilihan kombinasi saham dengan menggunakan sistem analisis saham terintegrasi yang memepertimbangkan keseluruhan aspek teknikal untuk mendapatkan optimasi portofolio yang profitable. Portofolio yang diusulkan dalam penelitian ini mempertimbangkan aspek resiko yang dikalkulasi menggunakan metode value at risk dengan pendekatan distribusi generalized pareto, kemudian dilanjutkan dengan metode lexicographic goal programming dengan mempertimbangkan aspek keuntungan, resiko, dan proporsi dana yang direpresentasikan melalui fungsi batasan nilai value at risk dan fungsi batasan rata-rata daily return serta maksimum proporsi pemberian dana pada setiap klasifikasi bisnis. Metode lexicographic goal programming menghasilkan emiten-emiten pilihan setiap kelompok bisnis yaitu SSMS, CPIN, ICBP, BBNI, TLKM, INCO, ASII, WSKT dan SCMA kemudian dilanjutkan dengan peramalan masing-masing emiten terpilih untuk satu lag selanjutnya. Peramalan harga emiten didapatkan menggunakan neural network dengan algoritma backpropagation sebagai referensi harga emiten. 
Ads Filtering Mengunakan Jaringan Syaraf Tiruan Perceptron, Naïve Bayes Classifier, dan Regresi logistik Achmad Fachrudin Rachimawan; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 5, No 1 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (471.948 KB) | DOI: 10.12962/j23373520.v5i1.14692

Abstract

Email merupakan fasilitas yang mutlak diperlukan dalam berbagai bidang. Pentingnya email dan jumlahnya yang begitu banyak menyebabkan penyalahgunaan. Salah satu penyalahgunaan yang sering ditemui adalah email iklan yang dikirimkan oleh perusahaan penyedia konten internet saat pengguna mendaftar pada situs perusahaan tersebut. Terdapat metode agar email iklan dari perusahaan-perusahaan tersebut bisa secara otomatis dikenali yaitu klasifikasi. Data email berbentuk teks, sehingga jauh lebih rumit dan perlu proses untuk mempersiapkan data. Salah satu prosesnya adalah pembobotan ads atau adicity. Untuk metode klasifikasi yang digunakan adalah Naive Bayes Classifier (NBC) yang secara umum sering digunakan dalam data teks dan Perceptron yang diketahui keduanya merupakan metode yang cukup sederhana untuk menyelesaikan permasalahan yang kompleks. Kedua metode tersebut akan dibandingkan untuk mengetahui hasil klasifikasi yang paling baik. Hasil penelitian menunjukkan bahwa NBC lebih unggul dibanding Perceptron, dan pada NBC False Positive Ratio lebih mudah untuk dikontrol.
Pemodelan Curah Hujan dengan Pendekatan Model ARIMA, Feed Forward Neural Network dan Hybrid (ARIMA-NN) di Banyuwangi Yudi Susanto; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (734.892 KB) | DOI: 10.12962/j23373520.v5i2.16409

Abstract

Banyuwangi dikenal sebagai daerah yang kaya akan keindahan alamnya, banyak terdapat tempat wisata antara lain Pantai Bama, Watu Dodol, Rajeg Wesi, Sukomade, Pulau Merah dan Pantai Plengkung. Selain itu di Banyuwangi juga terdapat Taman Nasional Meru Betiri dan Cagar Alam Baluran. Banyuwangi juga merupakan lumbung padi terbesar di Jawa Timur. Salah satu faktor alam yang berpengaruh terhadap produksi padi adalah curah hujan. Pada data curah hujan selain terdapat pola linier diduga juga terdapat pola non linier. Pada penelitian ini akan digunakan digunakan pemodelan linier yaitu ARIMA dan non linier yaitu Feed Forward Neural Network (FFNN) dan Hybrid (ARIMA-NN). Dari hasil analisis yang telah dilakukan didapatkan model ARIMA terbaik adalah ARIMA ([1,13,17],0,0) (1,0,0)12 dengan nilai RMSE sebesar in sample 0,909 dan RMSE out sample sebesar 1,351. Model FFNN terbaik yang didapatkan adalah FFNN (3,3,1) dengan variabel input lag yang signifikan pada model ARIMA yaitu zt-1, zt-12 dan zt-13 dengan nilai RMSE in sample sebesar 1,002 dan RMSE out sample sebesar 1,017 serta pada pemodelan Hybrid, model utama yang digunakan adalah ARIMA ([1,13,17],0,0)(1,0,0)12 dengan model FFNN yang terbentuk adalah FFNN (4,5,1) dengan nilai RMSE berturut-turut 0,851 dan 1,231. Dari ketiga metod tersebut pemodelan dengan FFNN (3,3,1) menghasilkan nilai RMSE out sample yang paling kecil.
Pemodelan Data Curah Hujan Di Kabupaten Banyuwangi dengan Metode ARIMA dan Radial Basis Function Neural Network Novelina Purba; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (888.23 KB) | DOI: 10.12962/j23373520.v5i2.16678

Abstract

Curah hujan merupakan salah satu komponen lingkungan pemegang peranan penting dalam budidaya tanaman. Bagi Kabupaten Banyuwangi jumlah curah hujan sangat penting dalam menentukan ke-berhasilannya sebagai salah satu lumbung padi Jawa Timur. Perencanaan waktu tanam tidak lepas dari kondisi curah hujan. Penelitian ini menggunakan metode ARIMA dan RBFNN untuk memodelkan curah hujan di Kabupaten Banyuwangi dengan pendekatan linier dan non linier. Model ARIMA merupakan pendekatan linier pada data curah hujan, sedangkan model RBFNN merupakan pendekatan non linier pada data. Penelitian ini membandingkan kedua model tersebut berdasarkan nilai Mean Square Error (MSE) .Data yang digunakan dalam penelitian ini berasal dari Stasiun Meteorologi Banyuwangi. Model ARIMA menghasilkan nilai MSE sebesar 344,658 dan model RBFNN menghasilkan nilai MSE sebesar 300,185. Berdasarkan perbandingan MSE dari kedua model disimpulkan bahwa model RBFNN lebih baik dari pada ARIMA dalam meramalkan curah hujan di Kabupaten Banyuwangi.
Klasifikasi Email Spam dengan Menggunakan Metode Support Vector Machine dan k-Nearest Neighbor Shiela Novelia Dharma Pratiwi; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (581.32 KB) | DOI: 10.12962/j23373520.v5i2.16685

Abstract

Akibat dari penggunaan email yang sangat intens dapat menyebabkan dampak positif dan negatif. Hal ini dikarenakan tidak semua orang dapat menggunakan email dengan baik dan diketahui banyak sekali penyalahgunaan email yang berpotensi dapat merugikan perusahaan ataupun individual. Email yang disalahgunakan ini biasa dikenal sebagai spam atau junkmail (email sampah), isi dari email tersebut bisa berupa iklan penjualan produk, penipuan berkedok menang undian atau bahkan virus dan malware. Banyaknya penyalahgunaan email ini menimbulkan kerugian yang cukup besar antara lain dapat meningkatkan data traffic dan menyebabkan kerugian ekonomis yang cukup signifikan, terutama bagi perusahaan. Hal-hal tersebut mendasari dilakukannya penelitian tentang klasifikasi email yang kemudian akan diklasifikasikan berdasar dua kategori utama yaitu email spam dan ham. Pengklasifikasian email pada penelitian ini diselesaikan dengan menggunakan metode SVM dan KNN. Metode SVM atau Support Vector Machine merupakan salah satu metode terbaik yang dapat digunakan dalam masalah klasifikasi pola, sedangkan metode KNN atau k-Nearest Neighbor metode pengklasifikasian yang berdasar pada pengukuran jarak tertangga terdekat yang memiliki performansi yang baik ketika data training yang diberikan sedikit. Beberapa referensi menyebutkan bahwa metode KNN dan SVM akan memberikan hasil ketepatan klasifikasi yang lebih baik bila dikombinasikan dengan teknik partisi data k-fold cross validation (k-fold cv), yang mana pada penelitian ini k yang digunakan adalah 10. Sehingga dari kombinasi antara metode klasifikasi dan teknik partisi diatas didapatkan kesimpulan bahwa kombinasi metode KNN pada k = 3,5,7,9,11 dengan 10-fold cv menghasilkan ketepatan klasifikasi terbaik pada saat k=3 dengan hasil ketepatan klasifikasi  sebesar 92.28% dengan error 7.72 % sedangkan kombinasi metode SVM menggunakan kernel linier dan RBF dengan 10-fold cv menghasilkan ketepatan klasifikasi terbaik dengan menggunakan SVM linier dengan ketepatan klasifikasi yang diberikan sebesar 96.6% dengan error 3.4% sehingga disimpulkan metode SVM lebih baik dibanding metode KNN.
WEBSITE “DAILY NEEDS” SEBAGAI PENUNJANG PENJUALAN TOKO KELONTONG SECARA ONLINE BERBASIS WIX I Putu Eka Widya Pratama; Dheanda Stefany; Aulya Febryanti Putri; Brodjol Sutijo Suprih Ulama; Vanda Kalista Dewi
Jurnal Nasional Aplikasi Mekatronika, Otomasi dan Robot Industri (AMORI) Vol 2, No 2 (2021)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213560.v2i2.11652

Abstract

Terbatasnya pasar komoditas dan buruknya sistem promosi bagi masyarakat menyebabkan tidaktercapainya penghasilan laba dari pemilik usaha kecil. Penjualan sederhana seperti menampilkan produk danmelakukan pemesana dengan menghubungi kontak yang dicantumkan, namun pemasaran seperti ini belum bisamenjangkau masyarakat secara keseluruhan, sehingga penulisan ini memberikan solusi belanja kebutuhan sehari-haridengan lebih mudah dengan inovasi baru yang ditawarkan adalah pembuatan website yang bekerja sama denganpemilik toko kelontong. Kegunaan website tersebut bertujuan memberikan solusi promosi produk yang dijual olehpemilik toko kelontong di daerah setempat, berawal dari kondisi lingkungan di daerah bahwa masyarakat kesusahanmenjangkau tempat perbelanjaan. Website ini bisa diakses tanpa biaya pendaftaran bagi penjual yang bergabungdengan “Daily Needs” yang memberikan wadah bagi pengusaha kecil dan konsumen dengan mudah membeli sembakodengan lebih efisien dengan menggunakan website yang sudah dibuat. Penggunaan perlengkapan sekolah dalamproses belajar mengajar memiliki kemampuan untuk menimbulkan minat, motivasi dan rangsangan, sehinggamempengaruhi psikologi siswa. Pengembangan bahan ajar pada website berpotensi meningkatkan motivasi belajarsiswa dan meningkatkan hasil belajar siswa. Penelitian ini bertujuan untuk menghasilkan materi pembelajaranberbasis web menggunakan Wix yang telah diuji kelayakannya dan dapat digunakan sebagai perangkat yang sesuaiuntuk membantu proses pembelajaran berbasis minyak gas di WSAN kelas XI 8 Kota Jambi. Jenis penelitian ini adalahpenelitian dan pengembangan dan pengembangan, metode yang digunakan untuk menghasilkan produk multimediapembelajaran. Data dari penelitian diperoleh dari angket kelayakan setelah divalidasi oleh ahli media, ahli materi,praktisi, dan umpan balik siswa terhadap media pembelajaran. Hasil penelitian dikumpulkan dari tim ahli dokumenterdan komunikasi, masing-masing dengan skor rata-rata ,38 (sangat positif) dengan tingkat 87,62%; ,5 (sangat bisadilakukan) pada 90,00% dan mengklaimsangat layak untuk diuji. Selanjutnya berdasarkan umpan balik dan review dari guru bidang penelitian kimia diperolehnilai rata-rata, 6 (sangat baik) dengan nilai 89,33% dan mendapat tanggapan sangat baik dari siswa siswa dengannilai siswa menjawab adalah 83,18%.
Analisis Sentimen Data Ulasan Pengguna Aplikasi “PeduliLindungi” pada Google Play Store Menggunakan Metode Naïve Bayes Classifier Model Multinomial Zahtira Annisa; Brodjol Sutijo Suprih Ulama
Jurnal Sains dan Seni ITS Vol 11, No 6 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i6.94064

Abstract

Salah satu terobosan dari pemerintah Republik Indonesia dalam menangani pandemi COVID-19 adalah membuat aplikasi PeduliLindungi. Setiap pengguna baru aplikasi PeduliLindungi ingin mengetahui bagaimana respon pengguna sebelumnya sebagai bentuk evaluasi setelah menggunakan aplikasi PeduliLindungi melalui Google Play Store berupa ulasan. Oleh karena itu, perlu dilakukan penelitian analisis sentimen untuk mengetahui sentimen masyarakat terhadap aplikasi tersebut. Penelitian ini dilakukan dengan metode Naïve Bayes Classifier dengan model Multinomial. Hasil dari penelitian ini didapatkan bahwa pengguna mayoritas memberikan opini bersentimen negatif sebesar 65%, sedangkan opini sentimen positif hanya sebesar 19,08%, dan sentimen netral sebesar 15,92%. selanjutnya ulasan masyarakat yang bersentimen positif antara lain mengandung kata “bantu”, “terima”, “mohon”, “peduli”,“bagus” dan lain-lain. Sedangkan opini masyarakat yang bersentimen negatif antara lain mengandung kata “daftar”, “susah”, “buka”, “lahir”, “gagal”, dan lain-lain. Perhitungan ketepatan klasifikasi menggunakan G-Mean dan AUC karena termasuk ke dalam kategori data imbalanced. Nilai G-Mean sebesar 0,6239 menunjukkan bahwa bahwa sentimen positif dan negatif dari data ulasan pengguna aplikasi PeduliLindungi dapat diklasifikasikan secara tepat sebesar 62,39% dan nilai AUC sebesar 0,6323 yang berarti bahwa data ulasan pengguna PeduliLingungi termasuk dalam klasifikasi lemah yaitu sebesar 63,23%.