Article Per Year (5 Year)
p-Index From 2021 - 2026
12.477
P-Index
This Author published in this journals
All Journal Jurnal Matematika BIMASTER Proceedings of Annual International Conference Syiah Kuala University - Life Sciences & Engineering Chapter Jurnal Statistika Universitas Muhammadiyah Semarang Agrointek BAREKENG: Jurnal Ilmu Matematika dan Terapan Jambura Journal of Mathematics GERVASI: Jurnal Pengabdian kepada Masyarakat Sarwahita : Jurnal Pengabdian Kepada Masyarakat M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika Variance : Journal of Statistics and Its Applications Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian kepada Masyarakat Nusantara Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Forum Analisis Statistik Pattimura International Journal of Mathematics (PIJMath) Jurnal Pelayanan dan Pemberdayaan Masyarakat STATISTIKA Equiva
Hendra Perdana
Universitas Tanjungpura
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 144 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 107 Documents
Search
Journal : BIMASTER

 7   8   9   10   11 
PENGELOMPOKAN INDEKS PEMBANGUNAN MANUSIA DI INDONESIA MENGGUNAKAN METODE K-MEDOIDS DENGAN EVALUASI DAVIES BOULDIN INDEX Ersawahyuni, Aisna; Martha, Shantika; Perdana, Hendra
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.v14i2.92331

Abstract

Indeks Pembangunan Manusia (IPM) adalah salah satu indikator penting dalam menilai kemajuan suatu negara. Pengelompokan IPM berguna memberikan wawasan yang penting mengenai pemahaman tentang pola dan karakteristik perkembangan kesejahteraan masyarakat. Tujuan dari penelitian ini adalah mengelompokkan provinsi-provinsi di Indonesia berdasarkan IPM masing-masing provinsi tahun 2023 menggunakan metode K-Medoids dan menentukan jumlah cluster yang optimal dengan evaluasi Davies Bouldin Index (DBI). Data yang digunakan berasal dari Publikasi Badan Pusat Statistik Pusat Tahun 2023, variabel yang digunakan antara lain umur harapan hidup, harapan lama sekolah, rata-rata lama sekolah, pengeluaran per kapita, produk domestik regional bruto, jumlah penduduk, dan persentase penduduk miskin. Proses analisis dimulai dengan statistik deskriptif dan pengujian multikolinearitas Variance Inflation Factor (VIF). Variabel yang memiliki nilai VIF 10 dieliminasi secara bertahap. Selanjutnya, dilakukan standarisasi data dan menentukan jumlah cluster awal, k yang digunakan , dilanjutkan dengan pemilihan medoids acak dan perhitungan jarak euclidean untuk menentukan kedekatan antar objek. Proses dilakukan hingga total jarak. Setelah pengelompokan selesai dilakukan optimasi jumlah cluster dengan menggunakan DBI, dengan cara meminimalkan nilai Sum of Square Within (SSW) dan memaksimalkan Sum of Square Between (SSB) dilanjutkan dengan menghitung rasio antara SSW dan SSB sehingga diperoleh nilai DBI. Hasil pengelompokan optimal yaitu dua cluster berdasarkan nilai DBI sebesar 0,94, namun dipilih cluster optimal sebanyak empat sebagai alternatif karena memiliki nilai DBI terendah kedua sebesar 1,07. Hasil pengelompokkan empat cluster yaitu cluster 1 IPM kategori sangat tinggi berjumlah 4 provinsi, cluster 2 IPM kategori tinggi berjumlah 14 provinsi, cluster 3 IPM kategori rendah berjumlah 10 provinsi, dan cluster 4 IPM kategori sangat rendah berjumlah enam provinsi.  Kata Kunci :  Jarak Euclidean, DBI, VIF, Hierarchical.  
ANALISIS PENGELOMPOKAN WILAYAH DESA DI KABUPATEN LANDAK BERDASARKAN INDEKS KETAHANAN SOSIAL MENGGUNAKAN K-MODES Santika, Santika; Perdana, Hendra; Satyahadewi, Neva
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.v14i2.92218

Abstract

Pembangunan desa di Indonesia diukur menggunakan Indeks Desa Membangun (IDM), yang terdiri dari tiga komponen utama yaitu Indeks Ketahanan Sosial, Ekonomi, dan Lingkungan. Kabupaten Landak berada di peringkat terakhir provinsi di Kalimantan Barat dengan rata-rata IDM 0,7253, menunjukkan perlunya intervensi khusus untuk meningkatkan pembangunanan desa. Penelitian ini bertujuan untuk mengklasterkan desa di Kabupaten Landak berdasarkan dimensi Indeks Ketahanan Sosial dengan metode K-Modes, yang cocok untuk data kategorik. Tahapan penelitian ini meliputi analisis deskriptif, penerapan algoritma K-Modes untuk pembagian cluster dengan K=3 dan K=4, serta evaluasi validitas cluster. Hasil penelitian menunjukkan bahwa pembagian desa ke dalam empat cluster adalah yang paling optimal, dengan nilai Silhouette Coefficient sebesar 0,0951. Masing-masing cluster memiliki karakteristik berbeda terkait dimensi pembentukan IKS, seperti tingkat pendidikan, ketersediaan infrastruktur kesehatan, dan aktivitas sosial. Temuan ini memberikan panduan bagi pemerintah dalam menyusun kebijakan pembangunan desa yang lebih terarah untuk meningkatkan ketahanan sosial di Kabupaten Landak.  Kata Kunci : Indeks Ketahanan Sosial, K-Modes, Silhouette Coefficient, Klasterisasi.
METODE TWO STAGE LEAST SQUARE DALAM MENGANALISIS FAKTOR YANG MEMPENGARUHI IPM DAN KEMISKINAN Ramadhan, Nanda; Satyahadewi, Neva; Perdana, Hendra
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.v14i2.91958

Abstract

IPM adalah suatu metode pengukuran dengan perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara seluruh dunia. IPM merupakan indikator penting dalam mengukur kualitas hidup masyarakat yang di pengaruhi oleh faktor-faktor seperti pendidikan, kesehatan, dan pendapatan. Sementara itu, kemiskinan juga dipengaruhi oleh berbagai variabel ekonomi dan sosial yang sering kali berinteraksi dengan IPM. Penelitian ini bertujuan untuk menganalisis hubungan simultan antara Indeks Pembangunan Manusia (IPM) dan kemiskinan di Kalimantan Barat serta faktor-faktor yang memengaruhi keduanya menggunakan metode Two Stage Least Square (2SLS). Data sekunder yang digunakan mencakup 14 kabupaten/kota di Kalimantan Barat pada periode 2021-2023, dengan variabel endogen berupa IPM dan kemiskinan serta variabel eksogen seperti pengeluaran per kapita, tingkat pengangguran terbuka, angka harapan hidup, rata-rata lama sekolah, dan Produk Domestik Regional Bruto (PDRB). Analisis dilakukan menggunakan metode Ordinary Least Square (OLS) untuk uji signifikansi, dilanjutkan dengan uji asumsi klasik untuk memastikan model regresi memenuhi kriteria. Tahapan terakhir adalah estimasi parameter menggunakan metode Two Stage Least Square (2SLS). Hasil penelitian menunjukkan bahwa hanya tingkat pengangguran terbuka yang memiliki pengaruh signifikan terhdapat peningkatan Kemiskinan, sementara IPM dipengaruhi secara signifikan oleh semua variabel yang digunakan. Penelitian ini memberikan wawasan penting dalam pengambilan kebijakan untuk meningkatkan kualitas pembangunan manusia dan mengurangi kemiskinan di Kalimantan Barat.  Kata Kunci : ekonomi, simultan, tingkat pengangguran terbuka
PENERAPAN WEB SCRAPING DENGAN PENDEKATAN N-GRAM UNTUK EKSTRAKSI INFORMASI PADA ULASAN HOTEL MAESTRO PONTIANAK Yustosio, Darwis; Sulistianingsih, Evy; Perdana, Hendra
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.v14i2.92221

Abstract

Web scraping merupakan metode otomatisasi yang dilakukan untuk mengekstraksi data dari halaman web. Teknik ini memungkinkan pengambilan informasi dalam jumlah besar secara efisien tanpa harus melakukan penyalinan data secara manual. Dalam penelitian ini, web scraping diterapkan dengan pendekatan N-Gram untuk mengekstraksi dan menganalisis ulasan pelanggan terhadap pelayanan Hotel Maestro Pontianak. Data yang diperoleh kemudian digunakan untuk mengidentifikasi pola kata dan sentimen yang terkandung dalam ulasan pelanggan. Banyaknya pengunjung yang menginap di hotel ini menyebabkan banyaknya ulasan yang diberikan oleh pengunjung melalui website Traveloka. Penelitian ini bertujuan untuk menerapkan web scraping dalam pengambilan data ulasan pengunjung mengenai pelayanan Hotel Maestro Pontianak dari website Traveloka serta menganalisis informasi yang diperoleh menggunakan pendekatan N-gram untuk memahami opini pelanggan terhadap layanan hotel. Penelitian ini menggunakan teknik Web Scraping untuk mengumpulkan data ulasan, yang kemudian dilanjutkan dengan analisis sentimen menggunakan metode Lexicon Based dan N-Gram. Sebanyak 285 ulasan Hotel Maestro Pontianak dikumpulkan melalui Web Scraping. Data ulasan diproses menggunakan Text Preprocessing untuk menyeragamkan bentuk kata sehingga data lebih terstruktur. Selanjutnya, hasil Text Preprocessing diekstraksi fitur N-Gram kemudian diproses menggunakan metode Lexicon Based dengan bantuan Library VADER Sentiment. Hasil penerapan menggunakan pendekatan N-Gram, dari 285 data ulasan yang sudah diproses melalui text preprocessing dan diperoleh nilai score polarity, menunjukan hasil persentase setiap N-Gram. Dimana hasil persentase menunjukkan ulasan tersebut memiliki banyak opini positif mengenai pelayanan Hotel Maestro Pontianak. Informasi yang didapatkan dari hotel tersebut adalah kamar yang bersih, pelayanan yang baik dan ramah dari pihak hotel. Adapun keluhan dan perbaikan kedepannya yang perlu dilakukan oleh pihak hotel adalah masalah tempat parkir yang terbatas dan juga kebocoran platfon yang perlu dibenahi.  Kata Kunci: N-Gram, Unigram, Bigram, Trigram, VADER.
IMPLEMENTASI METODE MOORA DALAM KEPUTUSAN PEMILIHAN APLIKASI INVESTASI TERBAIK Margaretha, Ledy Claudia; Perdana, Hendra; Satyahadewi, Neva
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (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.v14i1.91813

Abstract

Investasi merupakan salah satu cara mencapai kebebasan finansial. Adanya aplikasi investasi memudahkan investor berinvestasi di mana dan kapan saja dengan smartphone dan internet. Namun, investor sering kali menghadapi kesulitan dalam memilih aplikasi yang sesuai dengan tujuan dan risikonya. Oleh karena itu, diperlukan suatu sistem yang mampu merekomendasikan aplikasi investasi dengan efektif. Sistem Pendukung Keputusan diciptakan untuk mendukung pengambilan keputusan dengan memilih dari berbagai alternatif keputusan yang ada. Tujuan penelitian ini adalah mengimplementasikan metode MOORA sebagai salah satu metode sistem pengambilan keputusan dalam membantu calon investor untuk memilih aplikasi investasi terbaik dengan mempertimbangkan berbagai kriteria sebagai parameter penilaian penentuan aplikasi investasi. Data yang digunakan sebagai alternatif adalah aplikasi investasi yang tergolong pada bidang keuangan dari Google Play Store yaitu Bibit, Ajaib, Stockbit, IPOT, Bareksa, dan Pluang. Kriteria - kriteria sebagai parameter penentu aplikasi investasi terbaik yaitu Jumlah Instrumen Investasi, Rating Aplikasi, Minimal Investasi, Peringkat Aplikasi, dan Besar Aplikasi. Analisis data dimulai dari menginput data, menentukan jenis kriteria, konversi data, menentukan bobot kriteria, membuat matriks keputusan, normalisasi matriks, optimasi matriks, menentukan nilai akhir metode MOORA, dan interpretasi dari hasil ranking. Dari hasil analisis, diperoleh bahwa alternatif A1 yaitu Bibit memperoleh nilai tertinggi sebesar 0,243 sehingga menjadikan Bibit sebagai aplikasi investasi yang paling direkomendasikan.  Kata Kunci : Aplikasi Investasi, MOORA, Sistem Pengambilan Keputusan.
IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI PASIEN PENDERITA DIABETES MELLITUS Puspita, Risma; 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.v14i3.95738

Abstract

Diabetes mellitus merupakan kondisi di mana tubuh gagal mengontrol kadar glukosa dalam darah. Penyakit ini terjadi karena tubuh tidak mampu menghasilkan insulin dalam jumlah yang cukup, sehingga menyebabkan peningkatan kadar gula darah tetap tinggi dan dapat menyebabkan dampak serius bagi kesehatan pasien. Dalam upaya memahami dan menganalisis masalah ini secara lebih mendalam sistem klasifikasi yang akurat untuk mendeteksi penyakit ini, diperlukan pendekatan yang tepat, salah satunya melalui metode berbasis Machine Learning. Untuk mengidentifikasi faktor-faktor yang mempengaruhi klasifikasi pasien diabetes mellitus serta menentukan tingkat akurasi algoritma Support Vector Machine (SVM) dalam proses klasifikasi maka dari itu penelitian ini menggunakan dua jenis kernel yaitu kernel linear dan kernel Radial Basic Function (RBF). Data yang digunakan merupakan data sekunder dari 982 pasien di Puskesmas Gang Sehat, dengan variabel yang dianalisis meliputi jenis kelamin, usia, tekanan darah sistole dan diastole, serta Indeks Massa Tubuh (IMT). Hasil menunjukkan bahwa kernel RBF memiliki akurasi lebih tinggi 80,2% dibandingkan kernel linear 77,8%, sehingga kernel RBF lebih efektif dalam menangani pola data pada penelitian ini.
VALIDASI C-INDEX DALAM PENGELOMPOKAN DAERAH DI KALIMANTAN BARAT BERDASARKAN INDIKATOR KETAHANAN PANGAN Fallah, Khalishah Ghina; Martha, Shantika; Perdana, Hendra
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.v14i3.95793

Abstract

Ketahanan pangan merupakan kondisi terpenuhinya kebutuhan pangan bagi setiap individu dalam suatu wilayah, baik dari segi ketersediaan, akses, maupun pemanfaatannya, sehingga masyarakat dapat hidup sehat dan produktif. Analisis ketahanan pangan diperlukan untuk memahami karakteristik wilayah berdasarkan berbagai indikator yang berpengaruh. Untuk mengukur ketahanan pangan membutuhkan ukuran yang komprehensif dengan melibatkan serangkaian indikator yakni aspek ketersediaan, akses dan pemanfaatan pangan. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Kalimantan Barat berdasarkan indikator ketahanan pangan serta menentukan jumlah cluster optimal yang terbentuk sehingga karakteristik setiap kelompok dapat diketahui melalui analisis cluster. Metode K-Medoids merupakan salah satu algoritma yang efektif dalam pengelompokan karena mampu menghasilkan cluster yang lebih stabil dan representatif terhadap data yang digunakan. Namun, penentuan jumlah cluster optimal masih belum memiliki dasar teori yang kuat, sehingga diperlukan metode untuk menentukannya. C-Index adalah metode validasi internal yang menilai kualitas clustering dengan membandingkan jarak antar objek dalam dan antar cluster. Berdasarkan penelitian yang telah dilakukan, jumlah cluster optimal yang terbentuk berjumlah empat cluster dengan nilai C-index terkecil sebesar 0,42. Cluster 1 merupakan daerah dengan ketahanan pangan yang tinggi yang terdiri dari 5 kabupaten/kota, cluster 2 dengan tingkat ketahanan pangan yang cukup terdiri dari empat kabupaten/kota, cluster 3 dengan tingkat ketahanan pangan yang kurang terdiri dari empat kabupaten/kota, dan cluster 4 dengan tingkat ketahanan pangan yang rendah yang terdiri dari satu kabupaten/kota yaitu Kayong Utara.
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.
PENGELOMPOKAN DAERAH DI KALIMANTAN BARAT BERDASARKAN INDIKATOR TINGKAT PENGANGGURAN DENGAN HIERARCHICAL CLUSTERING MULTISCALE BOOTSTRAP Hafifah, Nanda; Perdana, Hendra; Sulistianingsih, Evy
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.v14i3.95740

Abstract

Pengangguran merupakan masalah umum yang ditemui di negara-negara berkembang, termasuk Indonesia. Kondisi ini dipengaruhi oleh beberapa faktor seperti pertumbuhan penduduk, ekonomi, ketersediaan lapangan kerja, tingkat pendidikan, serta besaran upah. Tingginya populasi di Indonesia menjadi tantangan dalam menekan angka pengangguran. Untuk mengukur dampaknya dalam suatu wilayah, digunakan indikator tingkat pengangguran, yaitu persentase jumlah pengangguran dibandingkan dengan total angkatan kerja. Berdasarkan data BPS tahun 2023, Kalimantan Barat mencatat tingkat pengangguran sebesar 5,05% yang masih tergolong tinggi. Penelitian ini bertujuan untuk mengelompokkan Kabupaten/Kota di Kalimantan Barat berdasarkan indikator tingkat pengangguran dengan hierarchical clustering multiscale bootstrap serta mengevaluasi validitas setiap cluster. Dalam analisis multivariat, Analisis cluster digunakan untuk mengelompokkan objek berdasarkan kesamaan karakteristik. Metode Ward, yang meminimalkan varians internal dalam cluster merupakan salah satu metode hierarki yang digunakan. Validasi dilakukan dengan metode resampling multiscale bootstrap, yang menghasilkan dua nilai, yaitu bootstrap probability (BP) dan approximately unbiased (AU). Nilai BP menunjukkan seberapa sering suatu cluster terbentuk saat data diulang, sedangkan AU dianggap lebih akurat dalam menilai keandalan cluster. Sebuah cluster dianggap stabil jika nilai AU ≥ 0,95. Namun, dalam penelitian ini digunakan batas minimal AU ≥ 0,75 sebagai ukuran stabilitas. Hasilnya, diperoleh dua cluster yang stabil yaitu cluster 1 dengan tingkat pengangguran rendah terdiri dari Mempawah, Kayong Utara, Sanggau, Kota Singkawang, Landak, Sambas, Sintang, Bengkayang, Kapuas Hulu, Sekadau, dan Melawi. Cluster 3 dengan tingkat pengangguran tinggi yaitu Kabupaten Kubu Raya dan Kota Pontianak, Serta cluster 2 dengan tingkat pengangguran sedang yaitu Ketapang, namun memiliki nilai AU sebesar 0,72.
GRADIENT BOOSTING MACHINE PADA KLASIFIKASI KELULUSAN MAHASISWA Atlantic, Virginnia; Sulistianingsih, Evy; 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.v13i2.76955

Abstract

Prodi Statistika UNTAN perlu mengetahui klasifikasi kelulusan mahasiswa, maka dari itu perlu dibuat suatu model yang dapat memprediksi ketepatan waktu lulus mahasiswa. Hal ini dilakukan dengan membuat model prediksi klasifikasi kelulusan mahasiswa dengan menggunakan pendekatan Pohon Keputusan. Metode ensemble dikembangkan untuk menghasilkan model prediksi yang lebih akurat dari metode Pohon Keputusan yaitu CART. Data yang digunakan adalah data kelulusan mahasiswa Prodi Statistika UNTAN Periode 1 Tahun Ajaran 2017/2018 hingga Periode II Tahun Ajaran 2022/2023, dengan populasi 181 dan sampel 128 data. Setelah menggunakan nilai akurasi dalam mengevaluasi model prediksi yang diperoleh dari model GBM. Kemudian dibandingkan nilai akurasi dari model GBM dan model CART. Berdasarkan penelitian, didapat nilai akurasi model GBM yaitu 71,09% yang lebih besar dibanding model CART yaitu 67,97%. Dengan demikian disimpulkan bahwa GBM mampu meningkatkan prediksi model dalam klasifikasi kelulusan mahasiswa Prodi Statistika UNTAN.  Kata Kunci : Kelulusan Mahasiswa, Gradient Boosting Machine, Nilai Akurasi
Co-Authors Al Amin Alatin, Isam Aldien, Royan Gustio Alex Sander Almazmar, Giatul Khodijah Hodijah Andani, Wirda Andi Hairil Alimuddin Anggi Putri Dewi Anggi, Muhamad Anis Fakhrunnisa Annisa Fitri Antoni, Frans Xavier Natalius Apriliyani, Techa Aprizkiyandari, Siti Ariady Zulkarnain Arsyi, Fritzgerald Muhammad Assa Trissia Rizal Atikasari, Awang Atlantic, Virginnia Aulia Puteri Amari Azura, Tina Calissta, Leanna Belva Cesoria, Yola Zerlinda Crismayella, Yuveinsiana Dadan Kusnandar Dadan Kusnandar Dadan Kusnandar Dadan Zaliluddin Debataraja, Naomi Nessyana Dedi Rosadi Deni Wardani Dinda Lestari Dwi Nining Indrasari Dzakirah, Nasya Rabbi Eka Rizki Wahyuni Elga Fitaloka Endah Saraswi Ersawahyuni, Aisna Evi Noviani Evy Sulistianingsih Faizah, Putri Alya Nur Fajar, Arif Nur Fallah, Khalishah Ghina Febriani, Nindy Febriani, Rani Febriyanto, Ferdy Fery Prastio Fidianty, Fadilla Firhan Januardi Firman Saputra Fortuna, Nia Fitriana Gilang Habibie Gunawan, Sucipto Hafifah, Nanda Handayani, Aditya Hapipah, Liza Darojatul Hariadi, Wahyudio Shaney Fikri Harnanta, Nabila Izza Hasanah, Kutsiatul Hasanuddin Hasanuddin Helmi Helmi Hidayat, Rani Lestari HUDA, NUR’AINUL MIFTAHUL Huriyah, Syifa Khansa Iman Sanjaya Imanni, Rahmania Andarini Hatti Imro'ah, Nurfitri IMRO’AH, NURFITRI Imtiyaz, Widad Indriani, Maria Meilinda Ira Mona Irwanto, Dicky Ismi Adam Jajad Sudrajat Jawani Jawani Juniarti, Leni Khabib Mustofa Laksono Trisnantoro Lilit Tamara Dinta Lisa Lestari M. Deny Hafizzul Muttaqin Ma’ruf, Ikhwan Maisarah Maisarah Margaretha, Ledy Claudia Mariana Yopi Mariatul Kiftiah Martha, Shantika Marwalida Rachmadiar Maulida Amanasari Mega Tri Junika Mida Mida Millennia Taraly Misrawi Misrawi Muhamad Ikbal Muhammad Ahyar Muhammad fauzan Muhardi Muhtadi, Radhi Mursyidah, Lailatul Mutiara Nurisma Rahmadhani Nabilah, Niken Aushaf Nanda Ayuni Nanda Shalsadilla Naomi Nessyana Debataraja Naomi Nessyana Debataraja Neva Satyahadewi Novita, Irene Nugrahaeni, Indah Nur Asiska Nur Azmi Nurfitri Imro'ah Nurfitri Imro’ah Nurhanifa, Nurhanifa Nurin Hafizah Nurmaulia Ningsih Nurul Huda Padilah, Ariski Paisal Paisal Pinasari, Repi Pitriani Pitriani Pranata Anggi Puji Ardiningsih Puspita, Risma Putri, Vinna Septyara Qalbi Aliklas Rafika Aufa Hasibuan Rahman, Tri Wanda Rahmania Andarini Hatti Imanni Rahmasari, Yulia Ramadhan, Nanda Ratna Nursariyani Ratna Sari Dewi Reni Unaeni Retnani, Hani Dwi Ria Fuji Astuti Rina Rina Risa Nofiani Risko, Risko Rivaldo, Rendi Rizki, Setyo Wira Robbiati, Dian Roeswandi, Irine Fajrin Rofatunnisa, Sifa Sadikin, Utin Azwa Sayhani Salsabila, Hana Samson Samson Santika Santika Sasqia Aklysta Antaristi Sesilisvana, Nevil Setyo Wir Rizki Setyo Wira Rizki Setyo Wira Rizki Setyo Wira Rizki Shantika Martha Shantika Martha Shantika Martha Silvia Andriany Sinaga, Steven Jansen Sindia, Eri Sintia Margun Siti Julaeha, Siti Siti Septiani Rahayu Putri Solly Aryza Suci Angriani Suhardi Suprianto, Okto syuradi, Syuradi Tamtama, Ray Taraly, Inggriani Millennia Thariq Thariq Tiara, Dinda Titania Aurellia Trifaiza, Fadhela Wafiq Nurhaliza Wahyu Diyan Ramadana Wilda Ariani Wira Fujiyanto Enizar Wirda Andani Wirdha Eryani Yogi, Vinsensius Yohane, Novi Yonatan, Yulianus Yopi Saputra Yudhi Yumna Siska Fitriyani Yundari, Yundari Yundari, Yundari Yustosio, Darwis Yuveinsiana Crismayella Zahidah, Zahra