Claim Missing Document
Check
Articles

Found 107 Documents
Search
Journal : BIMASTER

PENERAPAN LONG SHORT-TERM MEMORY DALAM PERAMALAN HARGA CRUDE PALM OIL DI INDONESIA Calissta, Leanna Belva; 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.v14i3.95311

Abstract

Crude Palm Oil (CPO) adalah jenis minyak nabati yang dihasilkan dari buah tanaman kelapa sawit. Di Indonesia, CPO memegang peranan penting di industri perdagangan ekspor. Akan tetapi, harga CPO yang fluktuatif dapat menimbulkan risiko untuk pihak terlibat, sehingga peramalan dilakukan untuk meminimalisir risiko tersebut. Long Short-Term Memory (LSTM) merupakan salah satu metode yang dapat digunakan. LSTM adalah metode hasil dari pengembangan Recurrent Neural Network. Tujuan penelitian ini yaitu menerapkan metode LSTM untuk meramalkan harga CPO di Indonesia pada periode 1 Agustus hingga 30 Agustus 2024. Data yang digunakan yaitu data harian harga CPO di Indonesia dengan jangka waktu dari 3 April 2023 hingga 31 Juli 2024 yang diperoleh dari website Badan Pengawas Perdagangan Berjangka Komoditi. Pada penelitian ini, dilakukan pembagian data dimana data training sebanyak 260 data untuk pelatihan model dan testing sebanyak 41 data untuk evaluasi model. Parameter yang digunakan yaitu epoch, dimana jumlah epoch sebanyak 10. Penelitian ini dilakukan menggunakan bantuan software RStudio dengan package yang digunakan yaitu "Tsdeeplearning". Dari penelitian yang telah dilakukan, didapatkan hasil bahwa metode LSTM mampu melakukan peramalan harga CPO di Indonesia dengan nilai Mean Absolute Percentage Error (MAPE) yang diperoleh pada data training yaitu sebesar 3,69% dan pada data testing sebesar 4,74%. Dengan nilai MAPE tersebut, akurasi model peramalan dapat dikategorikan sangat baik. Dari hasil peramalan diperoleh bahwa harga tertinggi ada pada tanggal 5 Agustus 2024 sebesar Rp16.006 per kg dan harga terendah pada tanggal 16 Agustus 2024 sebesar Rp14.960 per kg.
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA IPKM DI KALIMANTAN BARAT Ma’ruf, Ikhwan; 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.v14i3.95125

Abstract

Geographically Weighted Regression Principal Component Analysis (GWRPCA) ialah kombinasi metode Geographically Weighted Regression (GWR) serta Principal Component Analysis (PCA). Sehingga metode GWRPCA sangat cocok untuk menganalisis Indeks Pembangunan Kesehatan Masyarakat (IPKM) di Kalimantan Barat. Kesehatan balita, kesehatan reproduksi, pelayanan kesehatan, perilaku kesehatan, penyakit tidak menular, penyakit menular serta kesehatan lingkungan ialah variabel independen yang dipakai. Penelitian ini dimulai dengan proses analisis pemodelan regresi linear berganda. Selanjutnya, analisis GWRPCA akan dipakai sebagai bagian dari menemukan nilai koefisien determinasi global serta lokal. Hasilnya menyatakan bahwa nilai koefisien determinasi (R^2) global sejumlah 96,01%. Di sisi lain, pada model GWRPCA 14 model ditemukan nilai koefisien determinasi lokal pada tiap lokasi. Sambas memiliki koefisien determinasi lokal tertinggi sejumlah 96,06%, serta Kapuas Hulu memiliki koefisien determinasi lokal terkecil sejumlah 95,81%.
IMPLEMENTASI ALGORITMA GATED RECURRENT UNIT (GRU) UNTUK MEMPREDIKSI HARGA CRUDE PALM OIL (CPO) INDONESIA Robbiati, Dian; Perdana, Hendra; 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.v14i4.95959

Abstract

Minyak sawit mentah atau crude palm oil (CPO) merupakan salah satu hasil olahan utama kelapa sawit dengan nilai ekonomis tinggi sebagai komoditas ekspor dan sumber devisa negara. Fluktuasi harga CPO menyebabkan ketidakstabilan harga Tandan Buah Segar (TBS), yang berdampak pada menurunnya pendapatan petani dan risiko kerugian perusahaan akibat biaya produksi yang tidak tertutupi serta penumpukan CPO yang tidak terjual. Penelitian ini bertujuan untuk memprediksi harga CPO Indonesia menggunakan algoritma Gated Recurrent Unit (GRU). GRU merupakan salah satu varian dari algoritma Recurrent Neural Networks (RNN) yang efisien dalam menangani data time series. Data yang digunakan adalah data harga harian CPO Indonesia dari Badan Pengawas Perdagangan Berjangka Komoditi (Bappebti). Dataset kemudian dibagi menjadi data training yang terdiri dari periode 1 April 2023 "“ 31 Mei 2024 dan data testing yang terdiri dari periode 1 Juni "“ 31 Juli 2024. Penelitian ini dilakukan menggunakan software RStudio dengan package "Tsdeeplearning". Proses pelatihan model meliputi inisialisasi bobot dan bias, perhitungan reset gate dan update gate dengan fungsi aktivasi sigmoid, kandidat hidden state dengan fungsi aktivasi tanh, serta hidden state. Pelatihan model berhenti pada epoch ke-10 setelah mencapai kondisi optimum . Hasil penelitian menunjukkan bahwa model GRU memiliki kinerja yang sangat baik dalam memprediksi harga CPO Indonesia. Hal ini ditunjukkan oleh nilai MAPE pada data training dan testing masing-masing sebesar 2,6% dan 2,7%. Hasil prediksi untuk satu bulan ke depan yaitu periode Agustus 2024 menunjukkan bahwa rata-rata harga CPO Indonesia sebesar Rp15.378.
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.
KLASIFIKASI KELULUSAN MAHASISWA FMIPA UNTAN DENGAN LIGHT GRADIENT BOOSTING MACHINE Sadikin, Utin Azwa Sayhani; 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.v14i3.95348

Abstract

Kelulusan mahasiswa tepat waktu merupakan salah satu indikator keberhasilan dalam pendidikan tinggi. Pencapaian ini dipengaruhi oleh berbagai faktor, seperti performa akademik, latar belakang pendidikan, serta aspek sosial dan ekonomi. Oleh karena itu, diperlukan metode klasifikasi yang efektif untuk membantu pihak program studi maupun fakultas dalam menganalisis faktor-faktor yang berkontribusi terhadap kelulusan mahasiswa dan mengambil langkah strategis yang tepat. Salah satu metode yang dapat digunakan adalah Light Gradient Boosting Machine (LightGBM), yaitu sebuah algoritma berbasis Gradient Boosting Decision Tree yang dioptimalkan efisiensi dan kecepatannya. Penelitian ini bertujuan untuk mengklasifikasikan kelulusan mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (UNTAN) menggunakan metode Light Gradient Boosting Machine (LightGBM) dan mengevaluasi hasil klasifikasi tersebut dengan nilai akurasi. Dataset yang digunakan mencakup berbagai variabel seperti faktor akademik yaitu, Indeks Prestasi Semester, dan faktor ekonomi keluarga. Proses pembangunan model dimulai dengan tahap pra-pemrosesan data, termasuk pembersihan data dan transformasi variabel. Model LightGBM kemudian dibangun menggunakan hyperparameter yang dioptimalkan untuk memperoleh performa terbaik. Setelah pembuatan model selesai, model disimpan dan dimuat kembali untuk melakukan klasifikasi pada data. Hasil penelitian ini didapatkan kesimpulan bahwa mahasiswa yang mendapatkan nilai IP
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.
Pemodelan Persentase Penduduk Miskin menggunakan Regresi Data Panel Hausman-Taylor (Studi Kasus: Kabupaten/Kota di Provinsi Kalimantan Barat Tahun 2020-2024) Azura, Tina; Perdana, Hendra; Yudhi, Yudhi
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.v14i6.103657

Abstract

Dalam analisis ekonometrika, pemilihan metode estimasi yang tepat sangat penting untuk menghasilkan parameter yang konsisten dan efisien, khususnya pada data panel yang mengandung variabel time invariant dan potensi korelasi antara variabel independen dengan efek individu yang tidak teramati. Penelitian ini bertujuan untuk menerapkan metode Hausman-Taylor sebagai pendekatan alternatif dalam melakukan estimasi parameter pada model regresi data panel untuk mengatasi keterbatasan model fixed effect dan model random effect. Metode penelitian meliputi analisis deskriptif data, penentuan model regresi data panel, serta melakukan estimasi parameter data panel Hausman-Taylor dengan mengelompokkan variabel independen menjadi variabel time invariant dan time variant. Sumber data yang digunakan adalah data sekunder yang dipublikasikan oleh BPS Kalimantan Barat, berupa data persentase penduduk miskin di 14 kabupaten/kota selama periode 2020-2024. Variabel yang digunakan adalah Persentase Penduduk Miskin (Y), Tingkat Pengangguran Terbuka (x_1), Laju Pertumbuhan Penduduk (x_2), Rasio Ketergantungan (x_3), Upah Minimum Kabupaten/Kota (x_4), Rata-rata Lama Sekolah (x_5). Hasil estimasi menunjukkan bahwa nilai koefisien determinasi sebesar 54,58% dengan model yang terbentuk, yaitu PMM_it=0,041552TPT_it+0,020392LPP_it+0,012257RK_i-0,0000009UMK_it-1,0676RLS_i+ε_i. Variabel yang secara statistik berpengaruh signifikan terhadap persentase penduduk miskin, yaitu upah minimum kabupaten/kota dan rata-rata lama sekolah. Hasil penelitian ini menunjukkan bahwa model Hausman-Taylor mampu mengakomodasi keterbatasan model panel konvensional dan memberikan hasil estimasi yang tidak bias, konsisten, serta efisien.
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