Claim Missing Document
Check
Articles

EVALUASI ALGORITMA ANT COLONY SYSTEM: PERBANDINGAN DENGAN METODE EKSAK DAN METAHEURISTIK DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM Nurani Candra Widyasari; Bib Paruhum Silalahi; Hidayatul Mayyani
MILANG Journal of Mathematics and Its Applications Vol. 22 No. 1 (2026): MILANG Journal of Mathematics and Its Applications
Publisher : School of Data Science, Mathematics and Informatics, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/milang.22.1.53-62

Abstract

Salah satu permasalahan di bidang optimasi yang berfokus pada pencarian rute terpendek adalah Travelling Salesman Problem (TSP). TSP dikategorikan sebagai masalah NP-hard yang artinya tidak ada algoritma yang dapat menyelesaikannya secara optimal dalam waktu polinomial. Pada penelitian ini, TSP diselesaikan menggunakan metode pendekatan Ant Colony System (ACS) dan metode eksak Branch and Bound (BnB). Solusi akhir dibandingkan dengan metode pendekatan lainnya, yaitu Bee Colony Optimization (BCO), Ant Colony Optimization (ACO), Grey Wolf Optimization (GWO), dan Simulated Annealing (SA). Tiga kasus TSP dengan 20, 40, dan 60 kota diselesaikan menggunakan data hipotetik berupa koordinat kartesius. Hasil menunjukkan bahwa algoritma ACS memiliki kinerja lebih baik dengan solusi yang paling mendekati optimal dan waktu komputasi yang lebih cepat dibandingkan BCO, ACO, GWO, dan SA. Pada kasus 1 dan 2, ACS mencapai solusi global optimal; pada kasus 3, deviasi solusi ACS hanya sebesar 0,368%.
PERBANDINGAN KINERJA MODEL ARIMA DAN HOLT-WINTERS DALAM MEMPREDIKSI NILAI EKSPOR INDONESIA Raihan Akbar; I Wayan Mangku; Bib Paruhum Silalahi
MILANG Journal of Mathematics and Its Applications Vol. 21 No. 2 (2025): MILANG Journal of Mathematics and Its Applications
Publisher : School of Data Science, Mathematics and Informatics, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/milang.21.2.145-162

Abstract

Ekspor merupakan kegiatan pengiriman dan penjualan barang atau jasa yang diproduksi dari dalam negeri ke luar negeri. Nilai ekspor Indonesia meningkat pesat beberapa tahun belakangan untuk semua komoditi namun bersifat fluktuatif. Guna memperkirakan nilai ekspor Indonesia selanjutnya digunakan model Autoregressive Integrated Moving Average (ARIMA) dan Holt-Winters yang dapat membantu mengambil kebijakan. Adapun tujuan dari penelitian ini adalah membandingkan kinerja model ARIMA dan Holt-Winters agar mendapatkan model terbaik untuk memprediksi nilai ekspor Indonesia untuk 1 tahun ke depan. Data nilai ekspor Indonesia dibagi menjadi data training sebanyak 119 data dan data testing sebanyak 13 data dengan periode waktu Januari 2013 hingga Desember 2023. Model ARIMA(3,1,2) merupakan model terbaik dari ARIMA dengan MAPE sebesar 11.766% dan model terbaik dari Holt-Winters adalah Holt-Winters Additive dengan MAPE sebesar 5.131%. Penelitian ini menghasilkan model Holt-Winters Additive sebagai model terbaik. Model ini digunakan untuk memprediksi nilai ekspor Indonesia untuk tahun 2024. Kata kunci: ARIMA, Holt-Winters, nilai ekspor, prediksi
Comparing Volatility and Neural Network Models for Forecasting Bitcoin Prices in Indonesian Rupiah Raihan Akbar; I Wayan Mangku; Bib Paruhum Silalahi
ZERO: Jurnal Sains, Matematika dan Terapan Vol 10, No 2 (2026): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v10i2.30726

Abstract

As Indonesia emerges among Southeast Asia's largest cryptocurrency markets, forecasting Bitcoin priced in rupiah (BTC/IDR) has gained practical relevance, yet most research focuses on BTC/USD and overlooks domestic macroeconomic conditions. This study tests whether augmenting an Exponential GARCH with Exogenous Variables (eGARCH-X) model with a Nonlinear Autoregressive network with eXogenous inputs (NARX) improves forecasts of weekly BTC/IDR log returns, using IHSG, USD/IDR, gold price, and BI rate as exogenous inputs. Using 437 weekly observations from January 2018 to June 2026, the hybrid was benchmarked against eGARCH-X, NARX, and a restricted eGARCH without exogenous terms across three splits, evaluated with RMSE, MAE, directional accuracy, and the Diebold­­­­ Mariano test, with each network comparison replicated over ten random initializations. The eGARCH identified a well-determined conditional variance process: volatility was highly persistent (0.976), responded asymmetrically to the sign of innovations (0.038, p = 0.010), and displayed heavy tails, with standardized residuals passing all diagnostics. No model differed significantly from the eGARCH-X benchmark, directional accuracy was indistinguishable from chance throughout (43.7–55.5%), and the exogenous regressors were insignificant both inSeaksample and out-of-sample. Weekly BTC/IDR returns thus appear tractable in their variance but close to unforecastable in their conditional mean, locating the practical value of these models in volatility estimation rather than directional prediction.