Articles
<![CDATA[Pengaruh Air Mineral, Komunikasi Keluarga dan Kegiatan Ekstrakurikuler Terhadap IPK Mahasiswa Menggunakan Jaccard Indeks dan Rough Sets ]]>
<![CDATA[Riswan Efendi]]>;
<![CDATA[Rika Susanti]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (286.988 KB)
<![CDATA[Tujuan dari penelitian ini adalah untuk mengimplementasikan pendekatan Jaccard Index dan Rough Sets untuk menganalisis atribut yang mempengaruhi IPK mahasiswa. Berdasarkan pengumpulan data melalui angket dari 28 orang mahasiswa, maka ada tiga atribut yang cukup mempengaruhi prestasi akademik mereka yang dalam hal ini diukur menggunakan IPK mahasiswa itu sendiri. Atribut tersebut adalah jumlah air mineral yang diminum sehari, jumlah jam berbicara / percakapan dengan keluarga dalam minggu dan jumlah kegiatan ekstrakurikuler yang ikuti oleh mahasiswa tersebut.]]>
<![CDATA[Seleksi Atribut Untuk Mengidentifikasi Indeks Prestasi Mahasiswa Menggunakan Jaccard Indeks dan Rough Sets ]]>
<![CDATA[Riswan Efendi]]>;
<![CDATA[Rika Susanti]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (279.763 KB)
<![CDATA[Pada artikel ini akan dibahas tentang aplikasi jaccard index dan rough sets dari tiga atribut yang mempengaruhi indeks prestasi siswa. Tiga atribut tersebut dipilih berdasarkan pada pengumpulan data dari 28 mahasiswa Jurusan Matematika UIN Sultan Syarif Kasim Riau. Didapatkan semacam atribut yang diyakini mempengaruhi indeks prestasi siswa. Dipilih tiga atribut yang memiliki alasan dan sumber yang kuat berdasarkan penelitian yang dapat diandalkan dari berbagai media d internet dan beberapa buku bahwa terbukti mampu mempengaruhi indeks prestasi mahasiswa menggunakan pendekatan Jaccard indeks dan rough sets. Tiga atribut yang dipilih adalah durasi seorang siswa untuk menggunakan gadget, jumlah unduhan ilmiah mahasiswa, dan berapa banyak lembar bacaan qur'an. ]]>
<![CDATA[INDONESIAN-MALAYSIAN STOCK MARKET MODELS USING FUZZY RANDOM TIME SERIES ]]>
<![CDATA[Riswan Efendi]]>;
<![CDATA[Nureize Arbaiy]]>;
<![CDATA[Mustafa Mat Deris]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (569.971 KB)
<![CDATA[Various fuzzy and non-fuzzy models have been presented to forecast the stock market with multiple inputs data or variables. In other words, some of the researchers have overlooked the key success in financial time series forecasting which is minimizing number of inputs. Moreover, most of the existing time series models have been focused on data consisting of single values, or fuzzy numbers without randomness into consideration. In real situations, there exists a genuine need to cope with data that involves the factors of fuzziness and probability. To address the drawbacks, we propose an enhanced fuzzy random auto-regression model for better stock market forecasting using the low-high procedure. This procedure is able to represent the daily prices variations in stocks. The daily stock markets of Indonesia-Malaysia are used as numerical examples and efficiency of the proposed procedure is compared with baselines models.]]>
<![CDATA[Model Fuzzy Linear Regression Untuk Peramalan Produksi Kelapa Sawit ]]>
<![CDATA[Riswan Efendi]]>;
<![CDATA[Zulfatri Aini]]>;
<![CDATA[Rika Susanti]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Peramalan terhadap produksi kelapa sawit sudah sering dilakukan dengan berbagai pendekatan. Namun tidak mudah mencapai akurasi peramalan yang tinggi untuk data jumlah kecil dan jangka panjang. Penelitian ini bertujuan untuk menentukan model peramalan produksi kelapa sawit dengan metode Fuzzy Linear Regression (FLR). Metode tersebut dibentuk menggunakan triangular fuzzy number simetris berdasarkan standar deviasi data. Dalam penelitian ini, digunakan data jumlah produksi kelapa sawit sebagai variabel terikat (Y) dan faktor-faktor yang mempengaruhinya yaitu pemupukan (X1), tenaga kerja (X2) dan rata-rata curah hujan (X3). Hasil analisa menunjukkan bahwa model peramalan terbaik yaitu dengan pendekatan metode FLR menggunakan konstanta untuk jumlah produksi yaitu dengan nilai MAPE 35.01%.]]>
<![CDATA[Prosedur Triangular Fuzzy Number Simetris Berdasarkan Standar Deviasi Data Pada Model Autoregressive ]]>
<![CDATA[Riswan Efendi]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (772.623 KB)
<![CDATA[Beberapa prosedur pembentukan triangular fuzzy number dalam prediksi data time series sudah diperkenalkan. Namun pembentukan tersebut belum mencapai standar yang diharapkan, sehingga tidak mudah untuk diikuti dan diaplikasikan pada data prediksi atau tujuan lainnya. Dimotivasi oleh keadaan tersebut, maka kami tertarik untuk membentuk sebuah prosedur baru triangular fuzzy number (TFN) simetris berdasarkan standar deviasi data. Selanjutnya TFN data tersebut akan digunakan untuk membangun model autoregressive pada peramalan nilai tukar Rupiah terhadap Dollar Amerika. Hasil penelitian ini menunjukkan bahwa akurasi model autoregressive single point lebih besar dari TFN simetris. Dengan kata lain, prosedur baru TFN yang disarankan dapat dijadikan sebagai salah satu persiapan data input untuk meningkatkan akurasi hasil peramalan. Menariknya, melalui model autoregressive TFN simetris ini dapat ditentukan tiga peramalan secara serentak yaitu nilai tukar terendah, medium dan tertinggi.]]>
<![CDATA[Model Peramalan Distribusi Listrik Menggunakan Fuzzy Linear Regression ]]>
<![CDATA[Riswan Efendi]]>;
<![CDATA[Rika Susanti]]>;
<![CDATA[Zulfatri Aini]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Semakin besarnya kebutuhan energi listrik terutama disektor rumah tangga mengakibatkan semakin bertambahnya distribusi listrik yang harus dipenuhi oleh PLN-Indonesia. Sementara model peramalan yang akurat sangat diperlukan untuk distribusi listrik tersebut. Tujuan penulisan artikel ini adalah untuk menentukan model peramalan distribusi listrik sektor rumah tangga menggunakan fuzzy linear regression. Pembentukan model diawali dengan transformasi data single point menjadi bentuk triangular fuzzy number simetris berdasarkan aturan Sturges. Data yang digunakan adalah distribusi listrik sektor rumah tangga sebagai variabel terikat . Sedangkan variabel bebas merupakan jumlah pelanggan PLN dan jumlah kapasitas terpasang menurut jenis pembangkit (dan ). Hasil analisa data menunjukkan bahwa, model peramalan terbaik FLR yaitu model menggunakan konstanta dengan nilai MAPE 0,99%. Akurasi model ini juga dipengaruhi oleh transformasi data berdasarkan interval Sturges yang cukup baik.]]>
<![CDATA[Pengaruh Pengangguran dan PDRB Terhadap Tingkat Kemiskinan Menggunakan Model Regresi dan Rough Sets ]]>
<![CDATA[Riswan Efendi]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (389.981 KB)
<![CDATA[Penelitian tentang tingkat kemiskinan telah banyak dilakukan, salah satu model yang sering digunakan adalah regresi linier. Akan tetapi pada penelitian ini penulis menggunakan dua model yang berbeda dalam bentuk data input yaitu regresi linier berganda dan rough sets. Penelitian ini bertujuan untuk melihat pengaruh pengangguran dan PDRB terhadap tingkat kemiskinan. Hasil pengujian data dengan menggunakan regresi linier berganda menunjukkan bahwa pengangguranberpengaruh secara signifikan terhadap kemiskinan dan PDRB tidak berpengaruh secara signifikan terhadap kemiskinan. Sedangkan dari seleksi aturan (rule) menggunakan model rough set didapatkan jumlah aturan yang lebih sedikit dan mudah untuk dipahami. Hasil akurasi dari kedua model tersebut menunjukkan angka yang sama yaitu 81,81%. Akan tetapi model rough set lebih mudah diaplikasikan pada data-data kategori seperti yang digunakan dalam penelitian ini karena tidak tergantung kepada asumsi-asumsi seperti model regresi.]]>
<![CDATA[Model Autoregressive Menggunakan Triangular Fuzzy Number Simetris Berdasarkan Measurement Errors Data ]]>
<![CDATA[Riswan Efendi]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (627.972 KB)
<![CDATA[Ada beberapa TFN (triangular fuzzy number) simetris yang sudah dibahas dalam format fuzzy, setelah dipelajari dan diamati maka tidak mudah untuk diikuti karena prosedurnya yang masih belum standard. Maka melalui penelitian ini, penulis tertarik untuk memperkenalkan sebuah prosedur baru TFN simetris berdasarkan measuremet errors data. Measurememnt error data disebabkan oleh dua faktor yaitu kesalahan sistematis (pada instrumennya/alat) dan faktor kesalahan acak (kesalahan pada manusia). Selanjutnya diimplementasikan sebagai fuzzy input untuk pembangunan model autoregressive dengan menggunakan nilai tukar rupiah terhadap dollar amerika sebagai studi kasusnya. Dari hasil penelitian diperoleh bahwa model autoregressive TFN simetris memiliki akurasi yang lebih baik dari model autoregressive klasik. Ini berarti bahwa, perubahan dari data single point sebagai input menjadi TFN membantu menaikkan tingkat akurasi peramalan data nilai tukar.]]>
<![CDATA[Model Fertilitas Menggunakan Metode Rough-Regresi ]]>
<![CDATA[Riswan Efendi]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (400.688 KB)
<![CDATA[Semakin bekembangnya zaman, semakin banyak peristiwa yang terjadi didalam kehidupan masyarakat. Setiap hari penulis melihat begitu banyaknya faktor-faktor yang mempengaruhi fertilitas di daerah tempat penulis tinggal. Permasalahan dalam membuat penelitian ini ialah belum ada dibuat analisis yang lengkap dari faktor-faktor yang mempengaruhi fertilitas. Penelitian ini bertujuan untuk menganalisis faktor-faktor apa saja yang memepengaruhi fertilitas di perkotaan dengan mengambil beberapa kasus di Kota Payakumbuh (Sumatera Barat), Kota Tembilahan (Riau), Kota Pangkalan Kerinci (Riau). Dari hasil penelitian ini, ketika penulis menggunakan metode rough sets mendapatkan bahwa faktor fertilitas yang berpengaruh adalah usia pertama kali menikah dan kesehatan responden. Namun saat menggunakan metode reggresi-rough sets penulis mendapatkan bahwa faktor fertilitas yang berpengaruh adalah pendidikan, etnik, dan kesehatan. Dan ketiga faktor tersebut ada yang berpengaruh negatif dan positif terhadap fertilitas. Penulis berharap penelitian ini dapat dijadikan sebagai sumber untuk mengambil keputusan bagi pihak yang membutuhkan.]]>
