Articles
<![CDATA[PERAMALAN CURAH HUJAN DENGAN METODE FUZZY TIME SERIES MARKOV CHAIN ]]>
<![CDATA[Kurniawati Safitri]]>;
<![CDATA[Dadan Kusnandar]]>;
<![CDATA[Naomi Nessyana Debataraja]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/bbimst.v12i1.61980
<![CDATA[Fuzzy Time Series Markov Chain merupakan kombinasi antara metode Fuzzy Time Series dan Markov Chain. Kombinasi antara untuk kedua metode tersebut dapat digunakan untuk menentukan peluang terbesar, penentuan ini dengan menggunakan matriks peluang transisi. Tujuan penelitian ini untuk meramalkan curah hujan satu periode kedepan. Data penelitian yang digunakan merupakan data curah hujan bulanan Kota Pontianak bulan Januari 2017 – Maret 2022. Pada proses penelitian ini, penentuan banyaknya interval kelas menggunakan metode Sturges. Hasil analisis yang diperoleh curah hujan di Kota Pontianak bulan April 2022 sebesar 175,01 mm. Ukuran ketepatan hasil peramalan dengan menggunakan MAPE sebesar 31,56%. Hal ini menunjukkan bahwa peramalan dengan menggunakan metode Fuzzy Time Series Markov Chain cukup baik untuk meramalkan curah hujan di Kota Pontianak. Kata Kunci: Matriks Peluang Transisi, Sturges, Mean Absolute Percentage Error.]]>
<![CDATA[PERBANDINGAN AVERAGE BASED DAN STURGES PADA FUZZY TIME SERIES CHEN UNTUK PERAMALAN HARGA SAHAM ]]>
<![CDATA[Ahmad Zeidi]]>;
<![CDATA[Dadan Kusnandar]]>;
<![CDATA[Naomi Nessyana Debataraja]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/bbimst.v12i1.62556
<![CDATA[Fuzzy Time Series (FTS) merupakan teknik prediksi data untuk mengetahui pola data masa lalu dan dimanfaatkan dalam menggambarkan data di masa depan. FTS menerapkan kecerdasan buatan dimana data masa lalu dibentuk dalam nilai-nilai linguistik. Salah satu pengembangan metode FTS adalah FTS chen. Metode average based dan sturges digunakan dalam penelitian ini untuk penetapan rentang interval pada FTS chen. Tujuan penelitian ini adalah untuk meramalkan harga saham satu hari kedepan dan mengetahui metode panjang interval yang lebih akurat dalam peramalan berdasarkan nilai MAPE terkecil. Data yang digunakan adalah harga saham GGRM tanggal 3 Januari 2022 – 31 Maret 2022. Data harga saham dilakukan analisis deskriptif statistik, pembentukan himpunan semesta, penentuan panjang interval, setelah itu membentuk himpunan fuzzy dan di lakukan proses fuzzifikasi, kemudian membentuk Fuzzy Logic Relations (FLR) dan Fuzzy Logic Relations Group (FLRG). Tahapan selanjutnya adalah menjalankan defuzzifikasi terhadap nilai peramalan. Nilai MAPE diperoleh dari hasil defuzifikasi menggunakan average based dan sturges berturut-turut yaitu 1,37% dan 1,81%. Metode average based menghasilkan nilai MAPE yang lebih kecil sehingga dinyatakan lebih akurat dari sturges. Model FTS chen melalui panjang interval average based dan sturges memperoleh hasil peramalan harga saham GGRM pada tanggal 1 April 2022 sebesar 31.450 dan 31.230. Kata Kunci: peramalan, saham GGRM, MAPE]]>
<![CDATA[PREDIKSI HARGA EMAS MENGGUNAKAN FUZZY TIME SERIES LEE ]]>
<![CDATA[Devi Eka Putri]]>;
<![CDATA[Naomi Nessyana Debataraja]]>;
<![CDATA[Nurfitri Imro’ah]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/bbimst.v12i2.65272
<![CDATA[Emas ialah suatu investasi dimasa depan yang dapat membawa keuntungan. Keuntungan berinvestasi emas salah satunya ialah harganya yang tidak terpengaruh oleh inflasi. Walaupun harga emas cenderung normal, tetap ada risiko dalam berinvestasi emas. Oleh karena itu, diperlukan suatu model peramalan yang dapat digunakan untuk membuat keputusan dalam menentukan prediksi harga emas dimasa yang akan datang. Metode peramalan yang tepat ialah metode fuzzy time series Lee. Metode fuzzy time series Lee ialah bentuk suatu gabungan antara peramalan time series dan konsep logika fuzzy yang digunakan dalam menyelesaikan peramalan. Penelitian ini menjelaskan tentang prediksi harga emas yang diambil dari web London Bullion Market Association (LBMA) dari tangal 4 Januari 2021 – 31 Maret 2021. Tahapan pertama pada penelitian ini yang digunakan ialah melakukan analisis statistik deskriptif, kemudian membentuk himpunan semesta pembicara U. Setelah itu, membentuk panjang interval menggunakan average based, berikutnya pembentukan himpunan fuzzy dengan fungsi keanggotan, kemudian pembentukan fuzzifikasi data, Fuzzy Logical Relationship (FLR), Fuzzy Logical Relationship Group (FLRG), defuzzifikasi dan hasil pramalan. Langkah terakhir yaitu perhitungan ukuran ketetapan peramalan. Hasil pada penelitian ini diperoleh prediksi harga emas untuk 1 April 2021 sebesar USD 1.694 dan memiliki tingkat kesalahan residual berdasarkan nilai MAPE dengan hasil 0,387% yang termasuk dalam kriteria sangat bagus dalam meramalkan harga emas. Kata Kunci: Mean Absolute Percentage Erorr, Emas, Fuzzy time series Lee.]]>
<![CDATA[METODE TIME INVARIANT FUZZY TIME SERIES UNTUK PREDIKSI PRODUKSI KELAPA SAWIT ]]>
<![CDATA[Valentinus Markus]]>;
<![CDATA[Dadan Kusnandar]]>;
<![CDATA[Naomi Nessyana Debataraja]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/bbimst.v12i2.65273
<![CDATA[Perkebunan kelapa sawit merupakan komoditas unggulan di Indonesia yang memiliki nilai ekonomis yang tinggi dan menjadi salah satu sumber penghasilan bagi sebagian masyarakat Kalimantan Barat. Kelapa sawit termasuk jenis tanaman musiman yang memiliki data produksi secara deret waktu dan dapat diprediksi menggunakan time invariant fuzzy time series. Time invariant fuzzy time series merupakan metode peramalan yang memiliki dua aspek penting yaitu pada data variasi yang merupakan selisih dari data aktual dan perhitungan relasi (R) yang digunakan untuk prediksi waktu yang akan datang. Tujuan dari penelitian ini yaitu menentukan hasil prediksi produksi kelapa sawit selama enam periode kedepan. Data yang digunakan dalam penelitian adalah jumlah produksi tandan buah segar kelapa sawit bulanan di tujuh kebun PT. Perkebunan Nusantara XIII, periode Januari 2019 hingga September 2022 dengan satuan ton. Keakuratan hasil prediksi diukur menggunakan mean absolute percentage error (MAPE), dengan nilai MAPE 7,456% menunjukkan kategori sangat baik dalam memprediksi produksi kelapa sawit. Adapun nilai prediksi produksi yang diperoleh selama enam periode adalah pada bulan Oktober 2022 sebesar 21187,421 ton, November 2022 sebesar 20316,5420 ton, Desember 2022 sebesar 225716704 ton, Januari 2023 sebesar 23145,2444 ton, Februari 2023 sebesar 20854,3326 ton dan Maret 2023 sebesar 26132,9919 ton. Kata Kunci: variasi, prediksi, perkebunan]]>
<![CDATA[PEMODELAN DATA PRODUKSI KELAPA SAWIT DI KALIMANTAN BARAT MENGGUNAKAN GENERALIZED ADDITIVE MODEL ]]>
<![CDATA[Ahmad Fernanda]]>;
<![CDATA[Naomi Nessyana Debataraja]]>;
<![CDATA[Nur’ainul Miftahul Huda]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/bbimst.v12i3.66818
<![CDATA[Kelapa sawit merupakan salah satu komoditas penting dan strategis peranannya dalam mendorong perekonomian rakyat di Kalimantan Barat. Banyak faktor yang mempengaruhi produksi kelapa sawit seperti luas lahan, produktivitas dan jumlah tenaga kerja pada perkebunan kelapa sawit. Tujuan penelitian ini untuk menerapkan Generalized Additive Models (GAM) pada data jumlah produksi kelapa sawit di Kalimantan Barat. Penelitian ini menggunakan metode GAM, yang merupakan perluasan dari Generalized linier Models (GLM) dengan menggantikan fungsi linier menjadi fungsi aditif dan mengganti prediktor non-linier dengan suatu fungsi penghalus. Penghalus yang digunakan pada permodelan adalah penghalus spline dan pendugaan parameter model dengan Peneralized Likelihood Maximation. Variabel respon penelitian ini adalah jumlah produksi dan variabel prediktor adalah luas lahan, produktivitas, dan tenaga kerja.Tenaga kerja memiliki pengaruh non-linier terhadap jumlah produksi. Sementara luas lahan dan produktivitas secara linier berpengaruh positif terhadap jumlah produksi. Nilai koefisien determinasi (R2) yang diperoleh dengan software R sebesar 0,957 yang berarti yang berarti kemampuan model dalam menggambarkan keragaman data sebesar 95,7%. Kata kunci : Linier, Koefisien Determinasi, Model Aditif.]]>
<![CDATA[METODE COKRIGING UNTUK MENGESTIMASI KANDUNGAN AIR DI KOTA PONTIANAK ]]>
<![CDATA[Marwalida Rachmadiar]]>;
<![CDATA[Naomi Nessyana Debataraja]]>;
<![CDATA[Hendra Perdana]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (624.581 KB)
|
DOI: 10.26418/bbimst.v8i4.36640
<![CDATA[Air merupakan kebutuhan yang sangat penting bagi manusia. Kualitas air dapat ditentukan dengan melihat standar baku mutu kesehatan lingkungan untuk keperluan higiene sanitasi. Salah satu indikator fisik penentu kualitas air adalah Total Dissolved Solid (TDS). TDS adalah indikator yang menunjukkan kandungan padatan terlarut dalam air yang termasuk didalamnya senyawa-senyawa organik dan anorganik, mineral dan garam-garamnya. Salah satu senyawa kimia yang dapat membantu memperkirakan kandungan TDS adalah kesadahan. Penelitian ini bertujuan untuk mengestimasi kandungan TDS dengan metode cokriging. Metode cokriging adalah metode estimasi yang meminimalkan kesalahan estimasi dengan memanfaatkan korelasi silang antara beberapa variabel. Kesadahan menjadi variabel tambahan dalam membantu mengestimasi TDS pada lokasi baru yang ditentukan. Model semivariogram teoritis TDS, kesadahan dan cross semivariogram yang digunakan adalah model exponential. Berdasarkan hasil analisis dan pembahasan yang telah dilakukan diperoleh estimasi TDS pada sembilan titik lokasi baru yang ditentukan dan airnya digunakan untuk kebutuhan higiene sanitasi masyarakat di sekitar lokasi tersebut. Hasil estimasi TDS terbesar di Parit Tokaya yaitu sebesar 76,3 mg/l dan hasil estimasi terkecil di parit sekitar Jalan Tani yaitu sebesar 17,2 mg/l. Kata Kunci: variogram, higiene sanitasi, kualitas air, cokriging ]]>
<![CDATA[ANALISIS REGRESI DENGAN METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) DALAM MENGATASI MULTIKOLINEARITAS ]]>
<![CDATA[Imi Sartika]]>;
<![CDATA[Naomi Nessyana Debataraja]]>;
<![CDATA[Nurfitri Imro’ah]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (466.749 KB)
|
DOI: 10.26418/bbimst.v9i1.38029
<![CDATA[Multikolinearitas merupakan salah satu uji asumsi klasik pada analisis regresi. Terjadinya multikolinearitas berarti antara variabel prediktor yang satu dengan yang lainnya saling berkorelasi. Apabila data penelitian mengandung multikolinearitas akan menimbulkan masalah, yaitu dapat mengakibatkan koefisien regresi yang dihasilkan tidak efisien. Salah satu solusi untuk mengatasi masalah tersebut dapat menggunakan metode least absolute shrinkage and selection operator (LASSO). Metode ini menyusutkan koefisien regresi dari variabel prediktor yang memiliki korelasi tinggi menjadi tepat pada nol atau mendekati nol. Koefisien LASSO dicari dengan menggunakan pemrograman kuadratik sehingga digunakan algoritma least absolute and regression (LARS) yang lebih efisien dalam komputasi LASSO. Data penelitian yang digunakan ialah banyaknya kasus pneumonia pada pada balita di 34 puskesmas di Kota Pontianak dan Kabupaten Mempawah. Pada data tersebut terdapat dua variabel prediktor yang mengalami masalah multikolinearitas, yaitu pemberian imunisasi DPT-Hb3-Hib3 (X2) dan pemberian imunisasi campak (X3), sehingga masalah tersebut akan diatasi menggunakan metode LASSO. Berdasarkan analisis yang telah dilakukan, diperoleh model regresi terbaik menggunakan LASSO pada tahap ketiga saat nilai Cp= 2,62. Hasil analisis tersebut menunjukkan bahwa adanya perubahan koefisien regresi yang mendekati nol dan tepat nol, yaitu pada variabel X2 dari 0,285 menjadi 0,192 dan X3 dari -0,024 menjadi 0. Hal ini menunjukkan bahwa multikolinearitas yang terdeteksi telah teratasi. Kata Kunci : multikolinearitas, LASSO, LARS, pneumonia.]]>
<![CDATA[ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION ]]>
<![CDATA[Fika Dian Lestari]]>;
<![CDATA[Dadan Kusnandar]]>;
<![CDATA[Naomi Nessyana Debataraja]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (629.46 KB)
|
DOI: 10.26418/bbimst.v9i1.38681
<![CDATA[Metode Geographically Weighted Logistic Regression (GWLR) merupakan pengembangan metode regresi logistik dengan mempertimbangkan faktor letak geografis. Faktor letak geografis ini digunakan sebagai pembobot dan menunjukkan sifat lokal pada model GWLR. Metode ini digunakan ketika data memiliki pengaruh heterokedastisitas spasial. Penaksiran parameter model GWLR menggunakan metode Maximum Likelihood Estimation (MLE). Sedangkan pengujian yang dilakukan untuk mengetahui variabel yang signifikan adalah dengan metode uji Wald. Tujuan penelitian ini adalah untuk mengetahui proses estimasi parameter dalam model GWLR dengan pembobot yang digunakan merupakan fungsi kernel. Hasil penelitian menunjukkan model GWLR untuk jumlah variabel lebih dari dua adalah . Kata Kunci: Regresi logistik, pembobot, faktor letak geografis.]]>
<![CDATA[PERBANDINGAN MODEL ARIMAX DAN FUNGSI TRANSFER PADA PERAMALAN CURAH HUJAN ]]>
<![CDATA[Kunti Wijayanti]]>;
<![CDATA[Shantika Martha]]>;
<![CDATA[Naomi Nessyana Debataraja]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/bbimst.v10i2.45877
<![CDATA[Model ARIMAX merupakan modifikasi dari model dasar ARIMA dengan penambahan variabel bebas atau suatu perluasan dari ARIMA. Fungsi transfer disebut sebagai metode yang menggabungkan pendekatan kausal dan deret waktu ARIMA yang bertujuan untuk meramalkan keadaan pada masa yang akan datang. Model ARIMAX dan fungsi transfer ini digunakan untuk menganalisis data curah hujan dengan kelembaban udara sebagai variabel bebas. Tujuan penelitian ini untuk membandingkan model peramalan terbaik berdasarkan model ARIMAX dan fungsi transfer. Berdasarkan hasil analisis pada model ARIMAX diperoleh MAPE sebesar 50,7% dan fungsi transfer dengan nilai MAPE sebesar 73,7%. Hal ini dapat dikatakan bahwa hasil peramalan model ARIMAX dan fungsi transfer tidak dapat dibandingkan karena memiliki nilai MAPE lebih dari 50% yang artinya hasil peramalan kedua metode tersebut buruk atau tidak cocok untuk data curah hujan Kabupaten Ketapang. Kata Kunci: ARIMAX, fungsi transfer, curah hujan]]>
<![CDATA[KLASIFIKASI INDEKS PENCEMARAN KUALITAS AIR DI KOTA PONTIANAK ]]>
<![CDATA[Ernita Saputri]]>;
<![CDATA[Naomi Nessyana Debataraja]]>;
<![CDATA[Setyo Wira Rizki]]>
<![CDATA[ Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya ]]>
Publisher : <![CDATA[FMIPA Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (378.25 KB)
|
DOI: 10.26418/bbimst.v8i4.36887
<![CDATA[Air merupakan bagian terpenting yang dibutuhkan dalam kehidupan, salah satunya untuk keperluan rumah tangga. Kegiatan manusia untuk keperluan rumah tangga yang semakin meningkat akan menimbulkan dampak pencemaran lingkungan khususnya pada pencemaran air. Data yang digunakan dalam penelitian ini adalah data primer yang terdiri dari 42 sampel air dari lokasi berbeda. Indikator fisik yang digunakan pada penelitian ini adalah kekeruhan, warna, dan Total Dissolved Solid (TDS). Berdasarkan indeks pencemaran, diperoleh tiga kriteria tingkat pencemaran air yaitu memenuhi baku mutu, tercemar ringan dan tercemar sedang. Hasil klasifikasi dengan menggunakan metode indeks pencemaran diperoleh total data yang memenuhi baku mutu sebanyak 8 titik lokasi,tercemar ringan sebanyak 24 titik lokasi tercemar ringan dan tercemar ringan sebanyak 10 titik lokasi. Kata Kunci: pencemaran air, indeks pencemaran, indikator fisik]]>
