Articles
<![CDATA[KERAMBA JARING APUNG UNTUK MEMBANTU PEREKONOMIAN NELAYAN SELAM DI DAERAH PARIGI PANGANDARAN ]]>
<![CDATA[Firdaniza Firdaniza]]>;
<![CDATA[Nurul Gusriani]]>;
<![CDATA[Iin Irianingsih]]>
<![CDATA[ Dharmakarya Vol 8, No 4 (2019): Desember 2019 ]]>
Publisher : <![CDATA[Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.24198/dharmakarya.v8i4.19005
<![CDATA[Di Desa Karangjaladri, Kecamatan Parigi Kabupaten Pangandaran terdapat komunitas nelayan selam (spearfishing), yaitu nelayan yang menangkap ikan dengan menombak ikan sambil menyelam. Nelayan spearfishing hanya menangkap ikan dengan ukuran tertentu saja, agar ikan-ikan bisa berkembang biak untuk menjaga kelangsungan populasi ikan di laut. Namun, keadaan musim angin muson di Indonesia menjadi salah satu faktor penghambat kegiatan mereka dalam menangkap ikan, karena mereka tidak bisa menyelam, sehingga perekonomian nelayan ini jadi menurun. Tujuan dari PPM ini adalah untuk membantu para nelayan yang sangat bergantung pada keadaan musim, supaya mereka memiliki pendapatan yang berkelanjutan dan meningkatkan perekonomian mereka. Kegiatan yang dilakukan adalah pembuatan keramba jaring apung untuk budidaya ikan sekaligus menjadi spot wisata bagi wisata memancing dan spearfishing di daerah Parigi Pangandaran. Dengan adanya keramba apung ini, nelayan dapat membudidayakan ikan atau udang, sehingga di saat cuaca buruk, mereka dapat memanen ikan hasil keramba untuk dijual. Keramba telah dilengkapi dengan lantai atas yang dapat digunakan untuk memasak ikan dan tempat istirahat bagi para wisatawan. ]]>
<![CDATA[Prediksi Trend Pergerakan Harga Saham dengan Hidden Markov Model (HMM) dan Support Vector Machine (SVM) ]]>
<![CDATA[Firdaniza Firdaniza]]>;
<![CDATA[Jondri Jondri]]>
<![CDATA[ Jurnal Matematika Integratif Vol 10, No 1: April, 2014 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (379.264 KB)
|
DOI: 10.24198/jmi.v10.n1.10181.19-24
<![CDATA[Prediksi trend pergerakan harga saham sangatlah dibutuhkan untuk meningkatkan potensi keuntungansekaligus mengurang kemungkinan rugi. Berbagai metode telah digunakan untuk memprediksi trendpergerakan harga saham. Pada paper ini, dibahas metode Hidden Markov Model (HMM) dan Support VectorMachine (SVM) sebagai alat untuk memprediksi trend naik turunnya harga close Indeks LQ45. Akurasi prediksidengan HMM sebesar 50,98%, sementara dengan SVM sebesar 55,56%.]]>
<![CDATA[Estimasi Parameter Model Volatilitas Stokastik dengan Metode Bayesian Rantai Markov Monte Carlo untuk Memprediksi Return Saham ]]>
<![CDATA[Rahmayanti Putri Desiresta]]>;
<![CDATA[Firdaniza Firdaniza]]>;
<![CDATA[Kankan Parmikanti]]>
<![CDATA[ Jurnal Matematika Integratif Vol 17, No 2: Oktober 2021 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (377.376 KB)
|
DOI: 10.24198/jmi.v17.n2.34805.73-83
<![CDATA[Parameter dari suatu distribusi biasanya belum diketahui nilainya, untuk mengetahuinya dilakukan estimasi terhadap parameter tersebut. Metode estimasi parameter ada dua macam, yaitu metode klasik dan metode Bayesian. Metode Bayesian merupakan suatu metode yang menggabungkan distribusi sampel dengan distribusi prior. Untuk mendapatkan sampel secara acak adalah dengan menggunakan simulasi. Salah satu teknik simulasi yang digunakan dalam metode Bayesian adalah metode rantai Markov Monte Carlo (RMMC), yaitu suatu metode simulasi untuk membangkitkan peubah-peubah acak yang didasarkan pada rantai Markov. Pada penelitian ini dibahas tentang metode Bayesian dengan RMMC menggunakan algoritma Gibbs Sampling. Metode RMMC menggunakan algoritma Gibbs Sampling ini bekerja membangun rantai Markov dengan pengambilan sampel secara rekursif dari distribusi posterior bersyarat penuh masing-masing parameternya. Pada penelitian ini, metode Bayesian dengan RMMC menggunakan algoritma Gibbs Sampling diterapkan untuk mengestimasi parameter model Volatilitas Stokastik hingga konvergen. Model ini kemudian digunakan untuk memprediksi return saham PT. Indofood CBP Sukses Makmur Tbk. (ICBP.JK). Berdasarkan model Volatilitas Stokastik yang diperoleh didapatkan hasil prediksi untuk return saham hampir mendekati data aktualnya.]]>
<![CDATA[Model Kasus Demam Berdarah Dengue (DBB) di Kabupaten Majalengka Tahun 2016 Berdasarkan Regresi TELBS ]]>
<![CDATA[Nurul Gusriani]]>;
<![CDATA[Firdaniza Firdaniza]]>
<![CDATA[ Jurnal Matematika Integratif Vol 17, No 1: April 2021 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (556.126 KB)
|
DOI: 10.24198/jmi.v17.n1.32682.5-13
<![CDATA[Demam Berdarah Dengue (DBD) merupakan kasus penyakit yang sudah tidak asing lagi bagi masyarakat Indonesia. Kasus ini memperoleh perhatian khusus dari pemerintah karena sering berakibat kematian karena keterlambatan penanganan. Dari segi jumlah, setiap tahunnya kasus ini selalu mengalami peningkatan, sehingga banyak dilakukan penelitian terkait dengan kasus DBD, baik dari segi usaha untuk mengurangi kasus penyakit ataupun untuk memprediksi masa yang akan datang. Paper ini akan memodelkan jumlah kasus DBD di Kabupaten Majalengka tahun 2016 dengan menggunakan regresi TELBS. Regresi TELBS merupakan metode regresi linier berganda untuk kasus pencilan. Keberadaan pencilan akan menyebabkan asumsi Gaussian tidak terpenuhi, sehingga jika dipaksakan dengan metode kuadrat terkecil akan menghasilkan model yang tidak baik. Regresi TELBS menghasilkan model yang dapat mewakili sebagian besar data. Hal ini ditunjukkan oleh nilai ketepatan model berdasarkan koefisien determinasi yang besar. Dengan menggunakan data sekunder dari BPS model yang dihasilkan berdasarkan metode TELBS menunjukkan bahwa 94,7109% jumlah kasus DBD di Kabupaten Majalengka ditentukan oleh faktor-faktor persentasi angka bebas jentik nyamuk, persentasi angka penduduk miskin, ketinggain daerah dari dasar dasar laut, fasilitas yang dibina dari kesehatan, kepadatan penduduk. ]]>
<![CDATA[Penentuan Kerugian Tahunan Dengan Pemodelan Kebencanaan Alam dan Premi Asuransi Pada Kerusakan Rumah Akibat Banjir ]]>
<![CDATA[Renata Philipa Plate]]>;
<![CDATA[Firdaniza Firdaniza]]>;
<![CDATA[Dwi Susanti Susanti]]>
<![CDATA[ Jurnal Matematika Integratif Vol 15, No 2: Oktober, 2019 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (296.707 KB)
|
DOI: 10.24198/jmi.v15.n2.22923.121
<![CDATA[Kerusakan bangunan rumah akibat banjir di kawasan sekitar daerah aliran sungai dapat menimbulkan sejumlah kerugian tahunan. Dibutuhkan jaminan asuransi untuk proteksi finansial bagi kerugian tahunan yang terjadi. Ketika suatu rumah telah diasuransikan, maka perusahaan asuransi wajib menentukan premi asuransi untuk produk asuransi tersebut. Pada paper ini dihitung kerugian tahunan dari kerusakan rumah dengan pemodelan kebencanaan alam, dan premi asuransi kerusakan rumah dengan prinsip ekivalen. Dengan menggunakan data debit air sungai Curug Agung, Subang, mulai Januari 2009 hingga Desember 2013, asumsi harga rumah Rp 150 juta, tingkat bunga 5% dan periode asuransi 10 tahun diperoleh kerugian tahunan Rp Rp15.154.000.00 dan premi asuransi Rp7.284.000.00. Kata kunci: Kerusakan rumah, kerugian tahunan, premi asuransi, pemodelan kebencanaan alam, prinsip ekivalen.]]>
<![CDATA[Reliabilitas Suatu Mesin Menggunakan Rantai Markov (Studi Kasus: Mesin Proofer Di Pabrik Roti Super Jam Banten) ]]>
<![CDATA[Mega Novia Andriani]]>;
<![CDATA[Firdaniza Firdaniza]]>;
<![CDATA[Iin Irianingsih]]>
<![CDATA[ Jurnal Matematika Integratif Vol 13, No 1: April, 2017 ]]>
Publisher : <![CDATA[Department of Matematics, Universitas Padjadjaran ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (355.337 KB)
|
DOI: 10.24198/jmi.v13.n1.11414.43-50
<![CDATA[Mesin merupakan alat vital perusahaan dalam membantu proses produksi. Setiap perusahaan mengharapkan proses produksi berjalan dengan lancar, tetapi terkadang terkendala dengan terjadinya kerusakan pada mesin, sehingga proses produksi terganggu dan menyebabkan kerugian bagi perusahaan. Kerusakan pada mesin dapat diminimalisir dengan melakukan evaluasi terhadap kondisi mesin tersebut secara teratur. Pada penelitian ini akan digunakan rantai Markov untuk mengetahui peluang jangka panjang kondisi suatu mesin dan menganalisis reliabilitas dari mesin tersebut untuk memperkirakan waktu perawatan. Studi kasus dilakukan pada mesin Proofer di Pabrik Roti Super Jam Banten mulai tanggal 3 Maret 2014 sampai tanggal 31 Mei 2015. Dari penelitian ini diperoleh hasil bahwa peluang jangka panjang mesin Proofer dalam kondisi baik adalah 42,86% dan disarankan untuk melakukan perawatan rutin pada mesin tersebut minimal setiap 22 hari sekali.]]>
<![CDATA[PERAMALAN JUMLAH PENUMPANG KERETA REL LISTRIK JABODETABEK MENGGUNAKAN PROSES POISSON NONHOMOGEN ]]>
<![CDATA[Dhea Amelia]]>;
<![CDATA[Firdaniza Firdaniza]]>;
<![CDATA[Kankan Parmikanti]]>
<![CDATA[ Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 4 No. 2 (2023): Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistik ]]>
Publisher : <![CDATA[LPPM Universitas Bina Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46306/lb.v4i2.315
<![CDATA[The train is one of the alternative transportations for the community to carry out their activities in terms of work and tourism for long distances. One of the public transportation companies, namely, PT. Indonesian Commuter Train (KCI) is trusted as a provider of Electric Rail Trains (ERT) in order to optimally meet the needs of the community. The number of ERT passengers has an influence in planning the capacity of the train. For this reason, it is necessary to know the number of KRL passengers for the future. In this study we have forecasted the number of KRL passengers using the Nonhomogeneous Poisson process, where the intensity function is determined by a simple linear regression method. The results of forecasting the number of Jabodetabek ERT passengers using the Nonhomogeneous Poisson process, show that the number of Jabodetabek ERT passengers in November 2021 to April 2022 has decreased. The results of this forecasting fall into the fairly accurate category with a Mean Absolute Percentage Error (MAPE) value of 28%.]]>
<![CDATA[Analisis Sentimen dengan Metode Klasifikasi Naïve Bayes Dan Seleksi Fitur Information Gain ]]>
<![CDATA[Natalia Syafitri Kustanto]]>;
<![CDATA[Nurul Gusriani]]>;
<![CDATA[Firdaniza Firdaniza]]>
<![CDATA[ In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism) Vol 21 No 2 (2022): In Search ]]>
Publisher : <![CDATA[LPPM UNIBI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37278/insearch.v21i2.524
<![CDATA[Analisis sentimen merupakan pemrosesan bahasa alami yang bertujuan untuk menemukan opini, mengidentifikasi sentimen apa yang diungkapkan, dan mengklasifikasikannya berdasarkan nilai yang terkandung. Teknologi pembelajaran mesin, seperti Klasifikasi Naïve Bayes banyak digunakan dalam klasifikasi sentimen karena memiliki tingkat akurasi dan kecepatan yang tinggi. Pembelajaran mesin dapat dipadukan dengan metode seleksi fitur untuk meningkatkan efisiensi model. Salah satu metode seleksi fitur adalah metode Information Gain yang dapat digunakan untuk menentukan atribut paling efektif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap aplikasi PeduliLindungi dan menghitung evaluasi performa model berdasarkan nilai metrik F1-Score. Pada penelitian ini analisis sentimen dilakukan menggunakan metode Klasifikasi Naïve Bayes dengan penggabungan metode seleksi fitur Information Gain untuk meningkatkan performa model dan mempercepat komputasi. Hasil analisis sentimen menggunakan metode klasifikasi Naïve Bayes dan seleksi fitur Information Gain menunjukkan bahwa pengguna cenderung memberikan ulasan positif terhadap aplikasi PeduliLindungi. Performa model untuk analisis sentimen pengguna terhadap aplikasi PeduliLindungi ditentukan berdasarkan rata-rata F1-Score dengan 10-fold cross validation diperoleh sebesar 95.1%; artinya model yang diperoleh mempunyai presisi dan recall yang baik.]]>
<![CDATA[Script R Terintegrasi Berbasis Web Application untuk Model Markov Average-Based Weighted Fuzzy Time Series ]]>
<![CDATA[Risdawati Risdawati]]>;
<![CDATA[Firdaniza Firdaniza]]>;
<![CDATA[Betty Subartini]]>
<![CDATA[ In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism) Vol 21 No 2 (2022): In Search ]]>
Publisher : <![CDATA[LPPM UNIBI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37278/insearch.v21i2.525
<![CDATA[Salah satu model yang baik untuk memprediksi data adalah model Fuzzy Time Series. Model tersebut sudah banyak digunakan oleh para peneliti, namun untuk proses pengolahan data masih dengan semi manual. Seiring dengan perkembangan ilmu pengetahuan, pengolahan data dapat dilakukan dengan bantuan software lainnya, salah satunya adalah software R. R memiliki banyak kelebihan diantaranya open source, gratis, dan memliki fitur yang komplit. Pada penelitian ini dibangun script R terintegrasi untuk model Markov Average-Based Weighted Fuzzy Time Series (ABW-FTS) berbasis web application dengan RShiny. Tahapan yang dilakukan dalam membuat web application shiny yaitu dengan membuat script User Interface (UI), script server, dan mempublikasikan aplikasi pada shinyapps.io. Script R kemudian diterapkan untuk memprediksi jumlah penjualan mobil toyota di Indonesia. Hasil prediksi dengan model Markov Average-Based Weighted Fuzzy Time Series (ABW-FTS) tergolong akurat dengan rata-rata nilai Mean Absolute Percentage Error (MAPE) sekitar 12%.]]>
<![CDATA[Analisis Sentimen Dengan Metode Klasifikasi Naïve Bayes dan Seleksi Fitur Chi-Square ]]>
<![CDATA[Albert Raja Harungguan]]>;
<![CDATA[Herlina Napitupulu]]>;
<![CDATA[Firdaniza Firdaniza]]>
<![CDATA[ In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism) Vol 22 No 2 (2023): In Search ]]>
Publisher : <![CDATA[LPPM UNIBI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37278/insearch.v22i2.762
<![CDATA[Analisis sentimen merupakan metode komputasi untuk mengevaluasi teks dengan tujuan menentukan emosi yang terkandung di dalamnya. Analisis sentimen dapat dilakukan dengan pendekatan pembelajaran mesin. Salah satu metode pembelajaran mesin yang sering digunakan untuk analisis sentimen adalah Klasifikasi Naïve Bayes, yaitu metode yang menggunakan teorema Bayes sebagai dasar untuk melakukan klasifikasi. Penggunaan Klasifikasi Naïve Bayes juga dapat dikombinasikan dengan seleksi fitur. Studi sebelumnya menunjukkan bahwa seleksi fitur Chi-Square merupakan satu metode seleksi fitur yang efektif, yang mana merupakan proses untuk memilih kata yang paling merepresentasikan data berdasarkan nilai Chi-Square untuk mempercepat proses komputasi. Penelitian ini bertujuan untuk memperoleh model Klasifikasi Naïve Bayes dari data teks yang telah melalui tahap seleksi fitur Chi-Square.]]>
