p-Index From 2021 - 2026
7.169
P-Index
This Author published in this journals
All Journal International Journal of Evaluation and Research in Education (IJERE) Indonesian Journal of Mathematics and Natural Sciences Kreano, Jurnal Matematika Kreatif-Inovatif Rekayasa: Jurnal Penerapan Teknologi dan Pembelajaran Jurnal Prima Edukasia Kontinu: Jurnal Penelitian Didaktik Matematika Suska Journal of Mathematics Education Phenomenon : Jurnal Pendidikan MIPA JIPMat (Jurnal Ilmiah Pendidikan Matematika) Jurnal Kajian Pembelajaran Matematika Jurnal Mercumatika : Jurnal Penelitian Matematika dan Pendidikan Matematika Union: Jurnal Ilmiah Pendidikan Matematika PRISMA Equilibria Pendidikan : Jurnal Ilmiah Pendidikan Ekonomi Jurnal Cendekia : Jurnal Pendidikan Matematika EDUKATIF : JURNAL ILMU PENDIDIKAN Unnes Journal of Mathematics Education Research Journal of Primary Education ANARGYA: Jurnal Ilmiah Pendidikan Matematika Gema Wiralodra Imajiner: Jurnal Matematika dan Pendidikan Matematika Jurnal Ilmiah Pendidikan Matematika Al Qalasadi Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) EMTEKA: Jurnal Pendidikan Matematika Jurnal Riset dan Inovasi Pembelajaran STRATEGY : Jurnal Inovasi Strategi dan Model Pembelajaran Unnes Journal of Mathematics Education Unnes Journal of Mathematics Jurnal Pijar MIPA Pedagogy : Jurnal Pendidikan Matematika Jurnal Pendidikan dan Pengabdian Masyarakat Bookchapter Pendidikan Universitas Negeri Semarang Prosiding Seminar Nasional Pascasarjana Proceeding of International Conference on Science, Education, and Technology Jurnal Wicara Desa Mathema: Jurnal Pendidikan Matematika
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Unnes Journal of Mathematics

PERAMALAN VOLUME PENJUALAN TEH 2 TANG DENGAN PROSES AUTOREGRESI DAN AUTOKORELASI Hidayati, Nurul; Mastur, Zaenuri; Walid, Walid
Unnes Journal of Mathematics Vol 1 No 1 (2012)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v1i1.662

Abstract

Penjualan merupakan kegiatan ekonomis yang umum, dengan penjualan sebuah perusahaan akan memperoleh hasil atau laba sesuai yang direncanakan atau memperoleh pengembalian atas biaya-biaya yang dikeluarkan. Untuk mengetahui hasil penjualan yang akan datang maka dilakukan suatu ramalan sehingga dapat dipakai sebagai acuan perusahaan tersebut. Dalam artikel ini akan dikaji peramalan volume penjualan teh 2 tang tahun 2010 dengan proses Autoregresi dan Autokorelasi pada CV Duta Java Tea Indonesia Adiwerna Tegal. Metode yang digunakan dalam penelitian ini adalah metode dokumentasi, yaitu data yang dikumpulkan data sekunder yang diperoleh dari catatan penjualan teh 2 tang di CV. Duta Java Tea Indonesia Tegal Tahun 2004-2010. Pengujian normalitas dengan menggunakan One-Sample Kolmogorov-Smirnov test terlihat pada nilai signifikan yang lebih dari 5% artinya H0 diterima, jadi data tersebut berdistribusi normal. Dengan persamaan tersebut, diperoleh ramalan volume penjualan teh 2 tang untuk bulan Agustus 2010 adalah sebesar 51.500 bal, bulan September 2010 sebesar 73.600 bal, bulan Oktober 2010 sebesar 90.800 bal, bulan November 2010 sebesar 104.200 bal, bulan Desember 2010 sebesar 114.600 bal. Berdasarkan hasil pembahasan dapat disimpulkan bahwa proses Autoregresi Autokorelasi dapat digunakan untuk meramalkan volume penjualan teh 2 tang pada CV Duta Java Tea Indonesia Adiwerna Tegal.
Cement Sales Forecasting Using Backpropagation Neural Network and Recurrent Neural Network Achmalia, Aisyah Fany; Walid, Walid; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 8 No 1 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i1.29323

Abstract

Backpropagation Neural Network (BPNN) is a Neural Network (NN) that moves forward and does not have a loop where the signal flow from input neurons to output neurons, while Recurrent Neural Network (RNN) is a NN model where architecture has at least one feedback loop. In this research, cement sales forecasting was carried out at PT Semen Indonesia (Persero) Tbk by using BPNN and Elman type RNN. The purpose of this research was to obtain BPNN and Elman type RNN modeling for cement sales forecasting at PT Semen Indonesia (Persero) Tbk, as well as forecasting results using the best models. The results show that the best BPNN model is the BPNN model (9-5-1) with the Levenberg-Marquardt training algorithm with Mu initialization used is 0,02 and the aktivation function used is logsig, while the best Elman type RNN model is the Elman type RNN model (9-5-1) with gradient descent with momentum and adaptive learning rate training algorithm with the momentum used is 0,2, the learning rate used is 0,2, and the activation function used is logsig. The best model for cement sales forecasting at PT Semen Indonesia (Persero) Tbk is the BPNN model (9-5-1) with forecasting result for April 2018 to December 2018.
PERAMALAN PENJUALAN SEMEN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DAN RECURRENT NEURAL NETWORK Achmalia, Aisyah Fany; Walid, Walid; Sugiman, Sugiman
Unnes Journal of Mathematics Vol 9 No 1 (2020)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v9i1.29970

Abstract

Backpropagation Neural Netwrok (BPNN) adalah Neural Network (NN) yang tidak memiliki loop, sedangkan Recurrent Neural Network (RNN) adalah NN yang memiliki minimal satu feedback loop. Dalam penelitian ini dilakukan peramalan penjualan semen di PT Semen Indonesia (Persero) Tbk dengan menggunakan BPNN dan RNN tipe Elman. Tujuan penelitian ini adalah untuk memperoleh pemodelan BPNN dan RNN tipe Elman untuk peramalan penjualan semen, serta hasil peramalan menggunakan model terbaik. Hasil penelitian menunjukkan model BPNN terbaik adalah BPNN (9-5-1) dengan algoritma pelatihan Levenberg-Marquardt dengan inisialisasi Mu yang digunakan adalah 0,02 dan fungsi aktivasi yang digunakan adalah logsig, sedangkan model RNN tipe Elman terbaik adalah RNN tipe Elman (9-5-1) dengan algoritma pelatihan gradient descent dengan momentum dan adaptive learning rate dengan momentum yang digunakan adalah 0,2, learning rate yang digunakan adalah 0,2, dan fungsi aktivasi yang digunakan adalah logsig. Model terbaik untuk peramalan penjualan semen di PT Semen Indonesia (Persero) Tbk adalah BPNN (9-5-1).
TIME SERIES MODELLING OF STOCK PRICE BY MODWT-ARIMA METHOD 'Aina, Maula Qorri; Hendikawati, Putriaji; Walid, Walid
Unnes Journal of Mathematics Vol 8 No 2 (2019)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v8i2.30352

Abstract

MODWT-ARIMA is a time series modeling that combines the MODWT process and the ARIMA process. The MODWT process is used as pre-processing data while the ARIMA process as a time series modeling for data from MODWT decomposition. This study aims to show that time series modeling with a combined MODWT-ARIMA process provides more accurate forecast result compared to the ARIMA model. The modeled data is time series of daily stock price BBRI.JK started from January 2, 2015 to December 31, 2018. Accuracy measurement of the forecasting result is based on the RMSE value. The result is the MODWT-ARIMA model has a RMSE value which is smaller than the ARIMA model with RMSE , while the RMSE forecast results for 43 future periods is which is also smaller than the ARIMA forecast RMSE, . The diagnostic checking results if the ARIMA model for MODWT decompotition data, namely D1, D2, D3, and S3, indicate that the residual model is not white noise, while the ARIMA model for the time period of daily stock prices has white noise residuals. Theoritically, a model that has no white noise’s residual is considered to be less able to describe the properties of the observed data and further residual modeing should be done. However, this research is sufficient for the ARIMA model and it can be shown that the MODWT-ARIMA model is more effective for modelling time series that are not stationery compared to the ARIMA model.
Pemodelan ARIMAX, FFNN, dan ARIMAX-FFNN untuk peramalan produksi padi Provinsi Jawa Tengah Hapsari, Nabila Widya; Walid, Walid
Unnes Journal of Mathematics Vol 10 No 2 (2021)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v10i2.48418

Abstract

Pertumbuhan penduduk di Indonesia yang bertambah setiap tahunnya menyebabkan kebutuhan pangan mengalami peningkatan, sedangkan berkurangnya lahan pertanian yang beralih fungsi mengakibatkan turunnya angka produksi padi, Sempitnya luas panen tentu berimplikasi pada terbatasnya hasil produksi yang diperoleh. hal ini mengakibatkan ketersediaan pangan menjadi tidak stabil, sehingga perlu dilakukannya peramalan agar persediaan selalu terpenuhi. Pada penelitian ini, produksi padi akan diramalkan menggunakan metode ARIMAX, FFNN, dan Hybrid ARIMAX-FFNN dengan variabel eksogen adalah luas panen padi. Tujuan penelitian ini, yaitu untuk memperoleh pemodelan ARIMAX, FFNN, dan Hybrid ARIMAX-FFNN untuk meramalkan produksi padi di Provinsi Jawa Tengah, sehingga diperoleh model terbaik yang kemudian dapat digunakan untuk meramalkan produksi padi pada periode berikutnya. Hasil analisis dari penelitian ini menghasilkan model ARIMAX terbaik adalah model ARIMAX . Sedangkan model FFNN terbaik adalah model FFNN (1-27-1). Model Hybrid ARIMAX-FFNN terbaik adalah model (2-19-1). Model terbaik untuk peramalan produksi padi pada periode mendatang yaitu menggunakan model ARIMAX .
Co-Authors 'Aina, Maula Qorri Achmalia, Aisyah Fany Adi Nur Cahyono Adrillian, Hendrisa Agung Wibowo Agustina, Rizki Aini, Sindi Nur Alamsyah - An-Nidhof, Ikmilul Maula Aprilla, Diah Mitha Ardhi Prabowo Arief Agoestanto Avi Budi Setiawan Azka, Fullu Azmi, Kholifatu Ulil Azzahra, Nur Izzah Bambang Eko Susilo Bambang Eko Susilo Bayu Rizky Pratama, Bayu Rizky Cahyani, Cielo Dewi Cahyono, Nur Adi Cielo Dewi Cahyani Dewi, Arsiana Kusuma Dewi, Nuriana Rahmani Disty, Indi Rifkiana Dwijanto Dwijanto, Dwijanto Emi Pujiastuti Fatin, Nisrina Faza Intan Azzahra Firdaus, Rizqi Rohmatul Fitriana, Nur Fadila Fullu Azka Hairunisah, Hairunisah Hapsari, Nabila Widya Hartono Hartono Helmi Yanti Henry Suryo Bintoro Hikmah, Madda Salimatul Ida Ayu Putu Sri Widnyani Indra Lesmana Iqbal Kharisudin Isnarto Isnarto Isnarto, Isnarto Iwan Junaedi Iwan junaedi Julianti, Nova Kartono , Korniawan, Ojik Danang Kurniawati, Septi Laila Rahmawati Luthfan Hawali, Muhammad Marfu'ah, Solikhatun Masrukan Masrukan Masruroh Masruroh Maulida, Sylmi Millah, Najichatul Mohammad Asikin Muhammad Feriady, Muhammad Muhammad Kharis Mulyono Mulyono Mulyono Mulyono Mulyono Munahefi, Detalia Noriza NALURITA, BERNIKA RAHMANIA Nikmah Nurvicalesti Nino Adhi, Nuriana Rachmani Dewi Novitasari, Fitri Nur Fatimah Nur Mahsarah Rahadatul Aisy Nura Milla Husna Nurdin Halid Nuriana Rachmani Dewi Nurliah Buhari Nursiwi Nugraheni Nurul Hidayati Pratiwi, Mayasari Dian Priyatno, Sigit Putri, Indah Annisa Putriaji Hendikawati Rahayu, Uswatun Khasanah Dwi Rahmawati, Rofiqo Rahmayani, Bulan Rama, Rizki Hanantri Ramadhan Rochmad - Rohmatin Zukhriya S.B. Waluya S.Pd. M Kes I Ketut Sudiana . Sarah, Caecillia Rafika Scolastika Mariani Siti Kholifah St. Budi Waluya Sugiman Sugiman Sukestiyarno, Y L sulistyawati, anita Sunarmi Sunarmi Swari, Ignasia Santi Kumala Wahyudi, Indra Dana Wahyudi, Reza Izam Waluya, Stefanus Budi Wardono Wardono Widowati, Widowati Widya Dwiyanti Wulansari, Indah Y.L. Sukestiyarno YL Sukestiyarno Yohanes Leonardus Sukestiyarno Yuningsih Yuningsih Yusfita Yusuf Zaenuri Mastur Zainuri Zainuri, Zainuri Zikir, Al