This Author published in this journals
All Journal Zeta - Math Journal
Arief, M. Romli
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Perbandingan Algoritma KNN pada Nilai K untuk Forecasting Occupancy Room pada Hotel XYZ Hasan, Aldi Age; Herlambang, Teguh; Arief, M. Romli
Zeta - Math Journal Vol 9 No 2 (2024): November
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.2.97-104

Abstract

Hotel memainkan peran penting sebagai faktor penunjang ekonomi sektor pariwisata di Indonesia. Menurut data Badan Pusat Statistika (BPS) Jawa Timur pada April 2023, kunjungan wisatawan mancanegara ke Jawa Timur melalui Bandara Juanda, Surabaya, meningkat 74% dibandingkan tahun sebelumnya di bulan yang sama. Tingkat hunian hotel, yang merupakan indikator jumlah kamar terisi oleh tamu, menjadi kritis dalam mengelola sumber daya seperti listrik.Penelitian ini membahas metode prediksi tingkat hunian hotel, dengan fokus pada algoritma Regresi K-NN. KNN memiliki konsistensi kuat dan efektivitas terhadap dataset pelatihan dengan banyak noise, meskipun kinerjanya dipengaruhi oleh nilai k yang menentukan sejauh mana pencarian berlangsung. Hasil yang diberikan pada penelitian ini ialah pada pembagian data training 70% dan data testing 30%, mendapatkan hasil dengan nilai K=3 dan K=4 memiliki nilai RMSE 0.204, lalu pada pembagian data 80:20 ada di nilai K=3 memiliki nilai RMSE 0.127 dan hasil pada pembagian data 90:10 pada nilai K=3 memiliki nilai RMSE 0.080
Prediksi Produksi Kelapa di Kabupaten Banyuwangi Dengan Algoritma Neural Network Herlambang, Teguh; Nurhadi, Hendro; Ermavitalini, Dini; Huda, Miftahul; Oktavianto, Lucky; Saputro, Triono Bagus; Arief, M. Romli
Zeta - Math Journal Vol 9 No 2 (2024): November
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2024.9.2.90-96

Abstract

Salah satu daerah penghasil kelapa terbesar di Indonesia adalah Banyuwangi, yang terletak di ujung timur Pulau Jawa. Perkebunan kelapa di Banyuwangi tidak hanya meningkatkan pendapatan petani, tetapi juga memajukan industri pengolahan lokal. Banyuwangi memiliki area potensial yang akan membantu pertumbuhan bisnis kelapa dan agroindustri lainnya. Potensi budidaya kelapa tersebar di berbagai wilayah Banyuwangi, dengan beberapa kecamatan yang menonjol dalam hal produksi dan pengolahan kelapa. Banyuwangi juga memiliki tanah yang subur, iklim yang mendukung, dan sumber daya manusia yang berpengalaman dalam budidaya kelapa Tujuan dari penelitian ini adalah untuk meramalkan produksi kelapa di Kabupaten Banyuwangi dan memberikan informasi yang akurat tentang perkiraan jumlah produksi di masa depan. Diharapkan hasil ini akan membantu petani dan pemangku kebijakan membuat keputusan yang tepat tentang manajemen produksi, distribusi, dan pengembangan industri kelapa di daerah tersebut untuk meningkatkan keberlanjutan, keuntungan, dan efisiensi. Pada penelitian ini menggunakan algoritma Neural Network guna menunjukkan kinerja terbaik pada pengujian dengan pembagian data pelatihan (Tr) sebesar 70%, 80%, dan 90%, serta data pengujian (Ts) sebesar 30%, 20%, dan 10%. Hasil pada implementasi algoritma Neural Network sebagai peramalan produksi kelapa pada banyuwangi menghasilkan RMSE berturut-turut sebesar 0,039, 0,036, dan 0,036.
Analysis and Forecasting of PT. Bank Rakyat Indonesia (BRI) Stock Price After Covid-19 using Multiple Linear Regression Method Arief, M. Romli; Herlambang, Teguh
Zeta - Math Journal Vol 10 No 1 (2025): May
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/zeta.2025.10.1.61-69

Abstract

The Covid-19 pandemic that has occurred for approximately two years since 2020 in Indonesia has had a tremendous impact on the domestic economy. The impact is felt by many sectors, including the banking sector. In the banking sector, the economic downturn is also felt by investors, especially stock investors. Due to fluctuating stock price conditions, it also increases the number of uncertainties. This needs to be taken seriously by business people in the banking sector and investors so that companies are still able to operate in the midst of post-pandemic conditions. In times of crisis like today, investors, especially stock investors, have begun to adapt to the development of stock prices by taking an approach using advances in information technology. Updates from the field of information technology such as the use of machine learning with a technical approach or forecasting method have now begun to be utilized. This study aims to Analyze and forecast the closing price of shares of PT Bank Rakyat Indonesia Tbk using the Multiple Linear Regression method using reference stock data before and after covid-19 with a time span between 2018 and 2022. The forecasting results produced an RMSE value of 0.0256 in the condition of 90% training data and 10% test data.