cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
Published by Universitas Tanjungpura
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Decision Sciences, Operations Research & Management Mathematics
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 832 Documents
 59   60   61   62   63 
ANALISIS JUMLAH TELLER OPTIMAL PADA SISTEM ANTRIAN DI PT. BANK RAKYAT INDONESIA (BRI) UNIT BENGKAYANG Grace Irlia; Bayu Prihandono; Mariatul Kiftiah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65282

Abstract

Salah satu bank milik pemerintah terbesar di Indonesia adalah Bank Rakyat Indonesia (BRI), yang berguna sebagai badan hukum tempat masyarakat (nasabah) menyimpan atau menyalurkan dana dalam bentuk kredit, debit atau bentuk-bentuk lainnya untuk meningkatkan taraf hidup masyarakat. BRI Unit Bengkayang merupakan cabang dari Bank BRI yang berlokasi di kabupaten Bengkayang, Kalimantan Barat. Permasalahan yang sering terjadi di BRI Unit Bengkayang adalah terjadinya peningkatan jumlah kedatangan nasabah yang tidak menentu secara terus menerus dengan kapasitas jumlah teller dua orang dan ditambah lagi terjadinya jam istirahat dari jam 12.00-13.00 WIB, sehingga mengakibatkan antrian. Teori antrian merupakan metode yang digunakan sebagai menentukan alternatif model matematika dalam pengambilan keputusan suatu sistem antrian. Penelitian ini berguna untuk menentukan model sistem antrian di BRI Unit Bengkayang yang tepat dengan menganalisis data jumlah kedatangan nasabah dan waktu pelayanan selama tiga hari mulai hari Senin, 14 November 2022 sampai Rabu, 16 November 2022 dari jam 08.00-12.00 WIB. Analisis data tersebut dilakukan uji kecocokan distribusi Kolmogorov-Smirnov dengan Software R Studio dan Software Excel, sehingga diperoleh model antrian di BRI Unit Bengkayang yaitu (M/G/2):(FCFS/ / ). Selanjutnya, model antrian (M/G/2):(FCFS/ / ) dilakukan perhitungan kinerja sistem antrian secara keseluruhan dan disimpulkan bahwa teller BRI Unit Bengkayang sudah optimal karena dengan jumlah rata-rata kedatangan nasabah (λ) tidak lebih dari jumlah rata-rata kecepatan pelayanan nasabah (μ).
ANALISIS ASSOCIATION RULES MENGGUNAKAN ALGORITMA ECLAT PADA TOKO SWALAYAN Thariq Thariq; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65274

Abstract

Kemajuan teknologi sangat pesat bahkan untuk sebuah toko swalayan dalam melakukan berbagai transaksi, semua penjualan langsung masuk ke database. B-MART merupakan toko yang menjual bahan pokok sehari-hari dengan jumlah transaksi yang relatif tinggi dimana menyebabkan data transaksi menjadi database yang besar. Salah satu cara untuk meningkatkan kualitas penjualan adalah dengan mempelajari pola belanja konsumen dengan menganalisis data transaksi penjualan. Salah satu teknik untuk menganlisis perilaku pola pembelian konsumen adalah Association rule. Equivalence Class Transformation (ECLAT) adalah salah satu algoritma pada metode association rules. Dimana dapat menemukan pola itemset yang paling sering muncul. Algoritma ECLAT mengklasifikasikan item yang sama ke dalam kelas (equivalence class) berdasarkan kriteria tertentu. Data penelitian yang digunakan merupakan data sekunder yang berasal dari transaksi penjualan pada toko B-MART dari bulan Februari 2020 sampai dengan Maret 2020 dengan total transaksi sebanyak 19826 dengan menggunakan minimum support 0.03% dan minimum confidence 95% dan lift ratio >1 menghasilkan sebanyak tiga frequent itemset. Kemudian untuk hasil association rules hanya didapatkan 1 rules yaitu jika bungkus kado maka kertas kado mix dengan nilai confidence 95,95% dan lift ratio 43,90. Artinya apabila konsumen melakukan pembelian jasa bungkus kado, maka kemungkinan terambilnya kertas kado mix sebesar 95,95%. Maka dari itu alangkah baiknya bungkus kado serta kertas kado mix diletakkan berdekatan. Sedangkan rules yang mempunyai nilai confidence dibawah 95% dapat dilakukan promo.Kata Kunci: belanja, itemset, lift ratio. 
PERHITUNGAN PREMI ASURANSI KESEHATAN PERAWATAN DI RUMAH SAKIT M. Deny Hafizzul Muttaqin; Neva Satyahadewi; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65276

Abstract

Risiko merupakan suatu peristiwa yang tidak diinginkan serta yang tidak diinginkan atau risiko merupakan penyimpangan dari hasil yang diharapkan. Sehingga diperlukan peran pihak-pihak yang bersedia mengambil resiko untuk mengatasinya, termasuk pihak rumah sakit. Saat ini sudah banyak rumah sakit yang menawarkan jasa asuransi, termasuk asuransi kesehatan rumah sakit. Tujuan dari penelitian ini adalah untuk mengetahui pembayaran asuransi kesehatan seseorang yang menerima perawatan di rumah sakit. Prosesnya dimulai dengan mengumpulkan informasi dari Tabel Mortalita Indonesia (TMI) 2019, informasi kompensasi, suku bunga dan Tabel RP-2000 Male Combined Healthy. Tabel RP-2000 Male Combined Healthy digunakan untuk mendapatkan informasi tentang kemungkinan seseorang pada usia tertentu akan dirawat di rumah sakit. Langkah selanjutnya yaitu menentukan anuitas jiwa, asuransi jiwa dan premi asuransi kesehatan. Studi kasus dilakukan untuk peserta asuransi berusia 27 tahun dan 40 tahun dengan jangka waktu asuransi selama 20 tahunan. Besar santunan yang diperoleh ketika terjadi klaim yaitu Rp300.000/hari untuk biaya kamar, biaya perawatan Rp7.000.000/tahun dan Rp110.000/hari untuk biaya kunjungan dokter. Suku bunga yang digunakan sebesar 6% per tahun.. Hasil perhitungan menunjukkan bahwa premi bulanan yang dibayarkan polis kepada pria berusia 27 tahun adalah 18.934 rubel. Sedangkan laki-laki usia 40-an menerima Rp 4.691.803. Oleh karena itu jelas bahwa semakin tinggi usia pemegang polis, semakin tinggi pula jumlah premi asuransinya. Hal ini disebabkan oleh kemungkinan yang lebih tinggi dari penyakit dan kematian dari orang yang lebih tua. Kata Kunci : Asuransi, Suku Bunga, Female Combined, Male Combined, Tabel Mortalita Indonesia
ANALISIS BOOTSTRAP AGGREGATING MULTIVARIATE ADAPTIVE REGRESSION SPLINES UNTUK AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT Muhammad Septian; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65267

Abstract

Multivariate Adaptive Regression Splines (MARS) adalah metode dengan pendekatan multivariate nonparametrik. MARS adalah teknik klasifikasi yang mudah serta fleksibel untuk mengetahui variabel respon dan variabel prediktor. MARS adalah penggabungan dari RPR dengan Spline yang dapat memberikan perkiraan  yang tepat. Tingkat akurasi klasifikasi model MARS bisa dilakukan peningkatan dengan memakai metode resampling, diantaranya adalah bagging. Bagging merupakan metode yang melakukan penggabungan banyaknya angka  prediktor serta respon untuk  mendapatkan agregat melalui angka Generalized Cross Validation (GCV). Data yang digunakan yakni data akreditasi sekolah SMA/MA di Kalimantan Barat. Jumlah variabel yang digunakan sebanyak 8 variabel prediktor yaitu standar isi (X1), standar proses (X2), standar lulusan (X3), standar pengajar dan tenaga kerja (X4), sarana dan prasarana (X5), standar pengelolaan (X6), standar pembiayaan (X7), dan standar penilaian (X8), dan variabel respon yaitu akreditasi A dan B (Y0.), akreditasi C dan sekolah tidak terakreditasi (Y1). Penelitian ini mengidentifikasi dan memodelkan komponen penilaian yang menjadi pengaruh dalam penentuan akreditasi sekolah dengan menggunakan Bagging MARS. Memperoleh model Bagging MARS diperlukan Bootstrap yang dikombinasikan dengan BF, MI, dan MO pada MARS.  Hasil penelitian menggunakan metode Bagging MARS dengan GCV minimum didapatkan sebesar 0,038. Variabel yang berpengaruh yaitu sarana dan prasarana (X5), standar pengajar dan tenaga kerja (X4), standar pengelolaan (X6), standar proses (X2), standar pembiayaan (X7), standar lulusan (X3), standar penilaian (X8), dan standar isi (X1). Tingkat kepentingan variabel pada model berturut – turut sebesar 100%, 37,515%, 36,290%, 34,542%, 22,300%, 16,180%, 12,183%, dan 5,214%. Ketepatan klasifikasi pada Bagging MARS sebesar 96,07%. Kata Kunci : MARS, Bagging MARS, Klasifikasi.
HIERARCHICAL CLUSTERING MULTISCALE BOOTSTRAP PADA CAPAIAN DIMENSI IPM TAHUN 2020 YANG TERDAMPAK COVID-19 Anjeli Dwi Laksmi; Dadan Kusnandar; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65277

Abstract

Analisis cluster hirarki adalah pengamatan yang dipakai guna melakukan pengelompokan data (objek) menurut kriterianya. Salah satu metode di analisis cluster yang dapat dipakai guna melakukan pengelompokan data pada berbagai aspek adalah metode average linkage. Penelitian ini menggunakan data dari variabel yang mempengaruhi capaian dimensi Indeks Pembangunan Manusia (IPM) ketika periode 2020 yang terdampak Covid-19, ialah dimensi umur panjang serta hidup sehat, dimensi pengetahuan, serta dimensi standar hidup layak. Pengkajian ini memiliki tujuan guna melakukan pengelompokan Kabupaten/Kota di Kalimantan Barat menurut data yang diperoleh dengan memakai metode hierarchical clustering multiscale bootstrap. Tahapan yang dilakukan dalam penelitian ini yaitu, metode hirarki menggunakan average linkage untuk membentuk cluster dilanjutkan dengan multiscale bootstrap untuk melihat validitas hasil cluster berdasarkan nilai approximately unbiased (AU) jika memiliki nilai ≥ 0,95 maka valid. Dengan metode average linkage terbentuk sebanyak empat cluster yaitu cluster pertama terdiri dari Kabupaten Sambas, Kabupaten Bengkayang, Kabupaten Mempawah, Kabupaten Kubu Raya, Kota Pontianak, dan Kota Singkawang. Cluster kedua terdiri dari Kabupaten Landak dan Kabupaten Kapuas Hulu. Cluster ketiga terdiri dari Kabupaten Sanggau, Kabupaten Ketapang, Kabupaten Sintang, Kabupaten Sekadau, dan Kabupaten Melawi. Kemudian yang terakhir cluster keempat terdiri dari Kabupaten Kayong Utara. Hasil cluster kemudian dilanjutkan dengan multiscale bootstrap dengan melihat nilai AU diperoleh hasilnya yaitu cluster pertama, cluster kedua, dan cluster ketiga valid sedangkan cluster keempat tidak valid. Kata Kunci: Average Linkage, Multiscale Bootstrap, IPM
METODE GRAPH CONTRACTION TECNIQUE (GCT) DALAM MENYELESAIKAN MASALAH TRANSPORTASI SEIMBANG Yusi Sania; Mariatul Kiftiah; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65270

Abstract

Metode transportasi dikembangkan untuk memecahkan masalah pendistribusian produk dari berbagai sumber ke berbagai tujuan untuk meminimumkan biaya distribusi. Pada penelitian ini digunakan metode Graph Contraction Technique (GCT) untuk menentukan solusi optimal dari masalah transportasi dengan beberapa contoh kasus transportasi seimbang. Masalah transportasi seimbang merupakan model transportasi dengan kondisi jumlah persediaan pada sumber bernilai sama dengan jumlah permintaan pada tujuan. Metode GCT diterapkan dengan merepresentasikan masalah transportasi ke dalam graf bipartit dan diselesaikan dengan proses iterasi. Pada proses iterasi dilakukan dengan menentukan biaya terkecil dari pengiriman unit sebagai acuan untuk alokasi pertama dan penghapusan simpul ditentukan dengan kuantitas yang ada pada simpul sumber dan tujuan yang mana yang lebih kecil. Untuk menentukan solusi optimal dengan metode GCT diterapkan pada tiga contoh kasus transportasi seimbang dengan ukuran yang berbeda. Ukuran yang dimaksud ialah ukuran (m)dari banyaknya jumlah sumber (n) dan jumlah tujuan  atau dilambangkan dengan (mxn). Berdasarkan hasil penelitian, dengan penerapan metode GCT diperoleh biaya pendistribusian yang minimum. Pada kasus berukuran (3x3) diperoleh biaya sebesar Rp4.283.000,-. Pada kasus berukuran (5x4) diperoleh biaya sebesar Rp10.200,-. Pada kasus berukuran (4x5), diperoleh biaya sebesar Rp29.000,-. Solusi yang diperoleh metode GCT dapat menghasilkan biaya yang minimum dari pengujian tiga contoh kasus yang diberikan dengan ukuran yang berbeda.   Kata Kunci : masalah  transportasi, metode GCT, biaya pendistribusian.
PEMODELAN REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA TINGKAT PENGANGGURAN TERBUKA DI INDONESIA Eka Putri Nurcahyani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65278

Abstract

Dalam analisis regresi, suatu kurva dapat diestimasi menggunakan tiga pendekatan yaitu regresi semiparametrik, regresi nonparametrik dan regresi parametrik. Penelitian ini bertujuan untuk membangun model regresi nonparametrik deret fourier pada faktor-faktor yang mempengaruhi tingkat pengangguran terbuka di Indonesia. Membangun model regresi nonparametrik deret fourier memerlukan beberapa langkah, yaitu meghitung statistik deskriptif dan membuat scatterplot. Kemudian menghitung nilai Generalized Cross Validation (GCV) dan koefisien determinasinya. Setelah mendapatkan nilai GCV terkecil, modelkan regresi nonparametrik deret fouriernya. Penelitian ini menggunakan variabel jumlah penduduk, tingkat pendidikan SMA dan indeks pembangunan manusia yang diduga mempengaruhi tingkat pengangguran terbuka di Indonesia. Data didapat dari Badan Pusat Statistik tahun 2020. Berdasarkan hasil regresi nonparametrik deret fourier, digunakan 3 titik osilasi untuk nilai GCV terendah, dimana nilai GCV adalah 11,06 dan nilai koefisien determinasinya adalah 67,11%. Dari hasil penelitian variabel yang berpengaruh adalah jumlah penduduk, tingkat pendidikan SMA dan indeks pembangunan manusia.Kata Kunci: Nonparametrik, Deret Fourier, GCV
PREDIKSI HARGA EMAS MENGGUNAKAN FUZZY TIME SERIES LEE Devi Eka Putri; Naomi Nessyana Debataraja; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65272

Abstract

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.
ESTIMASI INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY BERDISTRIBUSI STUDENT-T Julianti Kastari; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65281

Abstract

Indeks Harga Saham Gabungan adalah nilai untuk mengukur gabungan seluruh saham yang ada  di Bursa Efek Indonesia (BEI). Data keuangan seperti data indeks saham pada umumnya memiliki volatilitas yang tinggi dan varian error yang tidak konstan (heteroskedastisitas). Volatilitas yang tinggi menyebabkan sulit untuk dilakukan estimasi pada data indeks harga saham. Estimasi indeks harga saham penting dilakukan agar investor dapat menaksir keuntungan yang didapat nantinya. Salah satu model yang dapat mengestimasi indeks harga saham yang mempunyai volatilitas tinggi dan varian error yang tidak stabil yaitu Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Pada model GARCH yang berdistribusi normal tidak dapat mengakomodasi adanya sifat leptokurtic. Sifat leptokurtic ditandai dengan nilai kurtosis yang melebihi 3. Model yang dapat mengakomodasi adanya sifat leptokurtic adalah GARCH berdistribusi Student-t. Tujuan dari penelitian ini adalah mengestimasi nilai IHSG dengan model GARCH berdistribusi Student-t. Data yang digunakan yaitu data harian penutupan IHSG periode 2 Januari 2020 hingga 30 Desember 2020. Penelitian ini diawali dengan memilih model ARMA terbaik untuk data return. Selanjutnya, dilakukan uji heteroskedastisitas pada residual model ARMA. Jika terdapat heteroskedastisitas, maka pendugaan model menggunakan model GARCH. Sebelum dimodelkan kedalam model GARCH, residual diperiksa untuk melihat sifat leptokurtic. Jika terdapat leptokurtic, maka dilanjutkan dengan pendugaan model GARCH berdistribusi Student-t. Setelah didapat model GARCH berdistribusi Student-t, kemudian mengestimasi nilai IHSG. Berdasarkan analisis yang telah dilakukan, model terbaik untuk mengestimasi IHSG adalah GARCH (2,3) berdistribusi Student-t. Data hasil estimasi IHSG menunjukkan pergerakan yang mendekati data aktual. Nilai MAPE yang diperoleh pada penelitian ini sebesar 2,00%. Hal ini bermakna model GARCH (2,3) berdistribusi Student-t dapat digunakan untuk mengestimasi nilai IHSG.Kata Kunci: IHSG, leptokurtic, GARCH Student-t
METODE TIME INVARIANT FUZZY TIME SERIES UNTUK PREDIKSI PRODUKSI KELAPA SAWIT Valentinus Markus; Dadan Kusnandar; Naomi Nessyana Debataraja
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65273

Abstract

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

Page 61 of 84 | Total Record : 832

 59   60   61   62   63 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol 14, No 6 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 5 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 5 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 4 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 2 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 1 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 3 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): BIMASTER Vol 8, No 4 (2019): BIMASTER Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): BIMASTER Vol 7, No 4 (2018): BIMASTER Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): BIMASTER Vol 7, No 2 (2018): BIMASTER Vol 7, No 2 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 5, No 03 (2016): BIMASTER Vol 5, No 02 (2016): BIMASTER Vol 5, No 01 (2016): BIMASTER Vol 4, No 03 (2015): BIMASTER Vol 4, No 01 (2015): BIMASTER Vol 4, No 2 (2015): BIMASTER Vol 3, No 03 (2014): BIMASTER Vol 3, No 02 (2014): BIMASTER Vol 3, No 01 (2014): Bimaster Vol 2, No 03 (2013) Vol 2, No 02 (2013): Bimaster Vol 2, No 1 (2013): BIMASTER Vol 1, No 01 (2012): BIMASTER More Issue