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
 60   61   62   63   64 
PEMODELAN FAKTOR KEMISKINAN DAN INDEKS PEMBANGUNAN MANUSIA DENGAN SEEMINGLY UNRELATED REGRESSION-SPATIAL DURBIN MODEL Ratna Sari Dewi; Dadan Kusnandar; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (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.v12i3.66690

Abstract

Dalam pola dasar pembangunan daerah, tercantum Indeks Pembangunan Manusia (IPM) sebagai salah satu tolok ukur utamanya. IPM suatu daerah memiliki hubungan yang negatif dengan tingkat kemiskinan di daerah tersebut. Untuk mengatasi masalah kemiskinan dan peningkatan IPM, pemerintah daerah dapat melakukannya dengan menganalisis faktor-faktor penyebabnya. Penelitian ini bertujuan untuk membentuk model umum faktor-faktor Tingkat Penduduk Miskin (TPM) dan IPM di Kalimantan Barat dari sudut pandang kewilayahannya. Penelitian ini menggunakan metode SUR-SDM (Seemingly Unrelated Regression-Spatial Durbin Model) yang mempertimbangkan efek spasial baik pada variabel terikat maupun variabel bebasnya. Data yang digunakan adalah IPM dan TPM beserta faktor-faktor yang memengaruhinya di Provinsi Kalimantan Barat pada tahun 2019. Analisis regresi beserta uji asumsi klasiknya merupakan langkah awal dalam penelitian ini. Setelah mendapatkan variabel yang signifikan dan memenuhi uji asumsi klasik, dilanjutkan dengan menentukan matriks bobot spasial Queen Contiguity. Kemudian mencari nilai indeks Moran dengan memanfaatkan matriks bobot yang telah diperoleh. Selanjutnya mencari estimasi parameter SUR-SDM dengan metode Maximum Likelihood. Hasil dari penelitian ini yaitu model umum yang terbentuk dapat memperlihatkan bahwa TPM dan IPM di suatu daerah yang bertetangga saling memengaruhi, dimana variabel-variabel yang berpengaruh dalam membentuk model adalah Rata-rata Angka Partisipasi Sekolah  dan Rata-rata Kebutuhan Hidup Layak  untuk model TPM dengan nilai R2 sebesar 33,3% serta Rata-rata Angka Partisipasi Sekolah , Pengeluaran per Kapita , Tingkat Partisipasi Angkatan Kerja , dan Pertumbuhan Ekonomi   untuk model IPM dengan nilai R2 sebesar 85,4%.Kata Kunci: Spatial Durbin Model, indeks Moran
ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI JUMLAH PENDUDUK MISKIN DI INDONESIA DENGAN METODE BROWN MOOD Hajizah Hajizah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (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.v12i3.66691

Abstract

Metode Brown Mood adalah metode regresi nonparametrik, yang  digunakan untuk menduga parameter dengan persamaan antar bentuk median. Penelitian ini bertujuan untuk menentukan model regresi serta menganalisis faktor-faktor yang memengaruhi jumlah penduduk miskin di Indonesia dengan metode Brown Mood. Langkah awal analisis dimulai dengan menentukan model regresi menggunakan Metode Kuadrat Terkecil untuk menduga parameternya, kemudian mencari penyimpangan terhadap asumsi galat, jika terdapat salah satu asumsi tidak terpenuhi maka pendugaan parameter menggunakan metode Brown Mood, setelah itu interpretasi model. Data penelitian dilakukan pada 34 provinsi  yang ada di Indonesia, yang diperoleh dari  Badan Pusat Statistik Indonesia pada tahun 2019. Data yang digunakan  yakni data jumlah penduduk miskin , jumlah penduduk , Indeks Pembangunan Manusia (IPM) , dan Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan 2010 . Hasil penelitian model regresi yaitu  , dimana jumlah penduduk dan PDRB berpengaruh secara siginifikan terhadap jumlah penduduk miskin. Sedangkan untuk nilai  yang menunjukkan  pengaruh dari semua faktor  terhadap jumlah penduduk miskin sebesar 52%, dan sisanya   48 % dipengaruhi oleh faktor lain. Kata kunci: Nonparametrik, Regresi, Parameter, Median
INVERSE PROBLEM PADA PRINSIP BERNOULLI TORRICELLI Renisa Auditaputri; Evi Noviani; Yudhi Yudhi
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (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.v12i3.66692

Abstract

Inverse problem merupakan permasalahan matematika dari memodelkan beberapa bidang fisik, proses, atau fenomena-fenomena alam, dan solusinya adalah solusi yang ill-posed. Dalam penelitian ini diselesaikan permasalahan prinsip Bernoulli Torricelli. Prinsip Bernoulli Torricelli merupakan asas/hukum pada ilmu fisika yang menyatakan kecepatan fluida yang menyembur keluar dari sebuah lubang pada bejana memiliki kecepatan yang sama dengan kecepatan yang diperoleh sebuah benda yang terjatuh bebas namun memiliki momen inersia. Inverse problems yang bersesuaian adalah masalah jangkauan semburan, , dengan bejana kerucut dan masalah ketinggian air,  dengan bejana silinder. Penelitian ini bertujuan untuk mengkaji bentuk model direct problem dan inverse problem, dan menganalisis perbandingan serta sifat dari solusinya. Hasil pemodelan masalah bejana kerucut pada direct problem memiliki solusi jari-jari air pada lubang,  yang tunggal, sedangkan model pada inverse problem memiliki  lebih dari satu. Hasil pemodelan pada bejana silinder menggunakan luas permukaan tak beraturan,  memiliki solusi ketinggian air, , yang lebih tinggi  dibanding dengan  yang menggunakan luas permukaan tetap, . Begitu juga dengan kecepatan airnya, , pada inverse problem memiliki semburan yang lebih cepat  dibanding dengan direct problem. Kestabilan solusi dari inverse problem ditentukan oleh konstanta  (keberaturan) dan konstanta  (ketidakberaturan).Kata Kunci : direct problem, pemodelan fluida, persamaan diferensial
IMPLEMENTASI ALGORITMA C5.0 PADA KLASIFIKASI DATA SOSIAL MASYARAKAT (Studi Kasus : Kelayakan Penerimaan BLT di Kelurahan Condong Kota Singkawang) Sari Devi Asri; Helmi Helmi; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (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.v12i3.66693

Abstract

Algoritma C5.0 merupakan salah satu algoritma pohon keputusan yang dapat memproses data sosial masyarakat menjadi sebuah aturan yang bisa dijadikan masukan dalam pengambilan keputusan. Pada penelitian ini, peneliti menganalisis variabel yang paling menentukan kelayakan untuk Bantuan Langsung Tunai (BLT). Variabel-variabel yang digunakan dalam penelitian ini adalah pendapatan, umur, pendidikan, pekerjaan, kepemilikan rumah, jumlah tanggungan dan keputusan kelayakan. Tujuan penelitian ini adalah mengklasifikasi data sosial masyarakat untuk kelayakan penerimaan bantuan program BLT menggunakan metode Algoritma C5.0 serta mengetahui tingkat akurasi dan laju error hasil klasifikasi metode Algoritma C5.0. Ada beberapa langkah yang dilakukan yaitu menginput data yang diteliti. Selanjutnya pemilihan node akar diawali dengan menghitung nilai entropy. Kemudian proses dilanjutkan dengan mencari nilai gain. Setelah itu mencari nilai gain ratio. Penentuan cabang untuk masing-masing node dengan menghitung nilai gain ratio tertinggi dari variabel bebas yang ada. Penelitian ini menghasilkan decision tree dari kasus yang diangkat menunjukkan bahwa ada beberapa variabel yang mempengaruhi dalam penentuan masyarakat yang mendapatkan BLT.  Setelah dilakukan analisis didapatkan hasil tingkat akurasi sebesar 81,429%. Dengan tingkat akurasi yang tinggi bisa dikembangkan menjadi sebuah aturan yang dapat memberikan prediksi atau masukan dalam membuat keputusan kelayakan penerima bantuan langsung tunai (BLT). Kata kunci: C5.0, bantuan langsung tunai, gain ratio
PENYUSUNAN TIMETABLE BUS UNTUK MENGOPTIMALKAN PENDISTRIBUSIAN PENUMPANG ANGKUTAN UMUM BUS DI PERUSAHAAN DAMRI PONTIANAK Suriyana Suriyana; Evi Noviani; Meliana Pasaribu
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses)
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i3.66694

Abstract

Penumpukan penumpang pada terminal bus merupakan salah satu permasalahan yang sering terjadi. Namun, pada hari-hari tertentu banyaknya penumpang juga mengalami penurunan seperti yang terjadi pada perusahaan Damri. Dalam hal ini banyaknya penumpang untuk bus Royal Class dan Limousine Class belum maksimal, dengan kapasitas bus yang tersedia yaitu 23 penumpang serta pelayanan yang diberikan tidak jauh berbeda. Sedangkan untuk keberangkatan bus memerlukan biaya operasional. Sehingga diasumsikan bahwa bus Royal Class dan Liomusine Class digabungkan menjadi satu keberangkatan dan mengakibatkan adanya penumpang yang berdesak-desakan. Permasalahan juga terjadi pada jam keberangkatan bus yang tidak sesuai dengan jadwal. Selain itu, persiapan bus yang cukup lama mengakibatkan penumpang menunggu lama di terminal. Oleh karena itu, dalam penelitian ini disusun timetable bus Damri untuk mengoptimalkan pendistribusian penumpang agar memperoleh waktu operasional yang tepat. Sehingga tidak terjadi kendala penumpukan penumpang pada suatu waktu dan keberangkatan bus yang seefisien mungkin. Permasalahan tersebut dibentuk ke dalam model matematika dan dihitung dengan metode simpleks kemudian digunakan aplikasi QM for Windows. Sehingga diperoleh hasil pada rute perjalanan Pontianak – Sintang dan Sintang – Pontianak tidak ada penumpang yang berdesak-desakan atau tidak terdapat crowding yang berarti pendistribusian penumpang dengan timetable yang diperoleh optimal dengan banyak bus yang dibutuhkan dari masing-masing terminal keberangkatan adalah 2 unit bus. Sedangkan banyak bus minimum yang dibutuhkan oleh perusahaan untuk melayani dua rute perjalanan adalah 4 unit bus. Kata Kunci : metode simpleks, crowding, QM for Windows
ANALISIS TINGKAT KESEHATAN KINERJA KEUANGAN MENGGUNAKAN UJI KRUSKAL-WALLIS TERHADAP BANK SYARIAH Wira Fujiyanto Enizar; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (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.v12i3.66804

Abstract

Bank adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. Pada penelitian ini pengujian dilakukan dengan menggunakan uji Kruskal-Wallis yang mana merupakan teknik statistika non-parametrik untuk menguji dua atau lebih sampel. Penelitian ini dilakukan dengan tujuan untuk menganalisis dan mencari perbedaan tingkat kesehatan kinerja keuangan tiga bank syariah, yaitu BNI Syariah, BRI Syariah, dan BSM sebelum terbentuk menjadi satu. Langkah awal, data diklasifikasikan berdasarkan kriteria RGEC (Risk profile, Good Corporate Governance, Earnings, dan Capital) dan terlihat bagaimana tingkat kesehatan dari masing-masing ketiga bank syariah. Lalu dilakukan uji Kruskal-Wallis terhadap data, sehingga diketahui ada aspek RGEC yang berbeda. Lebih lanjut dilakukan analisis uji Dunn sebagai uji perbandingan berganda untuk mengetahui bank mana yang berbeda. Berdasarkan hasil analisis diperoleh bahwa indikator financing deposit to ratio dan Capital adequacy ratio tidak memiliki perbedaan kinerja keuangan pada ketiga bank. Indikator yang mengalami perbedaan yaitu pada non-performing financing, return on asset, return on equity dan net interest margin. Dimana nilai indikator BNI Syariah lebih kecil dibandingkan BRI Syariah. Yang artinya berdasarkan indikator non-performing financing, BNI Syariah lebih sehat dibanding BRI Syariah. Sebab, semakin kecil nilai non-performing financing maka semakin sehat. Namun berbeda dengan indikator return on asset, return on equity, dan net interest margin. Dimana semakin kecil nilai indikator, maka semakin buruk. Oleh karena itu pada indikator return on asset, return on equity, dan net interest margin, BRI Syariah lebih sehat dibanding BNI Syariah. Sedangkan pada indikator biaya operasional terhadap pendapatan operasional, kinerja BNI Syariah lebih besar dibandingkan BRI Syariah. Yang artinya berdasarkan indikator biaya operasional terhadap pendapatan operasional, BNI Syariah lebih sehat dibanding BRI Syariah. Selanjutnya indikator good corporate government BSM memiliki nilai lebih kecil dibandingkan BNI Syariah maupun BRI Syariah. Yang artinya, BSM lebih baik dari kedua bank yang lainnya. Sebab, semakin kecil nilai indikator biaya operasional terhadap pendapatan operasional, maka semakin baik kesehatan banknya.Kata Kunci: Performa keuangan, Kruskal-Wallis, Bank Indonesia
PEMODELAN DATA PRODUKSI KELAPA SAWIT DI KALIMANTAN BARAT MENGGUNAKAN GENERALIZED ADDITIVE MODEL Ahmad Fernanda; Naomi Nessyana Debataraja; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (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.v12i3.66818

Abstract

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.
PERBANDINGAN PENDEKATAN GENERALIZED PARETO DISTRIBUTION DAN GENERALIZED EXTREME VALUE UNTUK VaR PADA INVESTASI SAHAM Sulya Hikma Yulandari; Evy Sulistianingsih; Siti Aprizkiyandari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (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.v12i3.66819

Abstract

Investasi bertujuan untuk memperoleh keuntungan pada masa yang akan datang dengan dasar penempatan jumlah dana pada saat ini. Investasi dalam bentuk saham merupakan salah satu aset finansial yang banyak diminati. Dalam berinvestasi risiko yang sering menjadi pusat perhatian investor, karena risiko sering terjadi akibat adanya ketidakpastian. Dengan diketahuinya risiko, maka kebijakan investasi dapat dilakukan dengan lebih terukur. Oleh karena itu diperlukan penelitian perhitungan untuk menghitung tingkat risiko yaitu metode Value at Risk (VaR). Namun pada kenyataannya peluang terjadinya nilai ekstrem menyebabkan kerugian, sehingga diperlukan analisis dengan metode Extreme Value Theory. Pada penelitian ini per hitungan nilai VaR dilakukan dengan menggunakan metode Generalized Pareto Distrbution (GPD) dan Generalized Extreme Value (GEV). Diperoleh hasil tingkat risiko jika investor menginvestasikan dana sebesar Rp100.000.000 dengan metode GPD sebesar Rp7.406.362 dan metode GEV sebesar Rp7.520.445. Sehingga didapatkan bahwa Value at Risk (VaR) menggunakan Peak Over Threshold (POT) mengikuti distribusi GPD adalah nilai VaR dengan model terbaik. Berdasarkan uji validitas nilai VaR diterima valid.  Kata Kunci: Investasi, VaR, GEV, GPD 
ANALISIS CLUSTER MENGGUNAKAN ALGORITMA K-MEANS BERDASARKAN FAKTOR PENYEBAB STUNTING PADA PROVINSI KALIMANTAN BARAT Rahmania Andarini Hatti Imanni; Evy Sulistianingsih; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (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.v12i3.67061

Abstract

Stunting merupakan suatu permasalahan gizi kronis yang disebabkan ketidak cukupan asupan gizi dalam jangka waktu yang lama. Hasil Survei Status Gizi Indonesia (SSGI) 2021, di Kalimantan Barat persentase stunting mencapai 29,8% dimana lebih tinggi dari rata-rata nasional. Berdasarkan tingginya kasus stunting di Kalimantan Barat, maka diperlukan pengelompokan Kabupaten/Kota di Kalimantan Barat berdasarkan faktor penyebab stunting. Tujuan dari penelitian ini melakukan pengelompokan Kabupaten/Kota di Kalimantan Barat berdasarkan faktor penyebab stunting menggunakan Algoritma K-Means. Faktor penyebab stunting yang digunakan yaitu, Persentase rumah tangga yang tidak memiliki akses air minum bersih , persentase kurangnya pemberian ASI eksklusif , persentase bayi berat lahir rendah (BBLR) lahir dengan selamat , persentase rumah tangga tidak memiliki fasilitas sanitasi layak . Berdasarkan hasil analisis, menggunakan jumlah cluster sebanyak 3 diperoleh kesimpulan bahwa pada klaster 1 memiliki karakteristik baik terhadap faktor penyebab stunting. Sedangkan pada klaster 2 yang terdiri dari kabupaten Bengkayang, kabupaten Sanggau dan kabupaten Melawi memiliki prioritas utama yang perlu perhatian pemerintah provinsi atau daerah yaitu terhadap pemberian air susu ibu eksklusif dan berat bayi lahir rendah lahir dengan selamat. Sedangkan karakteristik pada klaster 3 yang perlu diperhatikan yaitu rumah tangga tangga tidak memiliki akses air minum bersih dan kondisi rumah tangga yang tidak memiliki fasilitas sanitasi yang layak. Pada klaster 3 terdiri dari kabupaten Landak, kabupaten Ketapang, kabupaten Sintang, kabupaten Kapuas Hulu dan kabupaten Sekadau.Kata Kunci:   Stunting, Cluster, SSGI
PENERAPAN MODEL VECTOR AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA LOGGING Sasqia Aklysta Antaristi; Yundari Yundari; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses)
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i3.67123

Abstract

Data Well Logging merupakan metode pengukuran besaran – besaran atau parameter fisika dan kimia batuan terhadap kedalaman lubang bor. Lapisan batuan dipengaruhi oleh elastisitas dan densitas batuan dalam waktu tertentu. Dengan kriteria tersebut, metode analisis deret waktu yang sesuai adalah VARIMA (Vector Autoregressive Integreted Moving Average). Model VARIMA adalah suatu metode yang digunakan untuk menganalisis data deret waktu dengan melibatkan faktor lokasi dan lebih dari satu variabel. Tujuan penelitian ini membahas tentang penggunaan model VARIMA untuk menganalisis data logging dengan menentukan model dan hasil peramalan data GR, LSD, dan SSD serta tingkat kebaikan model. Data yang digunakan adalah hasil Log Gamma Ray (GR), Long Spacing Density (LSD), dan Short Spacing Density (SSD) pada perusahaan XYZ dalam periode data kedalaman 1.4 m–98.8 m. Tahapan yang dilakukan dalam penelitian ini yaitu mendeskripsikan data GR, LSD, dan SSD dilanjutkan uji stasioner ADF, melakukan differencing, mengidentifikasi model MACF dan MPACF, mengestimasi parameter, melakukan peramalan model VARIMA dan diakhiri perhitungan MAPE. Hasil pemodelan terbaik yang diperoleh adalah VARIMA (1,1,0). Tingkat kebaikan hasil peramalan GR kedalaman 99 m–100 m pada MAPE adalah 27,74% dikategorikan cukup baik. Hasil peramalan LSD menurut MAPE bernilai 10.90% tergolong baik. Hasil peramalan SSD bernilai 7.81% yang dikategorikan sangat baik. Kata Kunci:   Logging, Model Peramalan, Vector Autoregresive Integrated Moving Average

Page 62 of 84 | Total Record : 832

 60   61   62   63   64 

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