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
 74   75   76   77   78 
PENGOPTIMALAN MASALAH NONLINEAR DALAM MEMINIMUMKAN BIAYA PRODUKSI DENGAN MODEL SEPARABLE PROGRAMMING MENGGUNAKAN ALGORITMA GENETIKA Amanda, Novelya; Pasaribu, Meliana; Fran, Fransiskus
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): 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.v14i2.92214

Abstract

Permasalahan biaya produksi dapat mengalami perubahan yang bervariasi seiring dengan pertambahan jumlah produk akibat ketersediaan dan biaya bahan baku yang fluktuatif. Permasalahan ini dapat dimodelkan sebagai pendekatan masalah nonlinear. Untuk mengatasi permasalahan ini, model separable programming digunakan untuk melinearisasi fungsi nonlinear melalui pendekatan piecewise linearization. Selanjutnya, solusi optimal dicari menggunakan algoritma genetika dengan melibatkan proses seleksi, crossover, mutasi, dan evaluasi nilai fitness. Salah satu industri yang mengalami permasalahan biaya produksi yaitu CV Indah Jaya Mebel yang bergerak di bidang industri furniture di Kalimantan Barat. Dalam tiga tahun terakhir, perusahaan ini menghadapi tantangan berupa peningkatan biaya produksi, yang disebabkan oleh keterbatasan pasokan bahan baku dan kebutuhan tenaga kerja saat menerima pesanan dalam jumlah besar. Untuk mengatasi tantangan tersebut, penelitian ini berfokus pada penentuan solusi optimal pada masalah meminimumkan biaya produksi dengan model separable programming menggunakan algoritma genetika. Model separable programming diawali dengan pembentukan masalah P, kemudian pembentukan masalah AP dengan hampiran linear sepotong-sepotong formulasi lambda (λ). Dilanjutkan dengan pembentukan masalah LAP yang dicari solusinya dengan algoritma genetika dalam 10 kali percobaan.   Hasil analisis dengan model separable programming dalam 10 kali percobaan menggunakan algoritma genetika menunjukkan bahwa CV Indah Jaya Mebel harus memproduksi 8 unit pintu kayu meranti, 10 unit jendela kayu keladan, 13 unit kusen kayu keladan, 12 unit kusen kayu meranti selama satu bulan untuk memperoleh biaya minimum sebesar Rp31.569.550,-. Optimalisasi biaya produksi ini dapat meningkatkan keuntungan CV Indah Jaya Mebel.  Kata Kunci : optimasi biaya, piecewise linearization, crossover.
PENGELOMPOKAN TINGKAT KESEJAHTERAAN MASYARAKAT DI KALIMANTAN BARAT MENGGUNAKAN ALGORITMA AGGLOMERATIVE HIERARCHICAL CLUSTERING Widiastuti, Ika; Noviani, Evi; Fran, Fransiskus
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): 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.v14i1.91827

Abstract

Kemakmuran masyarakat terus menjadi prioritas utama dalam proses pembangunan di Indonesia, termasuk di Provinsi Kalimantan Barat. Pengelompokan kesejahteraan di Kalimantan Barat bertujuan untuk melakukan pengelompokan kabupaten/kota Provinsi Kalimantan Barat berdasarkan tingkat kesejahteraan masyarakat sehingga pemerintah daerah bisa menentukan wilayah mana yang menjadi prioritas pembangunan ekonomi. Dalam peneliian ini metode yang digunakan adalah agglomerative hierarchical clustering dengan empat algoritma, yaitu single linkage, complete linkage, average linkage, dan ward linkage. Indikator yang digunakan mencakup pendapatan per kapita, Indeks Pembangunan Manusia, dan persentase penduduk miskin. Hasil pengelompokan karakteristik tingkat kesejahteraan masyarakat menggunakan metode Agglomerative Hierarchical Clustering menunjukkan bahwa algoritma terbaik adalah average linkage, dengan nilai korelasi chopenetic yaitu 0,936. Nilai yang mendekati satu menunjukkan bahwa hasil klasterisasi yang diperoleh memiliki kualitas yang baik. Hasil yang diperoleh, dapat disimpulkan bahwa taraf kesejahteraan di Provinsi Kalimantan Barat dengan dua cluster menggunakan metode Average Linkage. Cluster ke-1 kabupaten/kota tingkat kesejahteraan yang tinggi yaitu Pontianak dan Singkawang. Cluster ke-2 kabupaten/kota tingkat kesejahteraan yang rendah yaitu Sambas, Bengkayang, Mempawah, Sanggau, Kubu Raya, Landak, Sintang, Sekadau, Kapuas Hulu, Melawi, Kayong Utara dan Ketapang.  Kata Kunci:   Average Linkage, clustering, kesejahteraan masyarakat.
PENGELOMPOKAN INDEKS PEMBANGUNAN MANUSIA DI INDONESIA MENGGUNAKAN METODE K-MEDOIDS DENGAN EVALUASI DAVIES BOULDIN INDEX Ersawahyuni, Aisna; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): 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.v14i2.92331

Abstract

Indeks Pembangunan Manusia (IPM) adalah salah satu indikator penting dalam menilai kemajuan suatu negara. Pengelompokan IPM berguna memberikan wawasan yang penting mengenai pemahaman tentang pola dan karakteristik perkembangan kesejahteraan masyarakat. Tujuan dari penelitian ini adalah mengelompokkan provinsi-provinsi di Indonesia berdasarkan IPM masing-masing provinsi tahun 2023 menggunakan metode K-Medoids dan menentukan jumlah cluster yang optimal dengan evaluasi Davies Bouldin Index (DBI). Data yang digunakan berasal dari Publikasi Badan Pusat Statistik Pusat Tahun 2023, variabel yang digunakan antara lain umur harapan hidup, harapan lama sekolah, rata-rata lama sekolah, pengeluaran per kapita, produk domestik regional bruto, jumlah penduduk, dan persentase penduduk miskin. Proses analisis dimulai dengan statistik deskriptif dan pengujian multikolinearitas Variance Inflation Factor (VIF). Variabel yang memiliki nilai VIF 10 dieliminasi secara bertahap. Selanjutnya, dilakukan standarisasi data dan menentukan jumlah cluster awal, k yang digunakan , dilanjutkan dengan pemilihan medoids acak dan perhitungan jarak euclidean untuk menentukan kedekatan antar objek. Proses dilakukan hingga total jarak. Setelah pengelompokan selesai dilakukan optimasi jumlah cluster dengan menggunakan DBI, dengan cara meminimalkan nilai Sum of Square Within (SSW) dan memaksimalkan Sum of Square Between (SSB) dilanjutkan dengan menghitung rasio antara SSW dan SSB sehingga diperoleh nilai DBI. Hasil pengelompokan optimal yaitu dua cluster berdasarkan nilai DBI sebesar 0,94, namun dipilih cluster optimal sebanyak empat sebagai alternatif karena memiliki nilai DBI terendah kedua sebesar 1,07. Hasil pengelompokkan empat cluster yaitu cluster 1 IPM kategori sangat tinggi berjumlah 4 provinsi, cluster 2 IPM kategori tinggi berjumlah 14 provinsi, cluster 3 IPM kategori rendah berjumlah 10 provinsi, dan cluster 4 IPM kategori sangat rendah berjumlah enam provinsi.  Kata Kunci :  Jarak Euclidean, DBI, VIF, Hierarchical.  
IMPLEMENTASI ADDITIVE RATIO ASSESSMENT (ARAS) PADA SELEKSI PENERIMAAN BEASISWA KIP KULIAH DI UNIVERSITAS TANJUNGPURA Riovani, Vriska Dwi; Martha, Shantika; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): 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.v14i2.91922

Abstract

Kartu Indonesia Pintar (KIP) Kuliah adalah salah satu beasiswa yang disediakan oleh pemerintah bagi mahasiswa yang kurang mampu untuk melanjutkan pendidikan di perguruan tinggi. Keterbatasan kuota penerimaan membuat pihak pengelola beasiswa memerlukan sistem pendukung keputusan untuk menyeleksi pendaftar agar lebih tepat sasaran. Salah satu metode dalam sistem pendukung keputusan adalah metode Additive Ratio Assessment (ARAS). Keunggulan dari metode ARAS terletak dari keefisienan dalam penanganan jumlah dan jenis kriteria. Tujuan penelitian ini untuk membantu dalam menentukan pendaftar yang layak menerima beasiswa KIP Kuliah menggunakan metode ARAS. Data yang digunakan berupa data pendaftar beasiswa KIP Kuliah yang diperoleh dari Biro Akademik dan Kemahasiswaan Universitas Tanjungpura. Jumlah sampel didapatkan menggunakan metode Slovin sebesar 317 sampel. Terdapat lima kriteria yang digunakan yaitu pekerjaan ayah (C1), penghasilan ayah (C2), pekerjaan ibu (C3), penghasilan ibu (C4) dan jumlah tanggungan (C5). Hasil penelitian ini berupa 153 pendaftar yang diterima berdasarkan pemeringkatan dari hasil utility degree tertinggi dengan tingkat akurasi sebesar 47%. Hal ini dapat disebabkan karena terdapat beberapa penggunaan kriteria tambahan dari pihak BAK UNTAN yang tidak digunakan dalam penelitian ini.  Kata Kunci : Sistem Pendukung Keputusan, Utility Degree, Peringkat.
ANALISIS PENGELOMPOKAN WILAYAH DESA DI KABUPATEN LANDAK BERDASARKAN INDEKS KETAHANAN SOSIAL MENGGUNAKAN K-MODES Santika, Santika; Perdana, Hendra; Satyahadewi, Neva
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): 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.v14i2.92218

Abstract

Pembangunan desa di Indonesia diukur menggunakan Indeks Desa Membangun (IDM), yang terdiri dari tiga komponen utama yaitu Indeks Ketahanan Sosial, Ekonomi, dan Lingkungan. Kabupaten Landak berada di peringkat terakhir provinsi di Kalimantan Barat dengan rata-rata IDM 0,7253, menunjukkan perlunya intervensi khusus untuk meningkatkan pembangunanan desa. Penelitian ini bertujuan untuk mengklasterkan desa di Kabupaten Landak berdasarkan dimensi Indeks Ketahanan Sosial dengan metode K-Modes, yang cocok untuk data kategorik. Tahapan penelitian ini meliputi analisis deskriptif, penerapan algoritma K-Modes untuk pembagian cluster dengan K=3 dan K=4, serta evaluasi validitas cluster. Hasil penelitian menunjukkan bahwa pembagian desa ke dalam empat cluster adalah yang paling optimal, dengan nilai Silhouette Coefficient sebesar 0,0951. Masing-masing cluster memiliki karakteristik berbeda terkait dimensi pembentukan IKS, seperti tingkat pendidikan, ketersediaan infrastruktur kesehatan, dan aktivitas sosial. Temuan ini memberikan panduan bagi pemerintah dalam menyusun kebijakan pembangunan desa yang lebih terarah untuk meningkatkan ketahanan sosial di Kabupaten Landak.  Kata Kunci : Indeks Ketahanan Sosial, K-Modes, Silhouette Coefficient, Klasterisasi.
PEMODELAN GEOMETRIC BROWNIAN MOTION DAN PERHITUNGAN RISIKO DENGAN ADJUSTED EXPECTED SHORTFALL PADA SAHAM GOLD Putra, Fajar Rahmana; Yundari, Yundari; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): 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.v14i1.91868

Abstract

Dalam pengembalian keputusan investasi, evaluasi risiko merupakan komponen penting dalam pengambilan keputusan investasi. Untuk memahami dan mengelola risiko tersebut, diperlukan pendekatan yang mampu memprediksi pergerakan harga saham serta mengestimasi potensi kerugian. Penelitian ini bertujuan untuk memodelkan pergerakan harga saham dengan memanfaatkan model stokastik Geometric Brownian Motion (GBM) dan hasil ukuran risiko kerugian melalui perbandingan antara Value at Risk (VaR) dan Adjusted Expected Shortfall (Adj-ES). Data yang digunakan adalah harga penutupan saham Gold (GC=F) pada periode September 2023 hingga Agustus 2024. Model GBM diterapkan pada penelitian ini untuk mensimulasikan pergerakan harga saham sebanyak 1000 kali, berdasarkan data volatilitas dan drift yang diperoleh dari data in-sample, di mana drift mencerminkan tingkat pertumbuhan ekspektasi log-return aset dalam jangka waktu tertentu. Setelah menghitung parameter volatilitas dan drift, dilakukan simulasi dengan model GBM pada data out sample. Risiko diukur menggunakan VaR dan Adj-ES dengan tingkat kepercayaan 95%, yang kemudian divalidasi melalui uji backtesting. Hasil analisis menunjukkan bahwa model GBM memiliki tingkat akurasi yang baik, dengan nilai MAPE terkecil sebesar 1,04% serta diperoleh volatilitas sebesar 0,1391 dan drift sebesar 0,2632. Perkiraan kerugian maksimum berdasarkan VaR menunjukkan nilai 1,51%, sedangkan menggunakan Adj-ES menghasilkan estimasi kerugian maksimum sebesar 2,23%. Penelitian ini juga menguji validitas VaR dan Adj-ES pada tingkat kepercayaan 95% melalui metode backtesting menggunakan Uji Kupiec. Berdasarkan hasil uji, VaR dan Adj-ES dinyatakan valid karena nilai Likelihood Ratio (LR) masing-masing 0,09 dan 0,11 lebih kecil dari nilai kritis Chi-Square sebesar 3,84.                                                                                                         Kata Kunci : Stokastik, Value at Risk, Backtesting, Kupiec.
PERAMALAN HARGA PENUTUPAN INDEKS SAHAM LQ45 DENGAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN) Wati, Setio Kusumo; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): 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.v14i2.92340

Abstract

Investasi merupakan salah satu faktor pendorong pertumbuhan ekonomi nasional melalui pembiayaan pada sektor riil. Salah satu sektor dalam pembiayaan riil yaitu pasar modal yang menawarkan berbagai jenis investasi seperti saham. Indeks Saham LQ45 merupakan salah satu indikator pergerakan harga saham dari 45 saham yang memiliki likuiditas dan kapitalisasi pasar tinggi. Fluktuasi harga saham pasti terjadi sehingga diperlukan pendekatan analisis keuangan yang memiliki peluang untuk meramalkan harga saham dengan tingkat akurasi yang lebih baik. Metode Generalized Regression Neural Network (GRNN) menjadi metode pembelajaran mesin yang dapat digunakan untuk memprediksi harga Indeks Saham LQ45. Metode GRNN merupakan salah satu jaringan radial basis yang didasarkan pada regresi kernel dengan keunggulan tidak memiliki prosedur iterasi dalam proses optimasinya. Tujuan Penelitian ini adalah untuk meramalkan harga penutupan Indeks Saham LQ45 dalam lima periode ke depan dengan metode GRNN. Data yang digunakan pada penelitian ini adalah data harga penutupan harian Indeks Saham LQ45 Periode Januari 2020 hingga September 2024. Penelitian ini menggunakan 1147 data harga penutupan Indeks Saham LQ45 yang dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil penelitian menunjukkan bahwa pada pengujian model menggunakan data pengujian, spread terbaik yang digunakan yaitu 0,01 yang memberikan nilai MSE sebesar 11,6404 dan nilai MAPE sebesar 0,28%. Hasil peramalan menunjukkan bahwa dari lima periode peramalan, harga peramalan terbesar sebesar 944,75 terjadi pada tanggal 3 Oktober 2024, sedangkan harga peramalan terkecil sebesar 934,30 terjadi pada tanggal 1 Oktober 2024.  Kata Kunci : Jaringan Syaraf Tiruan, Regresi Kernel, Spread.
METODE TWO STAGE LEAST SQUARE DALAM MENGANALISIS FAKTOR YANG MEMPENGARUHI IPM DAN KEMISKINAN Ramadhan, Nanda; Satyahadewi, Neva; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): 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.v14i2.91958

Abstract

IPM adalah suatu metode pengukuran dengan perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara seluruh dunia. IPM merupakan indikator penting dalam mengukur kualitas hidup masyarakat yang di pengaruhi oleh faktor-faktor seperti pendidikan, kesehatan, dan pendapatan. Sementara itu, kemiskinan juga dipengaruhi oleh berbagai variabel ekonomi dan sosial yang sering kali berinteraksi dengan IPM. Penelitian ini bertujuan untuk menganalisis hubungan simultan antara Indeks Pembangunan Manusia (IPM) dan kemiskinan di Kalimantan Barat serta faktor-faktor yang memengaruhi keduanya menggunakan metode Two Stage Least Square (2SLS). Data sekunder yang digunakan mencakup 14 kabupaten/kota di Kalimantan Barat pada periode 2021-2023, dengan variabel endogen berupa IPM dan kemiskinan serta variabel eksogen seperti pengeluaran per kapita, tingkat pengangguran terbuka, angka harapan hidup, rata-rata lama sekolah, dan Produk Domestik Regional Bruto (PDRB). Analisis dilakukan menggunakan metode Ordinary Least Square (OLS) untuk uji signifikansi, dilanjutkan dengan uji asumsi klasik untuk memastikan model regresi memenuhi kriteria. Tahapan terakhir adalah estimasi parameter menggunakan metode Two Stage Least Square (2SLS). Hasil penelitian menunjukkan bahwa hanya tingkat pengangguran terbuka yang memiliki pengaruh signifikan terhdapat peningkatan Kemiskinan, sementara IPM dipengaruhi secara signifikan oleh semua variabel yang digunakan. Penelitian ini memberikan wawasan penting dalam pengambilan kebijakan untuk meningkatkan kualitas pembangunan manusia dan mengurangi kemiskinan di Kalimantan Barat.  Kata Kunci : ekonomi, simultan, tingkat pengangguran terbuka
METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) UNTUK PENDUGAAN PARAMETER REGRESI LOGISTIK BINER (Studi Kasus: Faktor-faktor Tingkat Kemiskinan di Indonesia Tahun 2021) Kamila, Diva Rahma; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): 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.v14i1.91808

Abstract

Metode Least Absolute Shrinkage and Selection Operator (LASSO) merupakan pendekatan regresi yang efektif dalam mengatasi multikolinieritas dengan meminimalkan jumlah kuadrat galat dan menerapkan batasan penalti. Batasan ini memungkinkan LASSO mengecilkan beberapa koefisien hingga nol, sekaligus melakukan seleksi variabel. Salah satu isu strategis yang dapat dianalisis dengan metode LASSO adalah kemiskinan. Kemiskinan berkaitan erat dengan kesejahteraan masyarakat dan menjadi tantangan utama di negara berkembang seperti Indonesia, yang dipengaruhi oleh berbagai faktor. Penelitian ini menerapkan metode LASSO untuk mengatasi multikolinieritas dalam regresi logistik biner terkait faktor-faktor yang mempengaruhi persentase tingkat kemiskinan di Indonesia pada 2021. Tahapan penelitian mencakup pengumpulan data, penerapan metode, seleksi variabel yang signifikan, dan analisis hasil. Hasil menunjukkan bahwa metode LASSO efektif dalam menangani multikolinearitas melalui seleksi variabel, dengan variabel yang masuk dalam model adalah jumlah penduduk miskin, umur harapan hidup, pengeluaran per kapita, dan PDRB serta pengeluaran per kapita dan PDRB sebagai faktor signifikan. Nilai kesalahan klasifikasi model atau Apparent Error Rate (APER) yang diperoleh adalah sebesar 20,5882% dan ketepatan klasifikasi sebesar 79,4118%. Artinya, secara keseluruhan terdapat sebanyak 27 dari 34 provinsi dapat diprediksi secara tepat dengan model yang diperoleh. Sehingga dapat disimpulkan bahwa pengklasifikasian persentase tingkat kemiskinan berdasarkan yang berada di atas rata-rata dan di bawah rata-rata persentase tingkat kemiskinan dalam model regresi logistik biner LASSO memiliki kriteria cukup baik.
PENERAPAN WEB SCRAPING DENGAN PENDEKATAN N-GRAM UNTUK EKSTRAKSI INFORMASI PADA ULASAN HOTEL MAESTRO PONTIANAK Yustosio, Darwis; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): 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.v14i2.92221

Abstract

Web scraping merupakan metode otomatisasi yang dilakukan untuk mengekstraksi data dari halaman web. Teknik ini memungkinkan pengambilan informasi dalam jumlah besar secara efisien tanpa harus melakukan penyalinan data secara manual. Dalam penelitian ini, web scraping diterapkan dengan pendekatan N-Gram untuk mengekstraksi dan menganalisis ulasan pelanggan terhadap pelayanan Hotel Maestro Pontianak. Data yang diperoleh kemudian digunakan untuk mengidentifikasi pola kata dan sentimen yang terkandung dalam ulasan pelanggan. Banyaknya pengunjung yang menginap di hotel ini menyebabkan banyaknya ulasan yang diberikan oleh pengunjung melalui website Traveloka. Penelitian ini bertujuan untuk menerapkan web scraping dalam pengambilan data ulasan pengunjung mengenai pelayanan Hotel Maestro Pontianak dari website Traveloka serta menganalisis informasi yang diperoleh menggunakan pendekatan N-gram untuk memahami opini pelanggan terhadap layanan hotel. Penelitian ini menggunakan teknik Web Scraping untuk mengumpulkan data ulasan, yang kemudian dilanjutkan dengan analisis sentimen menggunakan metode Lexicon Based dan N-Gram. Sebanyak 285 ulasan Hotel Maestro Pontianak dikumpulkan melalui Web Scraping. Data ulasan diproses menggunakan Text Preprocessing untuk menyeragamkan bentuk kata sehingga data lebih terstruktur. Selanjutnya, hasil Text Preprocessing diekstraksi fitur N-Gram kemudian diproses menggunakan metode Lexicon Based dengan bantuan Library VADER Sentiment. Hasil penerapan menggunakan pendekatan N-Gram, dari 285 data ulasan yang sudah diproses melalui text preprocessing dan diperoleh nilai score polarity, menunjukan hasil persentase setiap N-Gram. Dimana hasil persentase menunjukkan ulasan tersebut memiliki banyak opini positif mengenai pelayanan Hotel Maestro Pontianak. Informasi yang didapatkan dari hotel tersebut adalah kamar yang bersih, pelayanan yang baik dan ramah dari pihak hotel. Adapun keluhan dan perbaikan kedepannya yang perlu dilakukan oleh pihak hotel adalah masalah tempat parkir yang terbatas dan juga kebocoran platfon yang perlu dibenahi.  Kata Kunci: N-Gram, Unigram, Bigram, Trigram, VADER.

Page 76 of 84 | Total Record : 832

 74   75   76   77   78 

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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 3 (2019): BIMASTER Vol 8, No 2 (2019): BIMASTER Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER 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