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 770 Documents
 73   74   75   76   77 
PENERAPAN ALGORITMA K-MEDOIDS DENGAN OPTIMASI GAP STATISTICS DALAM PENGELOMPOKAN DAERAH RAWAN KRIMINALITAS DI INDONESIA Dyaherawati, Oktavia; Martha, Shantika; Imro’ah, Nurfitri
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.v14i1.91906

Abstract

Kriminalitas atau tindak kejahatan adalah setiap perbuatan yang melanggar hukum pidana. Informasi terkait banyaknya tindak kejahatan yang terjadi sangat dibutuhkan oleh masyarakat dan penegak hukum. Penelitian ini bertujuan untuk mengelompokkan daerah rawan kriminalitas pada provinsi di Indonesia menggunakan algoritma K-Medoids dengan optimasi Gap Statistics. Algoritma K-Medoids merupakan metode analisis cluster dengan menggunakan perwakilan dari objek sebagai pusat cluster. Penentuan jumlah cluster teraik pada metode ini masih belum memiliki dasar teori yang jelas, sehingga diperlukan pendekatan untuk mengidentifikasi jumlah cluster optimal. Gap statistics merupakan salah satu pendekatan terbaik untuk menentukan jumlah cluster optimal dengan membangkitkan data acak dalam penentuan jumlah kelompok optimum. Data yang digunakan merupakan data sekunder yang didapatkan dari publikasi Badan Pusat Statistik yaitu Statistik Kriminal 2023 yang berisi data jumlah kriminalitas menurut jenis kejahatan dan kepolisian daerah tahun 2022. Penelitian ini berfokus untuk membentuk kelompok yang berisi provinsi dengan jarak terdekat berdasarkan karakteristik dari kriminalitas menggunakan analisis cluster. Berdasarkan analisis yang telah dilakukan, jumlah cluster optimal yang terbentuk berjumlah empat cluster dengan nilai gap statistics yang diperoleh sebesar 0,65. Cluster 1 dikategorikan sebagai daerah sangat rawan kriminalitas yang terdiri dari tiga provinsi, Cluster 2 dikategorikan sebagai daerah rawan kriminalitas yang terdiri dari dua provinsi, Cluster 3 dikategorikan sebagai daerah cukup rawan kriminalitas yang terdiri dari tujuh provinsi, dan Cluster 4 dikategorikan sebagai daerah tidak rawan kriminalitas yang terdiri dari 22 provinsi. Kata Kunci : kriminalitas, analisis cluster, cluster optimal, outlier.
PENENTUAN JUMLAH CLUSTER OPTIMUM PADA PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR PENDIDIKAN TINGKAT SMA Rahmadanti, Putri; Martha, Shantika; 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.v14i2.92351

Abstract

Pendidikan merupakan aspek penting terkait dengan sumber daya manusia dan tentunya memiliki peran penting dalam upaya meningkatkan pembangunan nasional. Pada dasarnya pemerataan pendidikan sangat krusial untuk meningkatkan pendidikan di Indonesia. Indonesia yang terdiri dari banyak provinsi dengan beragam kondisi menjadikan perlu dilakukan pengelompokan terhadap pendidikan pada tiap daerah. Analisis cluster ialah teknik analisis statistik multivariat yang melakukan pengelompokan berdasarkan atas kesamaan karakteristik antar tiap objeknya. Tujuan penelitian ini adalah penentuan jumlah cluster optimum dengan metode Silhouette Coefficient untuk mengelompokkan provinsi di Indonesia berdasarkan indikator pendidikan tingkat SMA/sederajat. Data indikator pendidikan tingkat SMA/sederajat yang terdiri dari 11 variabel dari 34 provinsi di Indonesia digunakan dalam penelitian ini. Tahapan penelitian ini meliputi pengelompokan dengan menggunakan metode Ward dan dilanjutkan dengan proses penentuan jumlah cluster optimum dengan metode Silhouette Coefficient. Berdasarkan analisis yang telah dilakukan dengan mengelompokkan tingkat pendidikan di Indonesia, diperoleh cluster optimum berdasarkan indikator pendidikan tingkat SMA/sederajat, yaitu berjumlah 3 cluster dengan nilai Silhouette Coefficient yaitu bernilai 0,248. Cluster ke-1 merupakan cluster dengan tingkat pendidikan tinggi terdiri dari 8 provinsi yang didominasi dengan provinsi yang berada di Pulau Jawa. Kemudian cluster ke-2 sebagai cluster dengan tingkat pendidikan sedang terdiri dari 25 provinsi yang merupakan cluster terbesar yang mewakili sebagian besar wilayah di Indonesia. Serta cluster ke-3 sebagai cluster dengan tingkat pendidikan rendah hanya terdiri dari Provinsi Papua yang menunjukkan kesenjangan pendidikan yang signifikan. Kata Kunci : Jarak Euclidean, Metode Ward, Silhouette Coefficient, Z-Score.
PELABELAN RATA-RATA GEOMETRIS PADA GRAF ULAR mC_n Sakti Simanjuntak, Junjungan Dwipa; Fran, Fransiskus; Yudhi, Yudhi
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.v14i2.92198

Abstract

Sebuah pemetaan yang memetakan unsur-unsur dari graf yaitu sisi maupun titik dengan bilangan asli yang dikenal sebagai label disebut pelabelan graf. Satu variasi pada pelabelan graf adalah pelabelan rata-rata geometris, merupakan bentuk khusus dari pelabelan rata-rata aritmetika. Pada pelabelan rata-rata geometris pada graf  terdapat    titik dan  sisi merupakan  injektif dari domain  dan kodomain  yang menginduksi fungsi  bijektif dengan domain  dan kodomain   sehingga untuk sisi  berlaku. Graf rata-rata geometris adalah graf yang memenuhi pelabelan rata-rata geometris. Dalam artikel ini, dibahas suatu pelabelan rata-rata geometris untuk graf ular  dengan   untuk. Proses kontruksi pelabelan ini dilakukan dengan melabeli titik-titik pada graf tersebut sehingga menghasilkan label sisi-sisi yang sesuai dengan definisi pelabelan rata-rata geometris dan menghasilkan suatu pola label untuk masing-masing titiknya. Berdasarkan hasil kontruksi pelabelan rata-rata geometris untuk graf ular  dengan   untuk   diperoleh bahwa, graf ular  dengan  untuk  adalah graf rata-rata geometris. Kata Kunci : label, fungsi injektif, fungsi bijektif.
APLIKASI TEORI PERMAINAN DALAM PENENTUAN STRATEGI PEMASARAN PROGRAM STUDI MATEMATIKA DAN STATISTIKA Sylvia, Margaretha Elza; Kusumastuti, Nilamsari; 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.v14i2.92283

Abstract

Pendidikan merupakan fondasi utama dalam membangun sumber daya manusia yang berkualitas. Persaingan dalam dunia pendidikan terutama jenjang pendidikan perguruan tinggi semakin ketat dalam upaya menarik minat mahasiswa. Oleh karena itu, diperlukan analisis yang mendalam terhadap strategi pemasaran program studi dalam menghadapi tantangan persaingan ini. Teori permainan memberikan model untuk menganalisis interaksi antara Program Studi (PS) Matematika dan Program Studi (PS) Statistika, serta mempertimbangkan faktor-faktor eksternal yang mempengaruhi keputusan calon mahasiswa. Tujuan dari penelitian ini adalah untuk menerapkan teori permainan dalam pengembangan strategi pemasaran PS Matematika dan PS Statistika, serta untuk memperoleh strategi pemasaran yang optimal dalam pemasaran PS Matematika dan PS Statistika. Data diperoleh melalui kuesioner dan wawancara dengan siswa Sekolah Menengah Atas (SMA), yang kemudian diuji validitas dan reliabilitasnya. Hasil dari kedua uji tersebut menyatakan bahwa pertanyaan valid dan reliabel sehingga data layak untuk digunakan. PS Matematika menggunakan Kualifikasi Tenaga Pengajar sebagai strategi pemasarannya, sedangkan PS Statistika mengandalkan Kemudahan Akses Informasi sebagai strategi pemasarannya. Analisis menggunakan teori permainan menghasilkan nilai titik pelana -10, yang menunjukkan bahwa strategi murni adalah yang paling optimal untuk kedua program studi. Kata kunci : Titik Pelana, Strategi Murni, Strategi Optimal
OPTIMALISASI MODEL GRADIENT BOOSTING MACHINE DENGAN GRID SEARCH UNTUK MENENTUKAN KELAYAKAN PEMBERIAN KREDIT BANK Ramadhania, Wahida; Satyahadewi, Neva; Imro’ah, Nurfitri
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.v14i1.91908

Abstract

Pengambilan keputusan dalam menentukan kelayakan pemberian kredit melibatkan berbagai faktor kompleks seperti riwayat kredit, pendapatan pekerjaan, dan jumlah tanggungan. Tujuan dari penelitian ini ialah menentukan tingkat akurasi model Gradient Boosting Machine (GBM) menggunakan teknik optimasi parameter dengan Grid Search untuk menganalisis hasil klasifikasi kelayakan pemberian kredit. Pendekatan yang digunakan termasuk dalam metode supervised learning. Supervised Learning merupakan salah satu pembelajaran mesin yang bertujuan untuk menyelesaikan masalah seperti klasifikasi dengan mengindentifikasi variabel target menggunakan model hasil pelatihan dari data berkategori. GBM merupakan salah satu algoritma klasifikasi supervised learning berbasis decision tree. Permasalahan pada GBM adalah kecenderungan mengalami overfitting yang disebabkan oleh pengaturan hyperparameter yang tidak optimal. Hal ini dapat diatasi dengan teknik optimasi parameter seperti grid search. Data yang digunakan yaitu data historis nasabah yang berasal dari website www.kaggle.com sebanyak 730 data debitur dengan 162 pinjaman yang disetujui dan 568 pinjaman tidak disetujui. Langkah penelitian yang pertama yaitu preprocessing data, kemudian membagi data menjadi data training dan data testing dengan proporsi 80:20, menangani imbalance class pada data training menggunakan Random Oversampling (ROS), membuat model GBM tanpa grid search dan model GBM menggunakan grid search. Hasil penelitian didapatkan akurasi model GBM tanpa grid search yaitu sebesar 83,43% sedangkan akurasi model GBM dengan grid search diperoleh sebesar 95,15%. Hal ini menunjukkan bahwa metode GBM menggunakan optimasi grid search menghasilkan kinerja yang lebih baik dibandingkan tanpa optimasi. Kata Kunci : ROS, Optimasi Parameter, Supervised Learning
IMPLEMENTASI MODEL MIXED GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) DALAM PERHITUNGAN JUMLAH PENDUDUK MISKIN DI PROVINSI KALIMANTAN BARAT Ramadhan, Rahul; Yundari, Yundari; Helmi, Helmi
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.v14i2.92352

Abstract

Di Indonesia, termasuk di Kalimantan Barat, Kemiskinan merupakan masalah yang kompleks dan multidimensional karena dipengaruhi oleh berbagai faktor. Tantangan ini semakin kompleks karena dipengaruhi oleh faktor spasial dan karakteristik lokal seperti kondisi geografis yang beragam, tingkat pengangguran, dan disparitas pembangunan antarwilayah. Sehingga pendekatan analitis yang mampu menangkap keragaman spasial dan karakteristik lokal menjadi hal penting. Model Mixed Geographically Weighted Regression (MGWR) merupakan salah satu pendekatan yang bisa digunakan dalam menganalisis variasi spasial dalam pengaruh faktor-faktor tertentu terhadap jumlah penduduk miskin. Beberapa variabel mungkin memiliki efek yang stabil di seluruh wilayah atau dikatakan bersifat global, sedangkan variabel lain bisa memiliki efek yang bervariasi di setiap lokasi atau dikatakan bersifat lokal. Tujuan dari penelitian adalah menganalisis model MGWR, menerapkan model MGWR dan membandingkan Regresi Linier Berganda, GWR dan MGWR. Langkah-langkah yang dilakukan adalah menganalisis deskriptif data, melakukan uji heterokedastisitas, melalukan analisis terhadap regresi model GWR, melakukan analisis terhadap regresi model MGWR, dan melakukan perbandingan antara GWR dengan MGWR untuk melihat nilai AIC. Berdasarkan hasil analisis diperoleh bahwa variabel yang bersifat global yaitu persentase penduduk (X1) dan upah minimum kabupaten (X3). Sedangkan yang bersifat lokal yaitu tingkat pengangguran terbuka (X2), dan tingkat pendidikan terakhir (X4). Pada Tingkat pengangguran terbuka berpengaruh signifikan secara lokal pada kabupaten Landak, Sanggau, Sintang, Sekadau, Melawi, Kayong Utara, dan Kota Pontianak. Sedangkan variabel tingkat pendidikan terakhir tidak signifikan berpengaruh pada kabupaten Bengkayang, Ketapang dan Sekadau. Hasil perbandingan antara model regresi linier berganda, Geographically Weighted Regression (GWR), Mixed Geographically Weighted Regression (MGWR) diperoleh bahwa model MGWR yang terbaik karena memiliki nilai AIC terkecil sebesar 301,9651. Kata Kunci : Spasial, AIC, regresi, GWR
PERAMALAN DATA CURAH HUJAN DENGAN METODE WAVELET-VAR Melvin, Melvin; 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.v14i2.92213

Abstract

Peramalan curah hujan yang akurat memiliki peran penting dalam pengelolaan sumber daya alam dan pencegahan bencana karena dapat memberikan informasi yang akurat mengenai kondisi cuaca yang akan datang, sehingga memungkinkan pengambilan keputusan yang lebih efisien. Dengan peramalan yang akurat, kita dapat merencanakan kegiatan pertanian, perikanan, dan pemanfaatan sumber daya alam lainnya secara optimal, serta meminimalkan risiko kerusakan atau bencana seperti banjir dan badai yang dapat membahayakan kehidupan dan infrastruktur. Studi ini dilakukan dengan menggunakan metode Wavelet untuk mengurangi gangguan pada data curah hujan, yang kemudian dilakukan proses peramalan dengan menerapkan model Vector Autoregressive (VAR). Pemilihan data curah hujan dan kecepatan angin sebagai fokus analisis sangat relevan karena kedua variabel ini mempengaruhi banyak sektor, seperti pertanian, perairan, dan transportasi. Penelitian ini memanfaatkan data yang berisi catatan bulanan tentang curah hujan dan kecepatan angin di Kota Pontianak dari Mei 2012 hingga Desember 2022, dengan perhatian khusus pada pentingnya stasionaritas data agar model yang dihasilkan valid. Hasil penelitian menunjukkan bahwa metode Wavelet-VAR mampu memberikan akurasi peramalan curah hujan dengan hasil perhitungan Mean Absolute Percentage Error (MAPE) senilai 6,17%. Nilai MAPE ini menunjukkan bahwa metode Wavelet-VAR sangat akurat dalam meramalan data curah hujan. Kata Kunci : stasioner, transformasi wavelet, vector autoregressive
IMPLEMENTASI METODE MOORA DALAM KEPUTUSAN PEMILIHAN APLIKASI INVESTASI TERBAIK Margaretha, Ledy Claudia; Perdana, Hendra; Satyahadewi, Neva
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.v14i1.91813

Abstract

Investasi merupakan salah satu cara mencapai kebebasan finansial. Adanya aplikasi investasi memudahkan investor berinvestasi di mana dan kapan saja dengan smartphone dan internet. Namun, investor sering kali menghadapi kesulitan dalam memilih aplikasi yang sesuai dengan tujuan dan risikonya. Oleh karena itu, diperlukan suatu sistem yang mampu merekomendasikan aplikasi investasi dengan efektif. Sistem Pendukung Keputusan diciptakan untuk mendukung pengambilan keputusan dengan memilih dari berbagai alternatif keputusan yang ada. Tujuan penelitian ini adalah mengimplementasikan metode MOORA sebagai salah satu metode sistem pengambilan keputusan dalam membantu calon investor untuk memilih aplikasi investasi terbaik dengan mempertimbangkan berbagai kriteria sebagai parameter penilaian penentuan aplikasi investasi. Data yang digunakan sebagai alternatif adalah aplikasi investasi yang tergolong pada bidang keuangan dari Google Play Store yaitu Bibit, Ajaib, Stockbit, IPOT, Bareksa, dan Pluang. Kriteria - kriteria sebagai parameter penentu aplikasi investasi terbaik yaitu Jumlah Instrumen Investasi, Rating Aplikasi, Minimal Investasi, Peringkat Aplikasi, dan Besar Aplikasi. Analisis data dimulai dari menginput data, menentukan jenis kriteria, konversi data, menentukan bobot kriteria, membuat matriks keputusan, normalisasi matriks, optimasi matriks, menentukan nilai akhir metode MOORA, dan interpretasi dari hasil ranking. Dari hasil analisis, diperoleh bahwa alternatif A1 yaitu Bibit memperoleh nilai tertinggi sebesar 0,243 sehingga menjadikan Bibit sebagai aplikasi investasi yang paling direkomendasikan. Kata Kunci : Aplikasi Investasi, MOORA, Sistem Pengambilan Keputusan.
PENERAPAN METODE GUPTA DAN ALGORITMA POUR DALAM USAHA LAUNDRY UNTUK MEMINIMALKAN MAKESPAN Amanda, Kordula Mila; Fran, Fransiskus; Kusumastuti, Nilamsari
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.v14i2.92324

Abstract

Penjadwalan operasional merupakan salah satu faktor krusial yang mempengaruhi efisiensi waktu dan produktivitas dalam usaha laundry. Penelitian ini bertujuan untuk meminimalkan waktu penyelesaian keseluruhan (maksepan) penjadwalan pekerjaan menggunakan metode Gupta dan algoritma POUR. Penelitian dilakukan dengan mengumpulkan data operasional dari sebuah usaha laundry, yang mencakup waktu pencucian, pengeringan, dan penyetrikaan untuk berbagai jenis cucian. Metode Gupta digunakan untuk mengurutkan job berdasarkan prioritas yang sama dari tahapan awal dan diterapkan pada pesanan layanan reguler. Sementara itu, algoritma POUR mengatur job dengan mempertimbangkan tahapan selanjutnya yang memiliki waktu lebih singkat, sehingga dapat diterapkan pada layanan express. Berdasarkan hasil analisis, diperoleh waktu penyelesaian akhir (makespan) sebesar 865 menit menggunakan metode Gupta dan 860 menit menggunakan algoritma POUR. Penerapan strategi penjadwalan yang sesuai dengan jenis layanan diharapkan dapat meningkatkan efisiensi operasional dalam usaha laundry.Kata Kunci : Penjadwalan operasional, Efisiensi waktu, Prioritas.
SELEKSI PENERIMAAN BEASISWA MENGGUNAKAN METODE EVALUATION BASED DISTANCE FROM AVERAGE SOLUTION (EDAS) (Studi Kasus: Beasiswa KIP Kuliah Merdeka di Universitas Tanjungpura) Clarenda Siboro, Viren Marcellya; 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.v14i2.91910

Abstract

Beasiswa Kartu Indonesia Pintar (KIP) Kuliah Merdeka adalah program yang dirancang oleh pemerintah untuk memberikan dukungan finansial dalam bentuk pembiayaan pendidikan serta biaya hidup penerima bantuan beasiswa. Tujuan dilakukan penelitian ini yaitu untuk mengimplementasikan metode Sistem Pendukung Keputusan yaitu metode Evaluation Based Distance From Average Solution (EDAS) dalam proses pengambilan keputusan terkait seleksi penerima beasiswa KIP Kuliah Merdeka di Universitas Tanjungpura. EDAS merupakan metode yang digunakan untuk menentukan alternatif optimal yang dipilih berdasarkan perhitungan jarak masing-masing alternatif dari nilai optimal. Metode tersebut memiliki keunggulan dalam melakukan pemeringkatan dengan menghitung Average Solution (AV) sehingga hasil yang didapatkan lebih akurat. Penelitian ini menggunakan data beasiswa KIP Kuliah Merdeka tahun 2023 yang diperoleh dari Biro Akademik dan Kemahasiswaan (BAK) Universitas Tanjungpura. Kriteria yang digunakan yaitu pekerjaan ayah (C1), penghasilan ayah (C2), pekerjaan ibu (C3), penghasilan ibu (C4), dan jumlah tanggungan (C5). Proses analisis dimulai dengan menghitung Average Solution, Positive Distance Average, Negative Distance Average, Sum of Positive Distance, Sum of Negative Distance, Normalize Sum of Positif Distance, Normalize Sum of Negative Diatance, dan Appraisal Score. Berdasarkan hasil analisis alternatif terbaik yang layak dipilih dan menerima bantuan beasiswa KIP Kuliah Merdeka yaitu A210  dengan nilai appraisal score 1. Nilai akurasi yang diperoleh dari hasil analisis menggunakan metode EDAS sebesar 46,69% yang tergolong ke dalam kategori gagal. Hal tersebut disebabkan oleh sedikit atribut yang digunakan dan proses penentuan beasiswa dilakukan oleh pihak BAK dengan mempertimbangkan beberapa kriteria lainnya. Kata Kunci : Pemeringkatan, Average Solution, Akurasi.

Page 77 of 77 | Total Record : 770

 73   74   75   76   77 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue 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 Vol 12, No 3 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya (dalam proses) 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): BIMASTER 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER 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