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
 76   77   78   79   80 
PENERAPAN METODE NUMERIK UNTUK MEMPREDIKSI HASIL PANEN KELAPA SAWIT MENGGUNAKAN MODEL GOMPERTZ (Studi Kasus : Kalimantan Barat) Dewi, Lidia; Pasaribu, Meliana; Helmi, Helmi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (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.v14i4.99125

Abstract

Perkebunan kelapa sawit menjadi salah satu sektor perkebunan yang unggul dan mengalami perkembangan yang cukup pesat di Indonesia. Produktivitas kelapa sawit setiap bulan tidak selalu stabil karena mengalami fluktuasi hasil panen yang dipengaruhi oleh banyak faktor, seperti iklim, curah hujan, dan kesuburan tanah. Oleh karena itu, prediksi ketersediaan hasil panen kelapa sawit di tahun mendatang perlu dilakukan. Persamaan Gompertz merupakan persamaan pertumbuhan yang memiliki model sigmoidal dengan pola pertumbuhan yang awalnya cepat, kemudian melambat seiring bertambahnya waktu. Data yang digunakan dalam penelitian ini berupa data hasil panen pada periode waktu tertentu, yang disajikan dalam bentuk diskrit. Dalam kasus ini, metode analitik sulit diterapkan karena umumnya memerlukan bentuk fungsi kontinu dan eksplisit dari solusi. Sehingga, penggunaan metode numerik yang lebih cocok dalam menangani data diskrit dan dapat menghitung solusi secara bertahap. Penelitian ini bertujuan untuk memprediksi hasil panen kelapa sawit di Kalimantan Barat pada tahun 2024 hingga 2026 menggunakan persamaan Gompertz serta mengevaluasi tingkat akurasi prediksi berdasarkan nilai MAPE. Penelitian ini dimulai dengan pemodelan pertumbuhan hasil panen kelapa sawit di Kalimantan Barat menggunakan persamaan Gompertz diikuti dengan perhitungan solusi awal dengan metode Runge-Kutta orde empat. Selanjutnya, prediksi hasil panen kelapa sawit dilakukan menggunakan metode Adams-Bashforth-Moulton, metode Milne-Simpson, dan metode Hamming. Keakuratan hasil prediksi dianalisis menggunakan MAPE. Berdasarkan hasil penelitian diperoleh bahwa metode Milne-Simpson memiliki MAPE terkecil, yaitu 17,00641% dengan hasil prediksi pada tahun 2024 hingga 2026 masing-masing sebesar 32.577.169,05259 ton, 34.075.713,91195 ton, dan 35.318.535,07526 ton.
PENENTUAN ALIRAN MAKSIMUM PADA JARINGAN PENDISTRIBUSIAN GAS MENGGUNAKAN ALGORITMA EDMONDS KARP Tantri, Eliana; Helmi, Helmi; Yudhi, Yudhi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (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.v14i4.96036

Abstract

PT. Livina Aurora Cemerlang merupakan perusahaan gas elpiji yang mendistribusikan gas non-subsidi ke beberapa pangkalan. Perusahaan melakukan pendistribusian gas dengan jumlah permintaan pengiriman yang berbeda-beda untuk setiap pangkalan, keterbatasan kapasitas kendaraan dan lokasi pangkalan yang tersebar dengan jarak lumayan jauh dari satu pangkalan ke pangkalan lain. Sehingga perusahaan memerlukan strategi agar pendistribusian dapat dilakukan secara efisien dengan mengetahui nilai aliran maksimum. Permasalahan yang akan dibahas pada penelitian ini yaitu masalah jaringan pendistribusian gas yang direpresentasikan dengan graf berarah, dengan setiap busurnya mempunyai bobot. Oleh karena itu, tujuan dari penelitian ini menentukan aliran maksimum pada jaringan pendistribusian gas elpiji dengan mempertimbangkan kendala kapasitas setiap busur, kendala aliran di simpul sumber dan simpul tujuan menggunakan Algoritma Edmonds Karp pada jaringan pendistribusian gas elpiji dimana pencarian lintasan penambahnya menggunakan Algoritma Breadth First Search (BFS). Tahap-tahap dalam pencarian aliran maksimum yaitu membuat jaringan pendistribusian ke bentuk graf berarah, tahap kedua memulai dengan menetapkan nilai aliran awal menjadi 0 di semua busur. Tahap ketiga mengidentifikasi lintasan penambah yaitu jalur berarah yang menghubungkan simpul awal dan simpul tujuan menggunakan Algoritma BFS, tahap keempat menentukan kapasitas sisa minimum busur pada lintasan penambah yang diperoleh, kapasitas sisa minimum digunakan untuk mengoptimalkan aliran pada lintasan penambah. Proses ini dilakukan hingga tidak ditemukan lagi lintasan penambah dan diperoleh nilai aliran maksimum pada jaringan pendistribusian gas. Hasil pencarian aliran maksimum menggunakan Algoritma Edmonds Karp pada jaringan pendistribusian gas elpiji 5,5 Kg diperoleh 61 tabung gas sedangkan pada jaringan pendistribusian gas elpiji 12 Kg diperoleh 53 tabung gas dengan 5 lintasan penambah.
IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI PASIEN PENDERITA DIABETES MELLITUS Puspita, Risma; Perdana, Hendra; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (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.v14i3.95738

Abstract

Diabetes mellitus merupakan kondisi di mana tubuh gagal mengontrol kadar glukosa dalam darah. Penyakit ini terjadi karena tubuh tidak mampu menghasilkan insulin dalam jumlah yang cukup, sehingga menyebabkan peningkatan kadar gula darah tetap tinggi dan dapat menyebabkan dampak serius bagi kesehatan pasien. Dalam upaya memahami dan menganalisis masalah ini secara lebih mendalam sistem klasifikasi yang akurat untuk mendeteksi penyakit ini, diperlukan pendekatan yang tepat, salah satunya melalui metode berbasis Machine Learning. Untuk mengidentifikasi faktor-faktor yang mempengaruhi klasifikasi pasien diabetes mellitus serta menentukan tingkat akurasi algoritma Support Vector Machine (SVM) dalam proses klasifikasi maka dari itu penelitian ini menggunakan dua jenis kernel yaitu kernel linear dan kernel Radial Basic Function (RBF). Data yang digunakan merupakan data sekunder dari 982 pasien di Puskesmas Gang Sehat, dengan variabel yang dianalisis meliputi jenis kelamin, usia, tekanan darah sistole dan diastole, serta Indeks Massa Tubuh (IMT). Hasil menunjukkan bahwa kernel RBF memiliki akurasi lebih tinggi 80,2% dibandingkan kernel linear 77,8%, sehingga kernel RBF lebih efektif dalam menangani pola data pada penelitian ini.
OPTIMASI KEUNTUNGAN DALAM PRODUKSI KIMBAB DENGAN PEMODELAN KARUSH KUHN TUCKER (Studi Kasus : Home Industry Kimbab Nyami) Sari, Weni Kartika; Kusumastuti, Nilamsari; Noviani, Evi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (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.v14i3.95123

Abstract

Kimbab Nyami merupakan home industry yang memproduksi dan memasarkan kimbab dengan berbagai isian dan varian rasa. Usaha tersebut memproduksi 6 jenis kimbab yaitu kimbab original, kimbab haikeng, kimbab sosis, kimbab nugget, kimbab ayam dan kimbab crabstik. Dalam proses produksi kimbab, jumlah produk yang diproduksi tidak selalu sesuai dengan jumlah ketersediaan bahan baku yang ada sehingga pengeluaran biaya untuk produksi dapat berdampak pada keuntungan yang diperoleh. Permasalahan ini terjadi karena perencanaan produksi yang belum optimal. Penelitian ini bertujuan untuk menentukan jumlah produksi yang optimal perhari berdasarkan bahan baku yang tersedia agar diperoleh keuntungan yang optimal. Salah satu pengembangan model optimasi yang dapat diterapkan untuk menentukan kondisi optimal produksi dengan mempertimbangkan kendala bahan baku adalah pemodelan Karush Kuhn Tucker (KKT). Dalam penerapannya, fungsi tujuan dan batasan produksi disusun ke dalam sistem persamaan melalui syarat KKT. Selanjutnya, permasalahan diselesaikan menggunakan metode simpleks. Karena solusi yang dibutuhkan dalam penelitian ini harus berupa bilangan bulat, proses perhitungan selanjutnya dilakukan dengan menggunakan metode branch and bound. Setelah memperoleh solusi, langkah terakhir adalah melakukan substitusi nilai variabel keputusan (x) dan pengali Lagrange (λ) ke dalam fungsi Lagrange. Berdasarkan hasil penelitian, diperoleh jumlah produksi per hari pada usaha Kimbab Nyami adalah kimbab original sebanyak 8 gulung, Kimbab haikeng sebanyak 45 gulung, kimbab sosis sebanyak 13 gulung, kimbab nugget sebanyak 13 gulung, kimbab ayam sebanyak 8 gulung dan kimbab crabstik sebanyak 55 gulung dengan total produksi selama satu hari sebanyak 142 kimbab dan keuntungan yang diperoleh sebesar Rp435.279 per hari.
PENGARUH JUMLAH TENAGA KESEHATAN TERHADAP UNMET NEED PELAYANAN KESEHATAN: PENDEKATAN REGRESI LOGISTIK RIDGE Wicaksono, Juwan Prioabil Dwi; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (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.v14i5.100119

Abstract

Regresi Logistik Ridge merupakan pengembangan dari Regresi Logistik yang dilengkapi dengan penalti ridge, dan bertujuan untuk mengatasi multikolinearitas serta meningkatkan kestabilan estimasi parameter. Dalam penelitian ini, multikolinearitas teridentifikasi pada variabel prediktor, sehingga metode Regresi Logistik Ridge digunakan. Variabel dependen adalah tingkat unmet need pelayanan kesehatan, yaitu persentase penduduk yang mengalami keluhan kesehatan dan terganggu aktivitasnya namun tidak melakukan pengobatan rawat jalan. Untuk keperluan analisis, variabel tersebut dikategorikan menjadi dua kelas, yaitu provinsi dengan nilai unmet need di atas dan di bawah rata-rata nasional, sehingga pendekatan klasifikasi logistik menjadi sesuai. Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi tingkat unmet need serta merumuskan langkah strategis yang dapat dilakukan pemerintah. Data unmet need bersumber dari Survei Sosial Ekonomi Nasional (Susenas) bulan Maret 2023, sedangkan data jumlah tenaga kesehatan dari Badan Pusat Statistik (BPS) tahun 2023 mencakup enam profesi di tingkat provinsi. Pemodelan dilakukan dengan Regresi Logistik Ridge, dilanjutkan dengan uji signifikansi parameter secara parsial dan serentak, serta interpretasi menggunakan odds ratio. Hasil menunjukkan bahwa terdapat dua faktor, yaitu jumlah tenaga perawat dan tenaga farmasi, berpengaruh signifikan secara negatif terhadap tingkat unmet need. Artinya, peningkatan ketersediaan kedua jenis tenaga kesehatan tersebut berpotensi menurunkan tingkat unmet need pelayanan kesehatan di Indonesia.
PENERAPAN METODE BRANCH AND BOUND UNTUK OPTIMASI KEUNTUNGAN PADA USAHA LAUNDRY Merlianti, Merlianti; Pasaribu, Meliana; Helmi, Helmi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (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.v14i5.99269

Abstract

Perencanaan produksi yang tepat dianggap sebagai faktor kunci dalam mengoptimalkan alokasi produksi pada usaha laundry, seperti yang dijalankan oleh Grand Laundry Purnama Pontianak. Dalam menghadapi keterbatasan bahan baku, dan batas minimum produksi cucian, suatu pendekatan kuantitatif perlu diterapkan agar keuntungan dapat dimaksimalkan berdasarkan kondisi operasional yang ada. Tujuan penelitian ini adalah bagaimana alokasi produksi yang optimal dari masalah usaha Grand Laundry Purnama Pontianak. Data yang digunakan pada penelitian ini merupakan data aktual Grand Laundry pada bulan Juni 2024, yang mencakup lima jenis layanan laundry: bedcover, boneka, pakaian, selimut, dan seprai. Permasalahan dalam penelitian ini dimodelkan dalam bentuk pemrograman linier integer. Model tersebut kemudian diselesaikan dengan menggunakan metode Simpleks, apabila solusi yang diperoleh dari metode Simpleks belum berbentuk bilangan bulat, maka proses perhitungan dilanjutkan dengan metode Branch and Bound untuk memperoleh solusi yang layak dan optimal. Berdasarkan hasil analisis, alokasi produksi optimal berhasil ditentukan, yaitu 520 kg bedcover, 280 kg boneka, 2000 kg pakaian, 887 kg selimut, dan 804 kg seprai, dengan total keuntungan maksimum sebesar Rp 34.459.000
ANALISIS PERSAINGAN LAYANAN TRANSPORTASI ONLINE DI PONTIANAK MENGGUNAKAN RANTAI MARKOV Iswahyudi, Rudi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (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.v14i4.99121

Abstract

Pertumbuhan pesat layanan transportasi online telah menciptakan persaingan ketat antar penyedia, mempengaruhi perilaku pengguna, terutama dalam kasus Brand Switching. Penelitian ini menganalisis probabilitas transisi perilaku Brand Switching pengguna jasa transportasi online di Pontianak menggunakan metode Rantai Markov. Data primer dikumpulkan melalui kuesioner yang disebarkan kepada 100 responden. Dari hasil survei, 27 responden awalnya menggunakan Gojek, tetapi hanya tersisa 11 responden setelah sebagian beralih ke layanan lain. Grab mengalami peningkatan dari 25 menjadi 31 responden, sementara Maxim bertambah dari 34 menjadi 35 responden, dan Shopee turun dari 14 menjadi 12 responden. Hasil analisis menunjukkan pola transisi signifikan antar merek penyedia layanan, dengan Maxim menjadi pilihan utama, diikuti oleh Grab, Gojek, dan Shopee. Kondisi steady state diperkirakan tercapai pada periode ke-12, yaitu tahun 2036, dengan probabilitas masing-masing penyedia sebagai berikut: Gojek 0,2053, Grab 0,3258, Maxim 0,3649, dan Shopee 0,1040. Penelitian ini memberikan wawasan penting mengenai persaingan antar penyedia layanan transportasi online dan preferensi pengguna di Pontianak, yang dapat digunakan sebagai dasar strategi pemasaran dan pengembangan layanan lebih lanjut.
VALIDASI C-INDEX DALAM PENGELOMPOKAN DAERAH DI KALIMANTAN BARAT BERDASARKAN INDIKATOR KETAHANAN PANGAN Fallah, Khalishah Ghina; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (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.v14i3.95793

Abstract

Ketahanan pangan merupakan kondisi terpenuhinya kebutuhan pangan bagi setiap individu dalam suatu wilayah, baik dari segi ketersediaan, akses, maupun pemanfaatannya, sehingga masyarakat dapat hidup sehat dan produktif. Analisis ketahanan pangan diperlukan untuk memahami karakteristik wilayah berdasarkan berbagai indikator yang berpengaruh. Untuk mengukur ketahanan pangan membutuhkan ukuran yang komprehensif dengan melibatkan serangkaian indikator yakni aspek ketersediaan, akses dan pemanfaatan pangan. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Kalimantan Barat berdasarkan indikator ketahanan pangan serta menentukan jumlah cluster optimal yang terbentuk sehingga karakteristik setiap kelompok dapat diketahui melalui analisis cluster. Metode K-Medoids merupakan salah satu algoritma yang efektif dalam pengelompokan karena mampu menghasilkan cluster yang lebih stabil dan representatif terhadap data yang digunakan. Namun, penentuan jumlah cluster optimal masih belum memiliki dasar teori yang kuat, sehingga diperlukan metode untuk menentukannya. C-Index adalah metode validasi internal yang menilai kualitas clustering dengan membandingkan jarak antar objek dalam dan antar cluster. Berdasarkan penelitian yang telah dilakukan, jumlah cluster optimal yang terbentuk berjumlah empat cluster dengan nilai C-index terkecil sebesar 0,42. Cluster 1 merupakan daerah dengan ketahanan pangan yang tinggi yang terdiri dari 5 kabupaten/kota, cluster 2 dengan tingkat ketahanan pangan yang cukup terdiri dari empat kabupaten/kota, cluster 3 dengan tingkat ketahanan pangan yang kurang terdiri dari empat kabupaten/kota, dan cluster 4 dengan tingkat ketahanan pangan yang rendah yang terdiri dari satu kabupaten/kota yaitu Kayong Utara.
PENENTUAN STRATEGI PEMASARAN OPTIMUM DENGAN MENGGUNAKAN TEORI PERMAINAN (Studi Kasus Persaingan Perusahaan Otomotif PT. Astra Honda Motor (AHM) dan PT. Yamaha Indonesia Motor Manufacturing (YIMM)) Putri, Dhea Veronica; Fran, Fransiskus; Kusumastuti, Nilamsari
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (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.v14i3.93198

Abstract

Meningkatnya permintaan terhadap sepeda motor menjadi pendorong bagi perusahaan otomotif untuk secara berkelanjutan mengembangkan inovasi produk dalam rangka menarik perhatian konsumen. Selain menghadirkan berbagai varian produk, perusahaan juga menerapkan beragam strategi pemasaran, mulai dari penetapan harga yang bersaing, peningkatan kualitas pelayanan, pemilihan lokasi strategis, pemberian garansi produk, diskon, hingga promosi. Di Indonesia, khususnya di Provinsi Kalimantan Barat, Kabupaten Mempawah, terdapat dua perusahaan otomotif yang bersaing ketat, yaitu PT. Astra Honda Motor (AHM) dan PT. Yamaha Indonesia Motor Manufacturing (YIMM). Penelitian ini bertujuan untuk menganalisis strategi pemasaran yang diterapkan oleh kedua perusahaan dengan menggunakan pendekatan teori permainan. Teori permainan merupakan metode matematis yang digunakan untuk merumuskan dan menganalisis situasi persaingan serta konflik antara berbagai kepentingan. Data diperoleh dari pengisian kuesioner dan wawancara kepada 40 reponden dari 3 Desa/Kelurahan yaitu Desa Sungai Bakau Kecil, Desa Sungai Bakau Besar Laut dan Sungai Pinyuh. Validitas dan reliabilitas data diuji untuk memastikan bahwa instrument penelitian memiliki tingkat keandalan yang tinggi. Hasil pengujian menunjukkan bahwa seluruh pertanyaan dalam kuesioner valid dan reliabel. Hasil analisis menunjukkan bahwa PT. Astra Honda Motor (AHM) menerapkan strategi pemasaran berbasis kualitas produk, dengan nilai titik pelana sebesar 4. Sementara itu, PT. Yamaha Indonesia Motor Manufacturing (YIMM) mengandalkan garansi produk sebagai strategi utama, dengan nilai titik pelana yang sama, yaitu 4. Berdasarkan teori permainan dengan strategi murni, diperoleh nilai titik pelana karena nilai maksimin sama dengan nilai minimaks. Oleh karena itu, strategi murni dapat dianggap sebagai strategi optimal bagi kedua perusahaan.
IMPLEMENTASI HIDDEN MARKOV MODEL DALAM PREDIKSI TREND PASAR SAHAM INDOFOOD DI BURSA EFEK INDONESIA Deanovela, Adelea Delvi; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (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.v14i5.99651

Abstract

Saham dikenal sebagai instrumen investasi yang paling populer karena memiliki potensi keuntungan yang tinggi, sekaligus berperan sebagai sumber pendanaan bagi perusahaan. Penelitian ini bertujuan untuk menentukan dan menyempurnakan parameter Hidden Markov Model menggunakan Algoritma Baum-Welch, serta menerapkan Algoritma Forward-Backward dan Viterbi untuk memperoleh prediksi trend pasar saham PT. Indofood Sukses Makmur, Tbk. sebagai dasar dalam penentuan keputusan investasi. HMM mampu memodelkan keadaan tersembunyi (hidden state) dari pergerakan harga saham yang bersifat stokastik dan tidak dapat diamati secara langsung, sehingga dapat memberikan gambaran pola pergerakan saham Indofood yang tersembunyi. Data yang digunakan meliputi harga penutupan saham harian yang didapatkan dari website yahoo finance yang kemudian diolah menjadi perubahan harga dan dikategorikan ke dalam tiga trend, yaitu naik, turun, dan tetap. Data kemudian dibagi menjadi 80% data training dan 20% data testing. Hasil dari Algoritma Forward-Backward dan Viterbi selama 96 pengamatan terhadap pola perubahan harga saham yaitu Turun, Naik, Tetap, Turun, Turun, Turun, Tetap, Naik, Naik,"¦, Tetap, menghasilkan prediksi pergerakan trend pasar saham dengan barisan hidden state optimal yang sama yaitu Bearish, Bullish, Bullish, Bearish, Bearish, Bearish, Bullish, Bullish, Bullish,"¦, Bullish. Model HMM mampu memetakan dan memprediksi arah trend saham dengan tingkat akurasi mencapai 72%. Temuan ini mengidentifikasikan bahwa HMM cukup handal dalam mengenali pola tersembunyi dari pergerakan harga saham INDF dan memberikan prediksi yang cukup akurat. Dari hasil prediksi tersebut maka sebaiknya PT.Indofood Sukses Makmur tidak tergesa-gesa dalam membuat keputusan dalam menjual saham, karena kenaikan harga saham tidak selalu mencerminkan kondisi trend pasar saham dalam posisi bullish.

Page 78 of 84 | Total Record : 832

 76   77   78   79   80 

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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): BIMASTER Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): BIMASTER Vol 9, No 1 (2020): BIMASTER Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): BIMASTER Vol 8, No 3 (2019): BIMASTER Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): BIMASTER Vol 8, No 1 (2019): BIMASTER Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 2 (2018): BIMASTER Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): BIMASTER Vol 6, No 03 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 03 (2017): BIMASTER Vol 6, No 02 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 02 (2017): BIMASTER Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): BIMASTER 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