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
 77   78   79   80   81 
ANALISIS KINERJA SISTEM ANTRIAN DI SPBU JALAN JENDERAL AHMAD YANI KOTA PONTIANAK Angraini, Wanda; Yundari, Yundari; 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.v14i4.99126

Abstract

PT Pertamina menyediakan fasilitas layanan publik berupa Stasiun Pengisian Bahan Bakar Umum untuk memenuhi kebutuhan bahan bakar masyarakat, khususnya bagi pengguna kendaraan roda dua. Salah satu permasalahan yang sering terjadi di SPBU adalah terjadinya antrian panjang yang mengakibatkan keterlambatan pelayanan dan menimbulkan waktu tunggu yang dapat mengganggu kenyamanan dan kepuasan pelanggan, serta menyebabkan kemacetan di sekitar lokasi SPBU. Tujuan dari penelitian ini adalah untuk menganalisis kinerja antrian pada SPBU yang berlokasi di Jalan Jendral Ahmad Yani Kota Pontianak berdasarkan data aktual di lapangan. Data kedatangan pelanggan dan waktu pelayanan diuji distribusinya menggunakan metode Kolmogorov-Smirnov untuk menentukan distribusi yang sesuai. Setelah model ditentukan, maka dilakukan perhitungan parameter kinerja antrian seperti tingkat kedatangan pelanggan (λ), tingkat pemanfaatan sistem (ρ), jumlah pelanggan pada antrian maupun sistem, serta lama waktu tunggu baik di antrian maupun di dalam sistem. Hasil uji menunjukkan bahwa kedatangan pelanggan mengikuti distribusi Poisson dan waktu pelayanan mengikuti distribusi General sehingga model antrian yang sesuai adalah model (M/G/1)∶(FIFO/∞/∞). Berdasarkan perhitungan kinerja, tingkat kedatangan pelanggan (λ) tertinggi mencapai sekitar 2 kendaraan per menit dan tingkat pemanfaatan sistem (ρ) tertinggi sebesar 0,969 terjadi pada hari Kamis. Dengan demikian, kinerja sistem antrian di SPBU tersebut masih berjalan dengan baik karena tingkat kedatangan pelanggan (λ) tidak melampaui kapasitas pelayanan. Penambahan server dapat menjadi rekomendasi bagi pihak SPBU dalam meningkatkan pelayanan, khususnya pada jam-jam sibuk seperti pagi dan sore hari.
IMPLEMENTASI BICLUSTERING MENGGUNAKAN ALGORITMA BCBIMAX DALAM PEMETAAN POTENSI EKONOMI PERIKANAN INDONESIA Cornellia, Amanda; Satyahadewi, Neva; Martha, Shantika
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.v14i4.96035

Abstract

Pemanfaatan ekonomi perikanan Indonesia belum optimal dalam meningkatkan pembangunan ekonomi nasional karena potensi setiap provinsi yang berbeda-beda. Pemetaan potensi ekonomi perikanan Indonesia perlu dilakukan untuk menghasilkan perencanaan kebijakan dalam meningkatkan ekonomi perikanan. Penelitian ini menggunakan biclustering yang dapat mengelompokkan objek dan variabel dengan perilaku serupa. Tujuan penelitian ini adalah untuk mengelompokkan provinsi berdasarkan kemiripan potensi ekonomi perikanan secara simultan menggunakan biclustering dengan algoritma BCBimax. Data yang digunakan dalam penelitian ini adalah data sekunder tahun 2022 yang diperoleh dari Kementerian Kelautan dan Perikanan terkait ekonomi perikanan yaitu 9 variabel dari 34 provinsi di Indonesia. Proses analisis diawali dengan pembentukan matriks dari data, melakukan binerisasi, pembentukan bicluster dengan tahapan berupa pembagian matriks menjadi set kolom, pembagian matriks menjadi set baris, pembentukan dua submatriks, menyimpan bicluster, dan mengulangi pembentukan bicluster lainnya, diikuti pemetaan. Berdasarkan hasil penelitian, diperoleh sembilan bicluster dimana masing-masing bicluster bersifat tidak tumpang tindih karena terdiri dari provinsi yang berbeda-beda. Bicluster yang dihasilkan memiliki karakteristik yang berbeda-beda sehingga dapat dijadikan pertimbangan dalam perencanaan kebijakan. Dari 34 provinsi yang dianalisis menggunakan algoritma BCBimax, sebanyak 22 provinsi terpetakan dalam bicluster yang dihasilkan. Namun, terdapat 12 provinsi yang tidak masuk dalam bicluster, yaitu Provinsi Riau, Jambi, Bengkulu, DKI Jakarta, DI Yogyakarta, Banten, Bali, Nusa Tenggara Timur, Kalimantan Barat, Gorontalo, Sulawesi Barat, dan Papua Barat karena tidak memiliki kemiripan potensi ekonomi perikanan secara simultan.
PENGELOMPOKAN DAERAH DI KALIMANTAN BARAT BERDASARKAN INDIKATOR TINGKAT PENGANGGURAN DENGAN HIERARCHICAL CLUSTERING MULTISCALE BOOTSTRAP Hafifah, Nanda; Perdana, Hendra; Sulistianingsih, Evy
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.v14i3.95740

Abstract

Pengangguran merupakan masalah umum yang ditemui di negara-negara berkembang, termasuk Indonesia. Kondisi ini dipengaruhi oleh beberapa faktor seperti pertumbuhan penduduk, ekonomi, ketersediaan lapangan kerja, tingkat pendidikan, serta besaran upah. Tingginya populasi di Indonesia menjadi tantangan dalam menekan angka pengangguran. Untuk mengukur dampaknya dalam suatu wilayah, digunakan indikator tingkat pengangguran, yaitu persentase jumlah pengangguran dibandingkan dengan total angkatan kerja. Berdasarkan data BPS tahun 2023, Kalimantan Barat mencatat tingkat pengangguran sebesar 5,05% yang masih tergolong tinggi. Penelitian ini bertujuan untuk mengelompokkan Kabupaten/Kota di Kalimantan Barat berdasarkan indikator tingkat pengangguran dengan hierarchical clustering multiscale bootstrap serta mengevaluasi validitas setiap cluster. Dalam analisis multivariat, Analisis cluster digunakan untuk mengelompokkan objek berdasarkan kesamaan karakteristik. Metode Ward, yang meminimalkan varians internal dalam cluster merupakan salah satu metode hierarki yang digunakan. Validasi dilakukan dengan metode resampling multiscale bootstrap, yang menghasilkan dua nilai, yaitu bootstrap probability (BP) dan approximately unbiased (AU). Nilai BP menunjukkan seberapa sering suatu cluster terbentuk saat data diulang, sedangkan AU dianggap lebih akurat dalam menilai keandalan cluster. Sebuah cluster dianggap stabil jika nilai AU ≥ 0,95. Namun, dalam penelitian ini digunakan batas minimal AU ≥ 0,75 sebagai ukuran stabilitas. Hasilnya, diperoleh dua cluster yang stabil yaitu cluster 1 dengan tingkat pengangguran rendah terdiri dari Mempawah, Kayong Utara, Sanggau, Kota Singkawang, Landak, Sambas, Sintang, Bengkayang, Kapuas Hulu, Sekadau, dan Melawi. Cluster 3 dengan tingkat pengangguran tinggi yaitu Kabupaten Kubu Raya dan Kota Pontianak, Serta cluster 2 dengan tingkat pengangguran sedang yaitu Ketapang, namun memiliki nilai AU sebesar 0,72.
PENYELESAIAN NUMERIK SISTEM PERSAMAAN DIFERENSIAL NON-LINEAR PADA MODEL LOTKA-VOLTERRA DENGAN METODE ADAMS-BASHFORTH-MOULTON Anggraeni, Rosiana; Prihandono, Bayu; Yudhi, Yudhi
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.v14i3.95124

Abstract

Model Lotka-Volterra merupakan suatu sistem persamaan diferensial non-linear yang digunakan untuk memodelkan interaksi antara dua populasi. Penelitian ini bertujuan untuk menyelesaikan model Lotka-Volterra dengan menerapkan pendekatan numerik melalui metode Adams-Bashforth-Moulton. Proses penyelesaian menggunakan metode ini terlebih dahulu mencari empat solusi awal yang dihitung melalui metode Runge-Kutta orde empat. Nilai-nilai dari solusi awal tersebut yang kemudian digunakan ke dalam persamaan prediktor dari metode Adams-Bashforth untuk memperoleh nilai prediksi. Selanjutnya, nilai prediksi tersebut dikoreksi menggunakan persamaan korektor dari metode Adams-Moulton. Hasil dari penyelesaian numerik pada model Lotka-Volterra menunjukkan bahwa dinamika pertumbuhan populasi antara mangsa dan pemangsa akan terus berulang, membentuk suatu pola osilasi antara kedua spesies tersebut. Berdasarkan contoh kasus pada suatu ekosistem di mana terdapat dua spesies yaitu kelinci sebagai mangsa dan rubah sebagai pemangsa, pada saat hari ke-100 diperoleh jumlah populasi kelinci 42 ekor dan jumlah populasi rubah 46 ekor menunjukkan bahwa jumlah populasi rubah menjadi lebih banyak dibandingkan jumlah populasi kelinci. Interaksi antara mangsa dan pemangsa yang terjadi sangat mempengaruhi jumlah populasi kedua spesies dan dapat berpotensi merusak populasi mangsa.
PENERAPAN MODEL SELF-EXCITING THRESHOLD AUTOREGRESSIVE (SETAR) DALAM MEMODELKAN DATA HARGA PEMBUKAAN SAHAM APLN Meilandra, Irvan; 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.v14i5.100120

Abstract

Model Self-Exciting Threshold Autoregressive (SETAR) merupakan salah satu model nonlinier dalam analisis runtun waktu yang memiliki keistimewaan dapat menangkap loncatan data yang tidak dapat ditangkap oleh model runtun waktu linier. Karena keistimewaannya tersebut, SETAR dapat digunakan untuk data yang berfluktuasi seperti saham agar hasil yang diperoleh memiliki akurasi yang baik. Tujuan penelitian ini adalah untuk memodelkan harga pembukaan saham APLN dengan model SETAR. Saham APLN milik PT Agung Podomoro Land Tbk merupakan perusahaan yang bergerak di bidang properti. Penelitian ini menggunakan 153 data harga pembukaan bulanan saham APLN dalam periode Januari 2012 sampai dengan September 2024. Tahapan pemodelannya yaitu uji stasioneritas dalam rata-rata dan varians, uji Terasvirta, identifikasi model SETAR, pendugaan dan uji signifikansi parameter, kemudian uji diagnostik. Hasil penelitian menunjukkan bahwa data menggunakan 1 threshold dengan embedding dimension 4 dan jarak waktu 1. Model SETAR yang didapatkan merupakan model 2-regime SETAR (2,1,2) dengan threshold 5,463832.
ANALISIS FAKTOR YANG MEMPENGARUHI PROFITABILITAS BANK UMUM DENGAN NET INTEREST MARGIN (NIM) SEBAGAI VARIABEL INTERVENING TAHUN 2021-2023 (Studi Kasus: Laporan Keuangan Triwulan Bank Konvensional) Al Azizi, Fudhail Azzam Thoriqi; Martha, Shantika; 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.v14i4.95972

Abstract

Profitabilitas merupakan indikator utama dalam menilai kinerja keuangan dan efisiensi operasional bank. Tingginya profitabilitas mencerminkan kemampuan bank menghasilkan laba dari aset yang dimiliki serta menunjukkan efektivitas dalam mengelola sumber daya, yang turut meningkatkan kepercayaan dari nasabah maupun investor. Salah satu ukuran profitabilitas yang umum digunakan adalah Return on Assets (ROA). ROA sangat dipengaruhi oleh pendapatan bunga bersih, yang tercermin dalam rasio Net Interest Margin (NIM). Selain NIM, beberapa faktor lain yang berpengaruh terhadap ROA adalah Capital Adequacy Ratio (CAR), Loan to Deposit Ratio (LDR), Biaya Operasional terhadap Pendapatan Operasional (BOPO), dan Non-Performing Loan (NPL). Penelitian ini bertujuan untuk mengetahui pengaruh CAR, LDR, BOPO, NPL, dan NIM terhadap ROA, dengan NIM sebagai variabel mediasi. Metode yang digunakan adalah analisis jalur, dengan uji-F dan uji-t untuk mengukur pengaruh langsung dan tidak langsung. Hasil menunjukkan bahwa CAR, LDR, BOPO, dan NIM berpengaruh signifikan terhadap ROA. Uji Sobel mengungkapkan bahwa NIM mampu memediasi hubungan antara CAR dan BOPO terhadap ROA, namun tidak memediasi LDR. Secara total, CAR berpengaruh positif terhadap ROA sebesar 0,028, LDR sebesar 0,135 (positif), BOPO sebesar -0,926 (negatif), dan NIM sebesar 0,316 (positif).
ANALISIS PERBANDINGAN ALGORITMA DEPTH FIRST SEARCH DAN ALGORITMA BACKTRACKING DALAM PENYELESAIAN PERMAINAN SUDOKU Saragih, Adinda Boru; Prihandono, Bayu; Pasaribu, Meliana
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.v14i5.99270

Abstract

Sudoku adalah permainan dengan jenis teka-teki logika berbentuk n×n, yang terdiri dari baris, kolom, grid dan kotak. Kotak-kotak tersebut diisi dengan angka tanpa ada pengulangan dalam satu grid, baris atau kolom. Sudoku memiliki tingkat kesulitan yang berbeda, mulai dari tingkat sangat mudah hingga sangat sulit. Petunjuk angka yang diberikan setidaknya memiliki minimal 17 angka. Untuk menyelesaikan permainan sudoku dengan waktu yang lebih sedikit, diperlukan algoritma pencarian yang tepat. Dalam penelitian ini digunakan algoritma Depth First Search (DFS) dan Backtracking untuk melakukan penelusuran solusi dengan bantuan pohon berakar. Tujuan penelitian ini untuk membandingkan algoritma DFS dan Backtracking dalam menyelesaikan permainan sudoku. Penelitian ini menggunakan Sudoku berukuran 9×9 pada tingkat sulit, dari aplikasi Sudoku versi 4.6.0 dengan 54 kotak kosong yang harus diselesaikan. Penelusuran solusi menunjukkan DFS membutuhkan sebanyak 249 langkah dan 70 iterasi, sedangkan Backtracking membutuhkan 173 langkah dan 25 iterasi untuk mendapatkan solusi secara keseluruhan. Setelah dilakukan sebanyak 20 kali percobaan dengan Python, hasil percobaan menunjukkan, DFS membutuhkan rata-rata 61.443 langkah dan 6.828 iterasi dengan waktu eksekusi 0,408114 detik, sedangkan algoritma Backtracking hanya memerlukan rata-rata 17.970 langkah dan 2.021 iterasi, dengan waktu eksekusi 0,024750 detik. Perbedaan ini menunjukkan algoritma Backtracking lebih efisien dibandingkan algoritma DFS untuk menyelesaikan permasalahan sudoku pada penelitian ini. Dilakukan percobaan tambahan pada beberapa permasalahan sudoku berdasarkan tingkat kesulitannya, sebanyak 10 kali. Hasilnya menunjukkan algoritma Backtracking konsisten lebih cepat dalam eksekusi waktu dibandingkan DFS, meskipun DFS memerlukan lebih sedikit langkah dan iterasi. Ini menunjukkan Backtracking lebih efisien dalam menyelesaikan sudoku.
PENERAPAN METODE REGRESI ROBUST ESTIMASI-M DENGAN PEMBOBOTAN HAMPEL PADA ANALISIS PRODUKSI JAGUNG DI INDONESIA Asmara, Mira; Imro’ah, Nurfitri; Martha, Shantika
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.v14i4.99122

Abstract

Analisis regresi digunakan untuk membangun hubungan antara satu variabel terikat (Y) dan satu atau lebih variabel bebas (X) dalam model matematika. Metode yang sering digunakan untuk mengestimasi parameter adalah Metode Kuadrat Terkecil (MKT). Namun, keberadaan pencilan membuat metode ini kurang efektif, sehingga hasil estimasi parameter menjadi tidak akurat. Regresi robust adalah metode alternatif untuk mengestimasi parameter ketika terdapat pencilan. Dalam penelitian ini digunakan metode estimasi-M dengan pembobot Hampel sebagai solusi terhadap masalah pencilan. Tujuan penelitian ini adalah menerapkan regresi robust estimasi-M pada data produksi jagung di Indonesia berdasarkan data BPS tahun 2023 dari 34 provinsi. Pemilihan variabel jumlah curah hujan (X_1) dan jumlah pupuk (X_2) didasarkan pada pentingnya kedua faktor tersebut dalam mempengaruhi tingkat produksi jagung di sektor pertanian. Jagung dipilih sebagai objek penelitian karena merupakan salah satu komoditas pertanian utama yang berperan dalam ketahanan pangan dan industri pakan ternak di Indonesia. Pencilan dalam data diidentifikasi menggunakan boxplot dan nilai DFFITS, yang menunjukkan adanya pencilan, sehingga digunakan regresi robust estimasi-M dengan pembobotan Hampel. Berdasarkan model yang dihasilkan menunjukkan bahwa kenaikan 1 mm curah hujan per tahun diperkirakan akan meningkatkan produksi jagung sebesar 28,0696 ton, sedangkan kenaikan 1 kg pupuk diperkirakan akan meningkatkan produksi jagung sebesar 0,6830 ton. Model ini memiliki adjusted R-Square sebesar 98,98% dan standard error sebesar 91600, sehingga menghasilkan estimasi yang lebih stabil.
PENERAPAN LONG SHORT-TERM MEMORY DALAM PERAMALAN HARGA CRUDE PALM OIL DI INDONESIA Calissta, Leanna Belva; 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.v14i3.95311

Abstract

Crude Palm Oil (CPO) adalah jenis minyak nabati yang dihasilkan dari buah tanaman kelapa sawit. Di Indonesia, CPO memegang peranan penting di industri perdagangan ekspor. Akan tetapi, harga CPO yang fluktuatif dapat menimbulkan risiko untuk pihak terlibat, sehingga peramalan dilakukan untuk meminimalisir risiko tersebut. Long Short-Term Memory (LSTM) merupakan salah satu metode yang dapat digunakan. LSTM adalah metode hasil dari pengembangan Recurrent Neural Network. Tujuan penelitian ini yaitu menerapkan metode LSTM untuk meramalkan harga CPO di Indonesia pada periode 1 Agustus hingga 30 Agustus 2024. Data yang digunakan yaitu data harian harga CPO di Indonesia dengan jangka waktu dari 3 April 2023 hingga 31 Juli 2024 yang diperoleh dari website Badan Pengawas Perdagangan Berjangka Komoditi. Pada penelitian ini, dilakukan pembagian data dimana data training sebanyak 260 data untuk pelatihan model dan testing sebanyak 41 data untuk evaluasi model. Parameter yang digunakan yaitu epoch, dimana jumlah epoch sebanyak 10. Penelitian ini dilakukan menggunakan bantuan software RStudio dengan package yang digunakan yaitu "Tsdeeplearning". Dari penelitian yang telah dilakukan, didapatkan hasil bahwa metode LSTM mampu melakukan peramalan harga CPO di Indonesia dengan nilai Mean Absolute Percentage Error (MAPE) yang diperoleh pada data training yaitu sebesar 3,69% dan pada data testing sebesar 4,74%. Dengan nilai MAPE tersebut, akurasi model peramalan dapat dikategorikan sangat baik. Dari hasil peramalan diperoleh bahwa harga tertinggi ada pada tanggal 5 Agustus 2024 sebesar Rp16.006 per kg dan harga terendah pada tanggal 16 Agustus 2024 sebesar Rp14.960 per kg.
PENERAPAN SUPPORT VECTOR MACHINE DENGAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE (SMOTE) DALAM PENGKLASIFIKASIAN PENYAKIT DIABETES Nurhaliza, Sy. Farini; Imro’ah, Nurfitri; 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.v14i3.94380

Abstract

Algoritma Support Vector Machine (SVM) merupakan salah satu metode dalam data mining yang populer digunakan untuk klasifikasi, terutama karena kemampuannya dalam menangani data berdimensi tinggi. Meskipun begitu, performa SVM dapat menurun jika terdapat ketidakseimbangan kelas pada data, karena kelas mayoritas cenderung mendominasi hasil prediksi sehingga kelas minoritas sering terabaikan. Penelitian ini bertujuan untuk menerapkan algoritma SVM dalam pengklasifikasian penyakit diabetes dengan membandingkan performa model sebelum dan sesudah diterapkannya Synthetic Minority Over-sampling Technique (SMOTE). Data yang digunakan adalah PIMA Indian Diabetes dari Kaggle yang diketahui memiliki distribusi kelas yang tidak seimbang. Untuk mengatasi hal tersebut, SMOTE digunakan dengan parameter K-Nearest Neighbors sebanyak 3, dengan kelas positif mewakili pasien yang terdiagnosa diabetes. Evaluasi dilakukan terhadap tiga jenis Kernel SVM, yaitu Linear, RBF, dan Polinomial, pada data latih maupun data uji. Hasil pada data latih menunjukkan bahwa penggunaan SMOTE dapat meningkatkan nilai recall dan F1-score secara signifikan dibandingkan model tanpa SMOTE. Misalnya, model dengan SMOTE dan Kernel RBF menghasilkan akurasi 0,9828, recall 0,9863, dan F1-score 0,9822. Sebaliknya, model tanpa SMOTE menghasilkan F1-score sebesar 0,1600 pada data uji, menunjukkan potensi overfitting. Pada data uji, penerapan SMOTE juga meningkatkan performa, terutama pada Kernel Linear dan Polinomial. Kernel Linear dengan SMOTE mencapai recall sebesar 0,7368 dan F1-score 0,6829, lebih baik dibandingkan model tanpa SMOTE. Hasil ini menunjukkan bahwa pola klasifikasi pada data cenderung linier.

Page 79 of 84 | Total Record : 832

 77   78   79   80   81 

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