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
 79   80   81   82   83 
IMPLEMENTASI TEKNIK OVERSAMPLING SMOTE-NC PADA ALGORITMA K-NEAREST NEIGHBOR Priani, Wina; Sulistianingsih, Evy; Imro’ah, Nurfitri
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.v14i3.94420

Abstract

Synthetic Minority Oversampling Technique-Nominal Continuous (SMOTE-NC) adalah metode oversampling yang digunakan untuk menangani ketidakseimbangan kelas pada data dengan kombinasi fitur numerik dan kategorikal. Teknik ini membuat data sintetis pada kelas minoritas dengan mempertimbangkan kedua jenis fitur tersebut agar distribusi data lebih seimbang. Algoritma K-Nearest Neighbor (K-NN) adalah algoritma klasifikasi yang bekerja dengan cara mencari sejumlah tetangga terdekat (berdasarkan jarak) dari data yang akan diprediksi dan menentukan kelasnya berdasarkan mayoritas kelas dari tetangga tersebut. Algoritma ini sederhana dan efektif untuk klasifikasi data. Penelitian ini membahas penerapan teknik oversampling SMOTE-NC pada algoritma K-NN untuk mengatasi ketidakseimbangan kelas pada data pasien gagal jantung. Data yang digunakan adalah Heart Failure Clinical Record dari Kaggle, yang mencakup 299 pasien dengan 11 atribut independen dan 1 atribut dependen. Setelah proses pre-processing, data dibagi menjadi data latih (70%) dan data uji (30%). SMOTE-NC diterapkan untuk meningkatkan jumlah data kelas minoritas (pasien meninggal) menjadi seimbang dengan kelas mayoritas (pasien selamat). Algoritma K-NN digunakan untuk klasifikasi dengan berbagai nilai parameter K. Evaluasi dilakukan menggunakan confusion matrix, dan difokuskan pada nilai sensitivitas sebagai ukuran kinerja model. Hasil penelitian menunjukkan bahwa nilai sensitivitas tertinggi yang diperoleh adalah sebesar 72,41%. Hal ini menunjukkan bahwa penerapan SMOTE-NC pada algoritma K-NN cukup efektif dalam meningkatkan kemampuan model dalam mendeteksi pasien yang meninggal akibat gagal jantung.
MODEL ANTRIAN PEMBUATAN SIM DI SATPAS POLRESTA KOTA PONTIANAK Daska, Hipin; Yundari, Yundari; 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.v14i5.99668

Abstract

Proses layanan publik dalam penerbitan Surat Izin Mengemudi (SIM) seringkali menghadapi kendala berupa antrian panjang akibat ketidakseimbangan antara jumlah pemohon dan kapasitas pelayanan. Kajian ini bertujuan untuk mengidentifikasi model antrian serta mengevaluasi tingkat kinerja antrian pada proses pembuatan SIM di SATPAS Polresta Kota Pontianak. Pengumpulan data dilakukan melalui observasi langsung selama empat hari terhadap dua tahap layanan, yaitu registrasi dan foto. Uji kecocokan distribusi dianalisis menggunakan metode Kolmogorov-Smirnov. Berdasarkan hasil analisis, diperoleh untuk pola kedatangan sesuai dengan asumsi distribusi Poisson adapun waktu pelayanan mengikuti distribusi umum. Merujuk pada hasil pengujian kesesuai distribusi, model antrian yang digunakan adalah (M/G/1): (FCFS/∞/∞). Evaluasi tingkat kinerja antrian menunjukkan bahwa tahap registrasi memiliki tingkat kesibukan yang sangat tinggi (ρ=0,98), yang menyebabkan waktu tunggu antrian menjadi lama, sedangkan pada tahap foto menunjukkan kinerja sistem yang lebih efisien. Hasil ini menunjukkan perlunya penambahan sumber daya layanan, khususnya pada tahap registrasi, guna mengurangi waktu tunggu dan meningkatkan kualitas pelayanan publik.
DETERMINAN MATRIKS ADJACENCY PADA PAN GRAPH Adrianto, Adrianto; Fran, Fransiskus; Kusumastuti, Nilamsari
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.v14i5.99261

Abstract

Penelitian ini membahas determinan matriks adjacency pada pan graph T_(n,1) adalah graf yang terbentuk dari graf cycle C_n yaitu graf sederhana berderajat dua di setiap titik sudutnya dan graf singleton K_1 yaitu suatu graf yang hanya memiliki satu simpul tunggal yang tidak memiliki koneksi dengan simpul lain, kemudian menambahkan satu sisi penghubung. Matriks adjacency merepresentasikan hubungan antar simpul dalam bentuk matriks. Tujuan penelitian ini untuk menentukan bentuk umum matriks adjacency T_(n,1), menghitung determinan matriks adjacency T_(n,1) untuk n=3,4,"¦,10, serta merumuskan dan membuktikan nilai dan pola determinan matriks adjacency T_(n,1). Langkah-langkah yang digunakan meliputi pembentukan matriks adjacency berdasarkan struktur graf, perhitungan determinan melalui matriks blok dan ekspansi kofaktor, serta pembuktian pola menggunakan induksi matematika. Hasil menunjukkan bahwa determinan memiliki pola tertentu yang bergantung pada simpul graf tersebut. Penelitian ini berhasil menentukan pola determinan matriks adjacency dari T_(n,1)
ANALISIS HUBUNGAN CURAH HUJAN, KECEPATAN ANGIN, KELEMBAPAN UDARA, DAN SUHU UDARA MENGGUNAKAN BAYESIAN VECTOR AUTOREGRESSIVE Romanda, Putri; Helmi, Helmi; Huda, Nur’ainul Miftahul
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.v14i4.98430

Abstract

Curah hujan, kecepatan angin, kelembapan udara, dan suhu udara merupakan variabel penting dalam sistem iklim yang saling memengaruhi secara dinamis. Penelitian ini bertujuan untuk menganalisis hubungan dinamis antara curah hujan, kecepatan angin, kelembapan udara, dan suhu udara serta membandingkan model Vector Autoregressive (VAR) dan Bayesian Vector Autoregressive (BVAR). Tahapan analisis diawali dengan uji Augmented Dickey-Fuller (ADF) untuk menguji stasioneritas data. Selanjutnya, panjang lag optimal ditentukan menggunakan Akaike Information Criterion (AIC), kemudian dilakukan uji kointegrasi untuk mengidentifikasi adanya hubungan jangka panjang antar variabel. Model VAR dan BVAR kemudian diestimasi untuk menangkap pola hubungan dinamis antar variabel. Perbandingan kedua model dilakukan berdasarkan Mean Absolute Percentage Error (MAPE) guna menentukan model yang lebih akurat. Selain itu, uji kausalitas Granger juga diterapkan untuk mengevaluasi hubungan prediktif antar variabel iklim. Hasil menunjukkan bahwa model BVAR lebih akurat dibandingkan VAR yang ditunjukkan dengan nilai MAPE yang lebih rendah. Uji kausalitas Granger mengungkapkan bahwa kecepatan angin dapat digunakan untuk memprediksi kelembapan udara, tetapi tidak sebaliknya. Temuan ini menegaskan keunggulan BVAR dalam peramalan variabel iklim dan pemahaman hubungan prediktif antar variabel.
IMPLEMENTASI ALGORITMA CLARKE AND WRIGHT SAVINGS DALAM PENDISTRIBUSIAN PUPUK DI PT. FERTILIZER ADHINATHA CONAN Selli, Selli; Pasaribu, Meliana; Prihandono, Bayu
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.v14i3.95126

Abstract

Perkembangan manajemen rantai pasok mendorong pentingnya optimalisasi distribusi untuk meningkatkan efisiensi operasional. PT. Fertilizer Adhinatha Conan (FAC), perusahaan yang bergerak di bidang perdagangan pupuk dan agrokimia, memiliki tantangan dalam pendistribusian produknya. Pendistribusian menggunakan empat unit mobil pick-up sewaan yang masing-masing berkapasitas 2500 kg, dengan penentuan rute berdasarkan pengalaman pribadi supir. Namun, dengan total permintaan 6550 kg menunjukkan adanya ketidakefisienan dalam perencanaan distribusi sehingga banyak kapasitas angkut yang terbuang. Selain itu, pembagian muatan yang tidak efisien dan terpisah-pisah beresiko pada jarak tempuh yang lebih jauh, sehingga menimbulkan keterlambatan pengiriman dan berdampak pada kepuasan pelanggan. Penelitian ini bertujuan untuk merancang rute distribusi optimal dengan memaksimalkan kapasitas kendaraan dan meminimalkan total jarak tempuh. Rute dikatakan optimal ketika setiap konsumen dikunjungi sekali jalan dan pengangkutan tidak melebihi kapasitas kendaraan sehingga diperoleh total jarak tempuh yang minimum. Langkah awal penelitian mencakup pengumpulan data jarak antar lokasi, permintaan konsumen, serta kapasitas kendaraan. Permasalahan yang ada dirumuskan ke dalam model Capacitated Vehicle Routing Problem (CVRP) dan diselesaikan menggunakan algoritma Clarke and Wright Savings untuk pengelompokan rute, serta algoritma Nearest Neighbour dan Cheapest Insert untuk pengurutan kunjungan dari setiap rute. Hasil penelitian didapat bahwa algoritma Cheapest Insert mampu menghasilkan total jarak tempuh yang minimum sebesar 212,15 km dibandingkan Nearest Neighbour, yakni 233,45 km. Dari total jarak menggunakan algoritma Cheapest Insert juga menunjukkan hasil yang minimum dibandingkan rute awal perusahaan dengan selisih sebesar 12,85 km dengan penggunaan tiga kendaraan.
KESEHATAN DI PROVINSI KALIMANTAN BARAT DENGAN MENGGUNAKAN ANALISIS REGRESI MULTIVARIAT Tambunan, Ayu Oktavia; Yundari, Yundari; 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.v14i3.95939

Abstract

Indikator kesehatan memiliki peran penting dalam menggambarkan taraf kesejahteraan hidup masyarakat. Dalam penelitian ini, gambaran kondisi kesehatan dilihat melalui tiga indikator utama, yaitu angka kematian bayi (Y_1), angka harapan hidup (Y_2), serta persentase status gizi buruk (Y_3). Berdasarkan data angka harapan hidup, Kalimantan Barat berada pada posisi ke-16 dari total 38 provinsi di Indonesia, yang mencerminkan kualitas kesehatan penduduknya. Kondisi ini juga berkontribusi terhadap pemahaman menyeluruh mengenai kesehatan masyarakatnya. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi kondisi kesehatan masyarakat dengan menggunakan metode analisis regresi multivariat. Beberapa variabel independen yang dianalisis mencakup persentase rumah tangga yang memiliki jamban pribadi, bayi yang menerima ASI eksklusif, persalinan yang ditangani tenaga medis, serta kepadatan penduduk di wilayah masing-masing. Data yang digunakan merupakan data sekunder yang bersumber dari Badan Pusat Statistik (BPS), Profil Kesehatan Kalimantan Barat, serta hasil Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2022. Proses analisis dilakukan secara bertahap, mulai dari uji normalitas, penghitungan parameter model, hingga pengujian signifikansi baik secara simultan maupun parsial untuk setiap variabel. Hasil temuan menunjukkan bahwa seluruh variabel bebas memberikan dampak yang signifikan terhadap indikator-indikator kesehatan yang diteliti. Kenaikan angka kematian bayi terbukti berkaitan dengan penurunan persentase rumah tangga yang menggunakan jamban pribadi, pemberian ASI eksklusif, persalinan oleh tenaga medis, serta kepadatan penduduk. Meningkatnya angka harapan hidup dipengaruhi oleh meningkatnya persentase bayi diberi ASI eksklusif dan persalinan oleh tenaga medis serta mengakibatkan menurunnya persentase penggunaan jamban pribadi dan kepadatan penduduk. Meningkatnya gizi buruk disebabkan oleh minimnya persentase rumah tangga yang menggunakan jamban pribadi, rendahnya pemberian ASI eksklusif pada bayi, kurangnya persalinan oleh tenaga medis, serta rendahnya kepadatan penduduk. Model regresi yang diperoleh dari penelitian ini memberikan informasi kuantitatif yang dapat dijadikan dasar dalam penyusunan strategi kebijakan publik di bidang kesehatan secara lebih efektif.
ANALISIS CLUSTER DENGAN METODE WARD LINKAGE PADA INDEKS PEMBANGUNAN MANUSIA DI PROVINSI KALIMANTAN BARAT Rahmasari, Fanny; 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.v14i5.99647

Abstract

Indeks Pembangunan Manusia (IPM) adalah ukuran komposit yang digunakan untuk mengukur salah satu aspek penting yang berkaitan dengan kualitas dari hasil pembangunan manusia dan ekonomi, yakni derajat perkembangan manusia. IPM di Provinsi Kalimantan Barat tahun 2023 mencapai 70,47 poin, meningkat (1,09 %) dibanding tahun sebelumnya (69,71 poin). Penelitian ini bertujuan untuk mengelompokkan Kabupaten/kota di Provinsi Kalimantan Barat berdasarkan nilai Indeks Pembangunan Manusia (IPM) dengan menggunakan metode cluster hierarki, khususnya pendekatan ward linkage yang bertujuan meminimalkan variasi dalam cluster. Analisis cluster dilakukan melalui beberapa tahapan, yaitu pengumpulan data, analisis statistik deskriptif, standarisasi data, pengujian multikolinearitas, perhitungan jarak Euclidean, dan pengelompokan menggunakan metode Ward linkage yang diakhiri dengan interpretasi hasil. Proses pengolahan data dilakukan menggunakan software SPSS dengan menghasilkan dendogram sebagai dasar pembentukan cluster. Data yang digunakan merupakan data IPM tahun 2023 dari 14 Kabupaten/kota. Hasil analisis menunjukkan bahwa seluruh wilayah dapat dikelompokkan ke dalam dua cluster. Cluster pertama terdiri dari Kabupaten/kota dengan nilai IPM yang lebih tinggi dan karakteristik sosial ekonomi yang relatif baik, antara lain Kota Pontianak, Kota Singkawang, Kabupaten Mempawah, Sambas, Ketapang, Kubu Raya, dan Sanggau. Sementara itu, cluster kedua mencakup wilayah yang memiliki IPM sedang atau relatif lebih rendah seperti Kabupaten Bengkayang, Landak, Melawi, Sintang, Kapuas Hulu, Sekadau, dan Kayong Utara.
OPTIMASI HASIL TANAMAN PANGAN DENGAN PENDEKATAN GOAL PROGRAMMING (Studi Kasus: Dinas Tanaman Pangan dan Holtikultura Provinsi Kalimantan Barat) Mareta, Nadia; Yudhi, Yudhi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): 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.v13i2.76957

Abstract

Diperlukan cara alternatif dalam meningkatkan peluang produksi tanaman untuk memenuhi kebutuhan pangan. Hal ini bertujuan untuk memperoleh hasil yang optimal dari penanaman pangan. Hasil yang optimal dari produksi tanaman pangan dapat dipengaruhi oleh beberapa faktor, diantaranya masa panen, jumlah tenaga kerja, jumlah penggunaan pupuk urea, SP "“ 36, NPK dan biaya produksi serta memaksimalkan hasil produksi dan harga jual. Oleh karena itu, perlu dilakukan analisis terkait dengan optimasi hasil produksi tanaman pangan menggunakan model Goal Programming. Penelitian ini bertujuan untuk mengaplikasikan dan menyelesaikan model optimasi hasil tanaman pangan di dinas pertanian Provinsi Kalimantan Barat. Data penelitian diperoleh dari Dinas Tanaman Pangan dan Hortikultura Provinsi Kalimantan Barat, diantaranya data masa panen, jumlah penggunaan pupuk, hasil produksi, harga jual per/kg dan biaya produksi per Ha. Analisis data menggunakan goal programming untuk model optimasi hasil tanaman pangan di Provinsi Kalimantan Barat dengan bantuan software lingo, diperoleh hasil penelitian yang menunjukkan fungsi tujuan model goal programming yang mencapai hasil optimal sebesar 4.747.250, dilihat dari nilai deviasi masa panen, tenaga kerja, dan hasil produksi mencapai sasaran optimal, sedangkan nilai deviasi pupuk urea, pupuk SP "“ 36, pupuk NPK, harga jual dan biaya produksi tidak mencapai sasaran yang optimal. Namun, terdapat tanaman pangan yang di rekomendasikan untuk dikembangkan yaitu tanaman kacang tanah dan kacang hijau.  Kata Kunci : Program Linear, Optimisasi, Multi Objective
PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN TINGKAT KEMISKINAN DENGAN K-MEDOIDS DENGAN JARAK MANHATTAN Fiqriani, Rizha Aynul; Imro’ah, Nurfitri; Sulistianingsih, Evy
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.v14i4.99124

Abstract

Salah satu masalah utama yang masih dihadapi oleh banyak negara, termasuk Indonesia adalah masalah kemiskinan. Faktor-faktor seperti minimnya peluang kerja dan tingginya tingkat persaingan menjadi penyebab utama permasalahan ini. Di Kalimantan Barat, pembangunan ekonomi belum mampu memberikan dampak merata terhadap kesejahteraan masyarakat, yang menunjukkan terjadinya kemiskinan di wilayah tersebut. Penelitian ini memiliki tujuan untuk mengelompokkan daerah di Kalimantan Barat berdasarkan tingkat kemiskinan dengan menggunakan metode cluster. Sumber data dalam penelitian ini berasal dari Badan Pusat Statistik (BPS) Kalimantan Barat tahun 2023 dengan beberapa indikator kemiskinan. Proses pengelompokan dilakukan menggunakan metode K-Medoids, yaitu salah satu metode cluster non-hierarki yang merupakan pengembangan dari metode K-Means. Proses pengelompokan dimulai dengan pemilihan medoid secara acak, kemudian perhitungan jarak dilakukan menggunakan jarak Manhattan dan hasil pengelompokan dievaluasi dengan Davies Bouldin Index (DBI) sehingga diperoleh jumlah cluster optimal yaitu empat cluster. Cluster 1 terdiri dari Kota Pontianak yang memiliki tingkat kemiskinan sangat rendah. Cluster 2 terdiri dari Bengkayang, Sanggau dan Sekadau dengan tingkat kemiskinan rendah. Cluster 3 terdiri dari Sambas, Landak, Mempawah, Sintang, Kayong Utara, Kapuas Hulu, Kota Singkawang, dan Kubu Raya yang memiliki tingkat kemiskinan tinggi. Dan cluster 4 terdiri dari Ketapang dan Melawi yang memiliki tingkat kemiskinan sangat tinggi. Berdasarkan hasil ini, diperlukan kebijakan yang disesuaikan dengan karakteristik masing-masing cluster, seperti pemberian bantuan sosial, peningkatan akses pendidikan, serta pembangunan infrastruktur dan penciptaan lapangan kerja.
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DENGAN NORMALISASI Z-SCORE DALAM KLASIFIKASI PENERIMA BANTUAN SOSIAL DESA SERUNAI Safitri, Novi; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): 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.v13i1.74063

Abstract

Beberapa program pemerintah dalam menanggulangi masalah kemiskinan, diantaranya Program Keluarga Harapan (PKH), Bantuan Pangan Non Tunai (BPNT), Bantuan Sosial Tunai (BST), dan Bantuan Langsung Tunai (BLT) dana desa. Desa Serunai merupakan desa yang berada di Kecamatan Salatiga Kabupaten Sambas, telah menerapkan pemberian bantuan sosial sejak tahun 2020. Penentuan penerima bantuan sosial yang dilakukan dengan cara manual dapat menjadi penyebab ketidaktepatan sasaran penerima bantuan. Oleh karenanya penelitian ini bertujuan mengklasifikasikan penerima bantuan sosial dan mencari akurasi terbaik menggunakan algoritma K-Nearest Neighbor dengan normalisasi z-score. Penerima bantuan sosial diklasifikasikan menjadi tiga, yaitu penerima PKH, penerima BLT dana desa dan tidak menerima bantuan. Klasifikasi penerima bantuan menggunakan perhitungan jarak Euclidean dengan sembilan parameter K, yaitu . Perhitungan akurasi dilakukan dengan confusion matrix. Data yang digunakan adalah data Pemutakhiran Keluarga Desa Serunai Tahun 2022 yang berdomisili di Dusun Kemboja, diperoleh dari website BKKBN dan kantor Desa Serunai, sebanyak 205 data dengan delapan variabel atribut dan satu variabel kelas. Data dibagi menjadi data latih (training) dan data uji (testing), dengan proporsi 90:10, 80:20, dan 70:30. Hasil penelitian menunjukkan bahwa klasifikasi terbaik diperoleh pada proporsi 90:10 dengan parameter , dimana dari 20 individu yang diprediksi, terdapat sepuluh individu diklasifikasikan sebagai penerima PKH (kelas 1), satu individu diklasifikasikan sebagai penerima BLT dana desa (kelas 2) dan sembilan individu diklasifikasikan sebagai bukan penerima bantuan (kelas 3).  Jika disandingkan dengan data aktual terdapat dua individu yang salah diklasifikasikan sehingga didapatkan akurasi sebesar 90%, dengan recall sebesar 100% dan presisi sebesar 80%.  Kata Kunci: klasifikasi, normalisasi z-score, jarak Euclidean.

Page 81 of 84 | Total Record : 832

 79   80   81   82   83 

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 : 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 : 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 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