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
 80   81   82   83   84 
ANALISIS K-MEANS CLUSTERING DENGAN BOOTSTRAP PADA PENGELOMPOKAN DESA DI KABUPATEN MEMPAWAH BERDASARKAN INDEKS DESA MEMBANGUN Trifaiza, Fadhela; Perdana, Hendra; Satyahadewi, Neva
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.v14i3.95737

Abstract

Pembangunan desa merupakan suatu upaya yang dilakukan dalam meningkatkan kesejahteraan desa yang diukur melalui status desa berdasarkan Indeks Desa Membangun atau IDM. Pembangunan desa melalui IDM dilakukan pemerintah sebagai upaya menciptakan kesejahteraan desa, mengurangi kesenjangan yang terjadi antar desa, dan dapat memberikan perhatian khusus bagi desa dengan status yang rendah. Sehingga diperlukan pengelompokan desa berdasarkan IDM menggunakan analisis cluster. Analisis cluster merupakan teknik statistik yang mengelompokkan objek berdasarkan kesamaan karakteristik tiap objek. Tujuan penelitian ini adalah menganalisis pengelompokan desa di Kabupaten Mempawah berdasarkan IDM menggunakan K-Means Clustering dengan Bootstrap. Data yang digunakan pada penelitian ini merupakan data indikator Indeks Ketahanan Ekonomi (IKE) berdasarkan IDM di Kabupaten Mempawah tahun 2022 yang terdiri dari 60 desa dan 12 variabel, yaitu Keragaman Produksi, Pertokoan, Pasar, Toko/Warung Kelontong, Kedai dan Penginapan, Pos dan Logistik, Bank dan BPR, Kredit, Lembaga Ekonomi, Moda Transportasi Umum, Keterbukaan Wilayah, dan Kualitas Jalan. Berdasarkan analisis yang dilakukan diperoleh nilai akurasi hasil perbandingan metode K-Means Bootstrap dengan status desa di IDM yaitu sebesar 68%. Cluster 1 dengan status desa tertinggal memiliki anggota sebanyak 4 desa. Cluster 2 dengan status paling tinggi yaitu mandiri terdiri dari 32 anggota cluster. Cluster 3 dengan status desa maju terdiri dari 8 anggota cluster. Cluster 4 dengan status desa berkembang memiliki anggota sebanyak 13 desa. Cluster 5 dengan status paling rendah yaitu sangat tertinggal memiliki anggota sebanyak 3 desa, yaitu desa Ansiap, Pentek, dan Suak Barangan.
PENYELESAIAN PERMASALAHAN PEMROGRAMAN NONLINEAR MULTIOBJEKTIF MENGGUNAKAN METODE PEMBOBOTAN DAN METODE KARUSH KUHN-TUCKER (KKT) (Studi Kasus: Warung Bubuk Kopi Bang Azis di Pontianak) Ramadhanti, Tasya Redika; Pasaribu, Meliana; Yundari, Yundari
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.v14i3.95122

Abstract

Pemrograman nonlinear multiobjektif adalah pendekatan yang digunakan untuk memodelkan permasalahan optimasi nonlinear dengan melibatkan lebih dari satu fungsi tujuan. Penelitian ini bertujuan menyelesaikan permasalahan pemrograman nonlinear multiobjektif dengan menganalisis interaksi antara harga jual dan biaya produksi untuk mencapai solusi yang optimum. Penentuan solusi menjadi lebih kompleks karena harus mempertimbangkan dua tujuan yang harus dicapai secara bersamaan. Studi kasus difokuskan pada optimasi jumlah produk bubuk kopi yang diproduksi Warung Bubuk Kopi Bang Azis, dengan mempertimbangkan antara harga jual dan biaya produksi untuk mencapai hasil yang optimum. Pembentukan fungsi tujuan dilakukan dengan mengubah kedua fungsi tujuan menjadi bentuk fungsi tujuan tunggal menggunakan nilai bobot. Permasalahan ini dimodelkan ke dalam bentuk pemrograman nonlinear dan dianalisis melalui penerapan metode Karush Kuhn-Tucker (KKT). Metode KKT digunakan untuk menemukan solusi optimum dari suatu masalah optimasi dengan kendala. Metode ini menggabungkan aturan kendala dan fungsi Lagrange untuk menentukan solusi optimum yang memenuhi syarat KKT. Berdasarkan hasil yang telah diperoleh, jumlah produksi optimum Warung Bubuk Kopi Bang Azis selama seminggu adalah Kopi A (bubuk kopi kemasan 100 gr) sebanyak 308 bungkus, Kopi B (bubuk kopi kemasan 200 gr) sebanyak 85 bungkus, dan Kopi C (bubuk kopi kemasan 500gr) sebanyak 219 bungkus dengan keuntungan maksimum yang diperoleh sebesar Rp8.914.154,84.
KETERKAITAN ANTARA SIFAT KOMPAK, KOMPAK SEKUENSIAL DAN BOLZANO-WEIERSTRASS PADA RUANG METRIK Lauren, Nover; Kusumastuti, Nilamsari; Prihandono, Bayu
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.v14i5.99672

Abstract

Dalam analisis matematika, konsep jarak memainkan peranan penting dalam memahami sifat dan struktur dari suatu himpunan. Konsep jarak yang selama ini diketahui dalam kehidupan sehari-hari seperti tidak bernilai negatif, identitas yang sama, simetris, dan memenuhi pertidaksamaan segitiga, digeneralisasikan menjadi suatu konsep metrik. Suatu himpunan tak kosong yang dilengkapi dengan metrik disebut dengan ruang metrik. Penelitian ini bertujuan untuk menganalisis sifat-sifat pada ruang metrik yaitu kompak, kompak sekuensial, dan Bolzano-Weierstrass pada ruang metrik kemudian melihat keterkaitan di antara sifat-sifat tersebut. Metode yang dilakukan dalam menganalisis keterkaitan sifat-sifat tersebut, adalah mempelajari dan memahami materi dasar, seperti aksioma-aksioma ruang metrik, himpunan terbuka dan himpunan tertutup, barisan dalam ruang metrik, dan liput himpunan. Dari hasil analisis itu diperoleh keterkaitan diantara kompak, kompak sekuensial, dan Bolzano-Weierstrass yaitu bersifat ekuivalen. Hal yang diperoleh yakni, jika ruang metrik X kompak maka X mempunyai sifat Bolzano-Weierstrass, ruang metrik X mempunyai sifat Bolzano-Weierstrass jika dan hanya jika X kompak sekuensial, dan ruang metrik X kompak jika hanya jika X kompak sekuensial.
PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN FAKTOR-FAKTOR KEMISKINAN MENGGUNAKAN METODE DBSCAN Purwanty, Purwanty; Martha, Shantika; Aprizkiyandari, Siti
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.v13i1.74047

Abstract

Salah satu teknik analisis cluster adalah Density Based Spatial Clustering Algorithm with Noise (DBSCAN). Teknik ini mengelompokkan data berdasarkan kepadatannya. Jumlah data atau minimum point (Minpts) dalam radius epsilon (ε) dari setiap kumpulan data adalah merupakan konsep kepadatan data yang dimaksud . Dalam penelitian ini, Kabupaten/kota di Kalimantan Barat dikelompokkan berdasarkan kriteria berdasarkan faktor-faktor kemiskinan tahun 2021 dengan menggunakan metode DBSCAN. Indeks pembangunan manusia (X1), tingkat pengangguran terbuka (X2), dan persentase penduduk usia 15 tahun ke atas yang melek huruf (X3) menjadi variabel yang digunakan dalam penelitian ini. Tahap pertama dalam penelitian ini adalah menggunakan z-score untuk standarisasi data. Selanjutnya dengan melihat kurva siku menggunakan plot K-Nearest Neighbor (KNN) untuk menentukan nilai epsilon dan Minpts. Selanjutnya menentukan titik centroid pertama yang dipilih secara acak. Selanjutnya gunakan jarak euclidean untuk menghitung jarak. Setelah itu pembentukan cluster berdasarkan jumlah titik dalam radius ε dan lebih besar sama dengan Minpts. Kemudian vadidasi cluster dengan silhouette coefficient. Selanjutnya adalah interpretasi cluster. Dari hasil pengelompokan menggunakan metode DBSCAN diperoleh dua cluster dan lima noise dengan parameter ε sebesar 0,6 dan Minpts sebesar dua. Tujuh Kabupaten yaitu Sambas, Bengkayang, Landak, Sanggau, Kapuas Hulu, Sekadau, dan Melawi termasuk dalam cluster satu. Dua Kabupaten yaitu Mempawah dan Kubu Raya termasuk dalam cluster dua. Dibandingkan dengan cluster satu, cluster dua memiliki nilai rata-rata IPM dan tingkat pengangguran terbuka yang lebih besar. Berdasarkan hasil tersebut maka program-program dari pemerintah dapat diarahkan pada cluster dua.  Kata Kunci: Analisis Cluster, Epsilon, Minpts
OPTIMASI LAPORAN KEUANGAN DENGAN MODEL GOAL PROGRAMMING PADA BANK MEGA SYARIAH Ikhwana, Muhammad Ghifari Ibnu; Prihandono, Bayu; Fran, Fransiskus
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.v14i5.99263

Abstract

Bank merupakan badan usaha yang berfungsi untuk mengumpulkan dana dari masyarakat dan mendistribusikannya kembali melalui kredit atau layanan keuangan lainnya. Setiap bank wajib menyusun laporan keuangan yang menunjukkan kinerja selama suatu periode. Laporan keuangan perlu dioptimalkan untuk mengukur kinerja, meningkatkan efisiensi pengelolaan sumber daya dan mendukung pengambilan keputusan yang tepat. Laporan keuangan dipengaruhi oleh lima faktor utama yang akan dioptimalkan yaitu aset, liabilitas, ekuitas, pendapatan, dan beban. Model dikatakan optimal jika deviasi positif dan negatif pada setiap tujuan adalah nol. Masalah yang dihadapi oleh Bank Mega Syariah dapat menjadi dasar penelitian yaitu kebutuhan dalam mengoptimalkan kinerja. Penelitian ini memiliki tujuan untuk memodelkan laporan keuangan Bank Mega Syariah menggunakan model goal programming. Model ini dipilih karena mampu memodelkan masalah multi-tujuan. Langkah-langkah yang dilakukan dalam penelitian ini meliputi penentuan variabel keputusan, fungsi kendala, dan fungsi tujuan. Penyelesaian masalah model goal programming menggunakan metode simpleks. Hasil penyelesaian dengan metode simpleks menunjukkan bahwa model dengan kelima tujuan yaitu aset, liabilitas, ekuitas, pendapatan, dan beban telah mencapai solusi optimal. Setelah membuat model goal programming dan menyelesaikannya menggunakan metode simpleks diketahui kinerja laporan keuangan Bank Mega Syariah secara keseluruhan sudah optimal dan terdapat potensi penurunan pada total liabilitas sebesar Rp611.358.932 per tahun.
ANALISIS DISKRIMINAN LINEAR ROBUST PADA PENGKLASIFIKASIAN BERAT BAYI LAHIR DENGAN METODE WINSORIZED MODIFIED ONE-STEP M-ESTIMATOR Silvia, Elma; Yundari, Yundari; Kusumastuti, Nilamsari
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.v14i4.99120

Abstract

Analisis diskriminan adalah suatu metode yang digunakan dalam mengklasifikasi suatu objek ke dalam kelompok berdasarkan dengan variabel bebasnya. Metode ini harus memenuhi asumsi dasar analisis diskriminan yaitu uji sebaran multivariat dan uji homogenitas matriks varians-kovarians, metode analisis ini juga sangat mudah terpengaruh terhadap data yang mengandung pencilan sehingga membuat asumsi menjadi tidak terpenuhi. Tujuan dari penelitian ini adalah untuk mengklasifikasi berat badan bayi baru lahir, yang mana menurut organisasi kesehatan dunia (WHO) berat badan bayi ini dapat dikelompokan menjadi 2 yaitu bayi berbobot lahir rendah (≤2500 g) dan bayi berbobot lahir normal (>2500 g), menggunakan analisis diskriminan linear robust dengan metode winsorized modified one-step M-estimator (WMOM). WMOM bekerja dengan cara mengganti nilai yang lebih dari batas atas atau kurang dari batas bawah berdasarkan kriteria pemangkasan Modified one step M-estimator (MOM), dimana metode ini dapat mengatasi pencilan pada data. Dalam penelitian ini data yang digunakan adalah data berat badan bayi yang baru lahir dan variabel-variabel yang mewakili kondisi ibu ketika hamil di Kecamatan Jawai tahun 2023-2024. Berdasarkan hasil dari klasifikasi menunjukan bahwa dari 9 bayi pada waktu lahir mempunyai berat bayi lahir rendah diklasifikasi 4 diantaranya diprediksikan akan masuk ke dalam kelompok bayi berbobot lahir normal dan sebaliknya dari 78 bayi pada waktu lahir mempunyai berat bayi normal didapat 20 diantaranya diprediksikan akan masuk ke dalam kelompok bayi berbobot lahir rendah. Tingkat akurasi klasifikasi yang diperoleh sebesar 72,41% dengan nilai APER sebesar 27,59%, dan hasil uji statistik press"™s Q menunjukan bahwa klasifikasi yang dilakukan secara konsisten.
ANALISIS KARAKTERISTIK DAFTAR PEMILIH TETAP MENGGUNAKAN METODE TWO STEP CLUSTER (Studi Kasus: Daftar Pemilih Tetap Kelurahan Sungai Jawi Kota Pontianak) Rizki, Muhammad; Satyahadewi, Neva
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.v14i3.95795

Abstract

Pemilihan umum adalah sarana bagi rakyat untuk memilih pemimpin dan perwakilan yang akan mewakili kepentingan di pemerintahan. Pemilihan umum menjadi salah satu aspek paling penting yang memungkinkan warga negara untuk berpartisipasi dalam proses politik, maka diperlukan analisis tentang karakteristik pemilih yang terdaftar dalam daftar pemilih tetap. Penelitian ini bertujuan untuk mengetahui karakteristik pemilih yang terdaftar dalam daftar pemilih tetap di Kelurahan Sungai Jawi, Kota Pontianak untuk pemilihan umum tahun 2024 dengan menggunakan metode Two Step Cluster. Metode Two Step Cluster memiliki dua tahapan dalam proses pengelompokan. Tahap awal dimulai dengan membentuk Cluster Feature Tree dengan pengukuran jarak Log-likelihood. Tahap selanjutnya adalah pembentukan cluster optimal dengan menghitung nilai BIC dan membandingkan rasio ukuran jarak antar cluster. Berdasarkan hasil penelitian, dapat disimpulkan metode Two Step Cluster dengan menghasilkan lima cluster optimal. Cluster pertama terdiri dari pemilih muda perempuan dengan rata-rata usia 26 tahun, belum menikah, dan sebagian merupakan pemilih pemula. Cluster kedua adalah pemilih muda laki-laki, rata-rata berusia 27 tahun, belum menikah, dan terdapat pemilih belum memiliki e-KTP. Cluster ketiga merupakan pemilih dewasa perempuan dengan rata-rata usia 45 tahun, sudah memiliki e-KTP, dan sudah menikah. Cluster keempat berisi pemilih dewasa laki-laki dengan rata-rata usia 47 tahun, sudah menikah, dan sudah pernah memberikan hak pilihnya di pemilu sebelumnya. Cluster kelima adalah pemilih pra lanjut usia dengan rata-rata usia 57 tahun, terdapat pemilih penyandang disabilitas dan pemilih baru dari pensiunan TNI/Polri.
PENENTUAN SOLUSI OPTIMAL PEMROGRAMAN KUADRATIK DENGAN METODE WOLFE Wulandari, Afrilia Putri; Pasaribu, Meliana; 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.v14i2.92974

Abstract

Dalam investasi saham, investor perlu mengalokasikan dana secara tepat untuk memaksimalkan keuntungan dan mengelola risiko. Portofolio yang direncanakan dengan baik dapat membantu pencapaian hasil maksimal sesuai dengan tingkat risiko yang diinginkan, dengan meminimalkan risiko pada tingkat keuntungan tertentu. Oleh karena itu, tujuan dari penelitian ini adalah untuk menyelesaikan model penentuan portofolio saham dengan menggunakan metode wolfe. Data yang diambil merupakan data harga saham mingguan PT Bank Central Asia Tbk (BBCA), PT Bank Rakyat Indonesia (Persero) Tbk (BBRI), PT Bank Negara Indonesia (Persero) Tbk (BBNI), dan PT Bank Mandiri (Persero) Tbk (BMRI) untuk periode Januari sampai Desember 2023. Selanjutnya, nilai return, expected return dan varians yang diperoleh dibentuk menjadi permasalahan pemrograman kuadratik. Pemrograman kuadratik yang berbentuk fungsi tujuan dan fungsi kendala disesuaikan dengan kondisi Karush Kuhn Tucker. Solusi pada masalah optimasi digunakan metode Wolfe yang dibentuk kondisi baru dengan menambahkan artificial variable. Pada lima saham yang digunakan didapat hasil proporsi alokasi dana pada saham (BBCA) ada sebesar 43,45%, saham (BBRI) sebesar 22,11%, saham (BBNI) sebesar 30,63%, dan saham (BMRI) adalah sebesar 3,82%. Hasil risiko yang harus dihadapi investor untuk investasi selama satu tahun sebesar 0,02%. Kata Kunci : return, expected return, karush kuhn tucker
PENERAPAN VECTOR ERROR CORRECTION MODEL (VECM) UNTUK PERAMALAN NILAI EKSPOR NONMIGAS INDONESIA Pramesti, Surya Adinda Fitria; 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.v14i5.99649

Abstract

Vector Error Correction Model (VECM) adalah pengembangan dari Vector Autoregressive (VAR) yang digunakan untuk menganalisis data yang tidak stasioner namun memiliki hubungan kointegrasi atau keterkaitan jangka panjang. VECM digunakan pada data time series yang menjadi stasioner setelah differencing pertama dan telah lolos uji kointegrasi. Dalam penelitian ini, data time series yang dianalisis adalah data ekspor dan nilai tukar mata uang rupiah. Ekspor adalah kegiatan perdagangan internasional yang menjadi elemen vital dalam pembentukan fondasi ekonomi suatu bangsa. Salah satu aspek utama yang berperan dalam memengaruhi besarnya nilai ekspor adalah nilai tukar mata uang atau kurs yang berperan dalam menentukan tingkat daya saing produk domestik di pasar internasional. Penelitian ini menggunakan nilai tukar terhadap dolar Amerika Serikat (USD), karena USD masih menjadi standar nilai tukar internasional dan menjadi acuan utama dalam sistem nilai tukar internasional. Ekspor menunjukkan perubahan yang tidak stabil dari waktu ke waktu, sehingga diperlukan upaya peramalan untuk dapat membantu memprediksi kondisi ekonomi mendatang. Penelitian ini bertujuan mengimplementasikan model VECM untuk meramalkan nilai ekspor nonmigas Indonesia. Data yang dianalisis berupa data periodik bulanan dari Januari 2013 hingga Desember 2024 yang diunduh melalui situs Satu Data Kementerian Perdagangan. Data yang digunakan telah memenuhi syarat stasioneritas pada tingkat first difference. Lag optimum yang dipilih adalah lag 3 sehingga model yang digunakan adalah VECM(2). Dalam uji kointegrasi Johansen menghasilkan adanya hubungan kointegrasi, sehingga pada setiap periode jangka pendek terjadi penyesuaian secara bersamaan dan saling memengaruhi guna mencapai keseimbangan dalam jangka panjang. Perhitungan menghasilkan Mean Absolute Percentage Error (MAPE) sebesar 5,99%, sehingga kinerja model dinilai sangat baik.
IDENTIFIKASI FAKTOR DAN PERAMALAN INFLASI INDONESIA MENGGUNAKAN REGRESI LINEAR BERGANDA- BACKPROPAGATION NEURAL NETWORK Febrianti, Eka; Yundari, Yundari; Satyahadewi, Neva
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.v14i5.102167

Abstract

Inflasi atau laju kenaikan harga barang dan jasa yang naik turun secara ekstrem, dan tidak terkendali di Indonesia berdampak terhadap perekonomian dan menurunkan daya beli masyarakat, hingga diperlukan pengendalian. Bermacam upaya yaitu dengan identifikasi faktor yang mempengaruhi dan peramalan. Data inflasi yaitu data deret waktu berpola non-linear dan dipengaruhi oleh lebih dari satu faktor. Regresi Linear Berganda dipakai untuk melihat pengaruh bermacam variabel bebas (X) terhadap variabel terikat (Y). Backpropagation Neural Network yaitu metode peramalan yang memodelkan hubungan diantara input dan output dengan memperbarui bobot secara berulang berdasarkan nilai error atau epoch. Penelitian ini bertujuan untuk identifikasi faktor yang berpengaruh secara signifikan pada Inflasi serta meramalkan tingkat inflasi di Indonesia menggunakan metode Backpropagation Neural Network (BPNN). Proses penelitian dilakukan dengan pengumpulan data inflasi, nilai tukar, impor, harga minyak dunia, jumlah uang beredar, serta suku bunga periode Januari 2015-Desember 2024. Lalu data diolah hingga diperoleh model regresi linear berganda selanjutnya dilakukan pengujian terhadap model yang yaitu uji F, uji t, menghitung koefisien determinasi, dan uji asumsi klasik. Sesudah didapat faktor yang berpengaruh signifikan, dilakukan normalisasi, membagikan data latih-uji, pelatihan dengan algoritma Backpropagation, pengujian data target, dan peramalan dengan BPNN. Hasilnya, harga minyak dunia dan jumlah uang beredar berpengaruh signifikan pada inflasi. Arsitektur BPNN terbaik yaitu 3-6-1, dengan data 80% latih dan 20% uji, learning rate 0,7, fungsi aktivasi sigmoid, dan 1000 epoch dengan MSE 0,149030 dan MAPE 11,07%. Sesudah dilakukan peramalan pada 2025, diperoleh nilai inflasi tertinggi 2,05% pada Agustus-Desember dan inflasi terendah 1,81% pada Januari.

Page 82 of 84 | Total Record : 832

 80   81   82   83   84 

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 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 : 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 : 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 : 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 : 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