cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
BIMASTER
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education,
Bimaster adalah Jurnal Ilmiah berkala bidang Matematika, Statistika dan Terapannya yang terbit secara online dan dikelola oleh Jurusan Matematika FMIPA Untan
Arjuna Subject : -
Articles 877 Documents
PERAMALAN DATA HARGA PENUTUPAN SAHAM INDOFOOD CBP SUKSES MAKMUR TBK MENGGUNAKAN HYBRID ARIMA-RBFNN Andewa Pratama Alfandy; Nurfitri Imro’ah; Shantika Martha
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pergerakan harga saham yang fluktuatif menuntut metode peramalan yang dapat menangkap pola linier maupun nonlinier secara akurat. Penelitian ini bertujuan untuk meramalkan harga penutupan saham mingguan Indofood CBP Sukses Makmur Tbk. (ICBP.JK) dengan menggunakan pendekatan hybrid Autoregressive Integrated Moving Average – Radial Basis Function Neural Network (ARIMA-RBFNN). Model ARIMA digunakan untuk menangkap pola linier dalam data, sedangkan RBFNN digunakan untuk memodelkan residual dari ARIMA yang mengandung pola nonlinier. Data yang digunakan berasal dari harga penutupan saham dalam periode mingguan ICBP.JK dalam rentang waktu 1 April 2019 hingga 1 April 2024, dengan total 262 data, dan dibagi menjadi dua set data, yaitu data training dengan proporsi 80%, data testing dengan proprosi 20%. Evaluasi dilakukan menggunakan parameter Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model hybrid ARIMA-RBFNN memberikan hasil peramalan yang sangat baik, dengan nilai MAPE sebesar 4,13% untuk data training dan 3,19% untuk data testing, menandakan bahwa metode hybrid ARIMA-RBFNN layak digunakan dalam peramalan harga saham, karena mampu menangkap pola linier dan nonlinier secara efektif. Pada penerapannya, model yang dibentuk meramalkan bahwa akan terjadi penurunan pada harga penutupan saham ICBP.JK dalam kurun waktu 5 minggu ke depan.
KETERKAITAN SIFAT KOMUTATIF PERKALIAN MATRIKS DENGAN DIAGONALISASI MATRIKS SECARA SIMULTAN Septianti, Tiara; Fran, Fransiskus; Kusumastuti, Nilamsari
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diagonalisasi secara simultan adalah suatu proses transformasi dua matriks persegi menjadi bentuk matriks diagonal secara bersamaan. Proses ini dapat dilakukan apabila kedua matriks yang dapat didiagonalisasi tersebut saling komutatif. Selain itu, sifat komutatif ini memiliki beberapa sifat yang berkaitan dengan nilai eigen dan vektor eigen, lalu untuk menentukan dua matriks saling komutatif tidak sederhana. Sehingga, jika dua matriks saling komutatif akan memiliki sifat-sifat khusus yang berkaitan dengan nilai eigen dan vektor eigen. Penelitian ini difokuskan untuk mengkaji sifat-sifat dari dua matriks yang saling komutatif, serta melakukan proses diagonalisasi secara simultan, dan merekontruksi matriks B komutatif dengan matriks A yang dapat didiagonalisasi. Mengkaji sifat-sifat tersebut dimulai dengan dua matriks persegi yang saling komutatif yang terkait nilai eigen dan vektor eigen, lalu merekontruksi matriks khusus. Proses diagonalisasi secara simultan dimulai dengan dua matriks yang saling komutatif, menentukan nilai eigen dan vektor eigen, menentukan matriks P dan P-1, sehingga diperoleh matriks diagonal dari kedua matriks tersebut. Konstruksi matriks B dimulai dengan ambil sebarang matriks A yang dapat didiagonalisasi, kemudian menentukan matriks P dan P-1, lalu ambil sebarang matriks diagonal D2 untuk matriks B, menghitung B=PD2P-1, sehingga diperoleh matriks B yang komutatif dengan matriks A. Hasil dari keterkaitan dari sifat-sifat tersebut jika matriks A memiliki n nilai eigen real yang berbeda, maka matriks B juga memiliki n nilai eigen real dengan vektor eigen yang sama dengan matriks A. Kesamaan vektor eigen tersebut menghasilkan matriks P yang sama, sehingga diperoleh P-1AP=D1 dan P-1BP=D2 sebagai hasil diagonalisasi secara simultan dari matriks A dan B.
OPTIMASI RUTE PENDISTRIBUSIAN OBAT/VAKSIN DENGAN PARTICLE SWARM OPTIMIZATION PADA TRAVELING SALESMAN PROBLEM DI DINAS KESEHATAN KOTA PONTIANAK Aulia, Alwa; Fransiskus Fran; Meliana Pasaribu
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Traveling Salesman Problem (TSP) merupakan permasalahan optimasi yang bertujuan untuk menemukan rute dengan total jarak terpendek dalam mengunjungi setiap simpul tepat satu kali dan kembali ke simpul awal. Salah satu permasalahan TSP yaitu pendistribusian obat/vaksin di Kota Pontianak. Jumlah puskesmas yang banyak serta lokasinya yang tersebar hingga ke kawasan permukiman padat penduduk sering menyebabkan ketidakefisienan pendistribusian dari segi jarak tempuh, waktu pengiriman, dan penggunaan bahan bakar. Salah satu algoritma yang efektif dalam menyelesaikan TSP adalah algoritma Particle Swarm Optimization (PSO). Penerapan algoritma PSO dalam menyelesaian TSP dimulai dengan menentukan sejumlah parameter. Setiap partikel merepresentasikan urutan kunjungan simpul. Selanjutnya, nilai fitness setiap partikel dihitung berdasarkan total jarak dari rute yang dibuat. Nilai fitness digunakan untuk menentukan posisi terbaik pribadi (Pbest) dan posisi terbaik global (Gbest). Proses iterasi dilakukan untuk memperbarui kecepatan dan posisi setiap partikel. Iterasi berakhir ketika iterasi maksimum tercapai atau solusi sudah konvergen. Kondisi konvergen tercapai ketika solusi stabil dan tidak lagi mengalami perbaikan signifikan selama sejumlah iterasi. Penelitian ini bertujuan untuk mengoptimalkan rute pendistribusian obat/vaksin dari Dinas Kesehatan Kota Pontianak ke seluruh puskesmas di Kota Pontianak. TSP dimodelkan dengan 24 simpul, menggunakan jumlah partikel 90, iterasi maksimum 300, bobot inersia 0,9, koefisien kognitif 1,5, dan koefisien sosial 1,0. Hasilnya menunjukkan bahwa PSO mencapai konvergensi pada iterasi ke-262 dengan total jarak minimum 80,4 km, dengan representasi simpul 0-4-2-1-16-15-17-12-11-14-13-18-20-22-19-21-23-8-10-5-9-6-7-3-0. Dengan demikian, algoritma PSO terbukti efektif dalam menentukan rute optimal pendistribusian obat atau vaksin, sehingga berpotensi meningkatkan efisiensi waktu distribusi, penggunaan bahan bakar, dan kualitas pelayanan kesehatan masyarakat di Kota Pontianak.
IMPLEMENTASI WEB SCRAPING PADA ULASAN WISATA TUGU KHATULISTIWA KALIMANTAN BARAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Muliadiasti, Maresha Widya; Hendra Perdana; Neva Satyahadewi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pariwisata memiliki dampak positif bagi perekonomian suatu negara atau daerah yang memiliki objek wisata. Pontianak merupakan ibu kota provinsi Kalimantan Barat yang memiliki salah satu objek wisata, yaitu wisata Tugu Khatulistiwa. Penelitian ini memanfaatkan metode Convolutional Neural Network (CNN) untuk melakukan eksplorasi opini terhadap wisatawan yang memberikan ulasan terhadap tempat wisata Tugu Khatulistiwa di Google Maps Review. Grafik accuracy dan loss menunjukkan bahwa data mengalami overfitting yang ditandai dengan adanya kenaikan sangat cepat pada data training di sekitar epoch ke-20, namun loss data training menurun mendekati nol. Sementara, accuracy pada data uji cenderung statis dengan kenaikan hanya di sekitar 0,75 hingga 0,78 dan loss data uji nya terus meningkat seiring bertambahnya epoch. Evaluasi keseluruhan data dengan analisis menggunakan CNN cukup baik dengan accuracy sebesar 0,77. Nilai precision, recall, dan f1-score paling rendah terdapat pada kelas negatif (precision 0,25; recall 0,23; f1-score 0,24) dan Nilai precision, recall, dan f1-score paling tinggi terdapat pada kelas positif (precision 0,82; recall 0,93; f1-score 0,87). Hasil prediksi dari CNN pada 806 data ulasan menghasilkan 534 ulasan positif, 223 ulasan netral, dan 49 ulasan negatif. Hal ini mengindikasikan bahwa pengunjung cenderung memberikan ulasan positif atau model lebih mengarahkan ulasan ke ulasan positif.
IMPLEMENTASI ENSEMBLE KALMAN FILTER UNTUK MENGOPTIMALKAN AKURASI MODEL SARIMA DALAM PERAMALAN DATA DERET WAKTU (STUDI KASUS: PENUMPANG PESAWAT DI BANDARA SUPADIO) Wicaksono, Muhalip Tegar; Huda, Nur’ainul Miftahul; Fran, Fransiskus
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peramalan data deret waktu sangat penting dalam sektor transportasi udara yang memiliki fluktuasi musiman yang cukup jelas. Bandara Supadio Pontianak yang menjadi pintu masuk utama Kalimantan Barat mencatat peningkatan penumpang yang cukup tinggi setiap musim liburan. Prediksi yang akurat diperlukan agar pihak bandara dapat mengantisipasi keterbatasan fasilitas dan menjaga kualitas layanan. Model Seasonal Autoregressive Integrated Moving Average (SARIMA) umum digunakan untuk data musiman, namun model ini umumnya menghasilkan prediksi berbasis nilai titik (point forecast) sehingga kurang mampu menggambarkan tingkat ketidakpastian yang terdapat dalam proses peramalan. Metode tambahan diperlukan untuk dapat meningkatkan akurasi sekaligus mengakomodasi dinamika data. Penelitian ini bertujuan mengoptimalkan akurasi model SARIMA dengan mengintegrasikan metode Ensemble Kalman Filter (EnKF). Metode EnKF dipilih karena mampu memperbarui prediksi secara adaptif menggunakan data terbaru serta memberikan estimasi lebih stabil melalui pendekatan ensemble. Studi kasus dilakukan pada data bulanan jumlah penumpang pesawat di Bandara Supadio, periode Januari 2021–Desember 2024 yang diperoleh dari Badan Pusat Statistik (BPS) Kalimantan Barat. Analisis dimulai dengan uji stasioneritas menggunakan transformasi Box-Cox dan uji ADF, dilanjutkan dengan differencing yang dilakukan jika data yang tidak stasioner, identifikasi model SARIMA dengan ACF dan PACF, lalu integrasi EnKF melalui inisialisasi ensemble, tahap forecast, dan update dengan Kalman Gain. Hasil penelitian menunjukkan model SARIMA menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 3,60% (sangat baik), sedangkan SARIMA-EnKF mencapai 0,84% (lebih akurat). Hal ini membuktikan bahwa EnKF efektif dalam mengurangi ketidakpastian dan meningkatkan performa SARIMA. Peramalan tahun 2025 juga menunjukkan pola musiman yang konsisten dengan lonjakan pada periode liburan.
ANALISIS REGRESI DENGAN METODE BACKWARD ELIMINATION PADA KASUS ANGKA KELAHIRAN BAYI PROVINSI KALIMANTAN BARAT Minong, Stepanus; Yudhi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Angka kelahiran di Provinsi Kalimantan Barat terus mengalami lonjakan setiap tahunnya. Pertambahan populasi yang tidak berjalan selaras dengan peningkatan mutu sumber daya manusia dapat mendatangkan hambatan besar bagi jalannya pembangunan wilayah. Maka dari itu, dibutuhkan sebuah pendekatan analisis yang presisi guna mengidentifikasi berbagai variabel penentu tingkat kelahiran di wilayah Provinsi Kalimantan Barat. Tujuan penelitian ini yaitu mengetahui pengaruh persentase wanita 15-49 tahun kawin dan menggunakan KB, durasi pendidikan perempuan, tingkat partisipasi pekerja wanita, rasio populasi masyarakat prasejahtera, serta angka kematian bayi terhadap total kelahiran di Kalimantan Barat selama periode 2018. Pendekatan yang diimplementasikan adalah regresi linier melalui algoritma Backward Elimination. Pengujian hipotesis dieksekusi menggunakan uji F serta uji t, yang disusul oleh pengecekan uji asumsi klasik pada fungsi regresi final hasil seleksi Backward Elimination. Temuan riset mengonfirmasi bahwa melalui penyeleksian model tersebut, hanya variabel kematian bayi yang terbukti memberikan efek nyata terhadap angka fertilitas (kelahiran) di Kalimantan Barat pada tahun 2018. Variabel tersebut menyumbangkan porsi pengaruh sebesar 40,3%, sedangkan 59,7% sisanya dijelaskan oleh variabel-variabel eksternal di luar model penelitian ini.
PEMETAAN KARAKTERISTIK PENGANGGURAN ANTAR KABUPATEN/KOTA DI KALIMANTAN BARAT MENGGUNAKAN METODE WEIGHT MULTIDIMENSIONAL SCALING Fidianty, Fadilla; Shantika Martha; Hendra Perdana
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengangguran merupakan salah satu indikator penting dalam menilai kondisi ketenagakerjaan dan kesejahteraan masyarakat. Perbedaan karakteristik pengangguran antar kabupaten/kota perlu dipetakan agar pola kemiripan dan perbedaan antarwilayah dapat diketahui secara lebih jelas. Penelitian ini bertujuan memetakan karakteristik pengangguran kabupaten/kota di Provinsi Kalimantan Barat tahun 2025 menggunakan metode Weighted Multidimensional Scaling (WMDS). Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik dengan objek penelitian sebanyak 14 kabupaten/kota. Variabel yang dianalisis meliputi Tingkat Partisipasi Angkatan Kerja (TPAK), pertumbuhan penduduk, Indeks Pembangunan Manusia (IPM), pertumbuhan ekonomi, dan Tingkat Pengangguran Terbuka (TPT). Data distandarisasi menggunakan metode min-max, kemudian bobot variabel ditentukan berdasarkan variansi data terstandarisasi. Hasil penelitian menunjukkan bahwa kabupaten/kota di Kalimantan Barat terbagi ke dalam empat kuadran dengan karakteristik yang berbeda. Variabel TPT memiliki bobot terbesar sehingga menjadi faktor paling dominan dalam membedakan karakteristik antarwilayah. Nilai stress value sebesar 5,3184% menunjukkan bahwa konfigurasi dua dimensi yang dihasilkan tergolong baik dalam merepresentasikan data asli.

Filter by Year

2012 2026


Filter By Issues
All Issue Vol. 15 No. 3 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 15, No 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 Vol 8, No 3 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya 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 : 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