BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya
Not a member yet
521 research outputs found
Sort by
PERBANDINGAN RAM DAN IVAM DALAM MENENTUKAN SOLUSI AWAL MASALAH DISTRIBUSI BAHAN MATERIAL SR APP (Studi Kasus: PT. PLN (Persero) UP3 Singkawang)
Get PDFPT. PLN (Persero) Unit Pelaksana Pelayananan Pelanggan (UP3) Singkawang sebagai perusahaan jasa pelayanan listrik mendistribusikan bahan material Sambungan Rumah Alat Pembatas dan Pengukur (SR APP). Bahan material tersebut didistribusikan dari gudang UP3 Singkawang dan gudang Singkawang Kota ke Unit Layanan Pelanggan (ULP) di area Singkawang seperti ULP Sungai Duri, ULP Bengkayang, ULP Pemangkat, ULP Sambas dan ULP Sekura dengan biaya distribusi sebesar Rp 4.946.653,00. Pendistribusian ini perlu rancangan yang tepat sehingga pengeluaran dapat diminimumkan. Metode transportasi merupakan suatu cara untuk memecahkan masalah pendistribusian suatu barang dari sumber ke tujuan. Metode ini digunakan untuk menganalisis biaya pendistribusian barang. Metode transportasi yang digunakan dalam penelitian ini adalah Russel’s Approximation Method (RAM), Improved Vogel’s Approximation Method (IVAM) dan metode Modified Distribution (MODI). Penelitian ini bertujuan untuk membandingkan solusi awal RAM dan IVAM pada masalah distribusi bahan material SR APP. Langkah-langkah penyelesaian masalah ini dengan mencari solusi awal menggunakan RAM dan IVAM, menguji keoptimalannya dan merevisi tabel menggunakan metode MODI. Berdasarkan hasil perhitungan, RAM dan IVAM menghasilkan solusi awal yang sama. Pada uji optimalitas metode MODI, solusi awal tersebut sudah optimal. Dengan demikian, pengalokasian bahan material SR APP dari gudang UP3 Singkawang ke ULP Sungai Duri sebanyak 469 set, ULP Bengkayang sebanyak 630 set, ULP Pemangkat sebanyak 86, ULP Sambas sebanyak 521 set dan ULP Sekura sebanyak 444 set serta gudang Singkawang Kota ke ULP Pemangkat sebanyak 1.083 set dengan pengeluaran minimum yang dapat dikeluarkan sebesar Rp 4.535.871,00 sehingga menghemat biaya pendistribusian sebesar Rp 410.782,00 atau sebesar 8,3%. Kata Kunci : metode transportasi, MODI, uji optimalita
IMPLEMENTASI WEB SCRAPING PADA ULASAN HOTEL MAESTRO PONTIANAK MENGGUNAKAN METODE LEXICON BASED
Get PDFInternet memungkinkan manusia berbagi informasi dari mana saja, dengan siapa saja, dan mempermudah mengakses informasi terkait sektor pariwisata. Dalam sektor pariwisata, hotel memiliki peran yang penting dalam menyediakan penginapan terutama bagi wisatawan. Hotel berbintang yang ada di Kalimantan Barat yaitu Hotel Maestro Pontianak. Di era Society 5.0 sekarang banyak website penyedia tiket hotel secara online, salah satunya Traveloka. Traveloka menyediakan layanan pemesanan tiket hotel secara online termasuk tiket Hotel Maestro Pontianak. Banyaknya yang menginap di hotel tersebut menyebabkan banyaknya ulasan yang diberikan oleh pengunjung melalui website Traveloka. Tujuan penelitian ini untuk menganalisis opini masyarakat terhadap pelayanan Hotel Maestro Pontianak menggunakan metode Lexicon Based. Dalam penelitian kali ini menggunakan metode Web Scraping yang kemudian dilanjutkan analisis sentimen menggunakan metode Lexicon Based. Data ulasan Hotel Maestro Pontianak dikumpulkan menggunakan teknik Web Scraping yang berjumlah 301 ulasan. Data ulasan diproses menggunakan text preprocessing untuk menyeragamkan bentuk kata agar kalimat setiap ulasan lebih terstruktur. Selanjutnya, pada hasil text preprocessing diproses menggunakan metode Lexicon Based dengan bantuan library VADER sentiment. Hasil dari proses compound score VADER sentiment divisualisasikan menggunakan word cloud dan bar chart yang menunjukan akurasi persentase yang didapat sebesar 65,9% untuk hasil kelas sentimen positif, 23,61% untuk hasil sentimen negatif dan 10,49% untuk hasil kelas sentimen netral. Kata Kunci : Internet, Traveloka, VADER
PENERAPAN REGRESI RIDGE ROBUST-M DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA DATA STUNTING DI INDONESIA
Get PDFMultikolinearitas dan pencilan merupakan permasalahan yang menyebabkan model yang diperoleh kurang akurat sehingga perlu diatasi agar model menjadi lebih stabil. Kedua permasalahan tersebut dapat diatasi secara bersamaan menggunakan metode regresi Ridge Robust-M yang merupakan penggabungan dari metode regresi Ridge dan regresi Robust dengan estimasi M. Tujuan dari penelitian ini adalah menerapkan metode regresi Ridge Robust-M dalam mengatasi multikolinearitas dan pencilan pada data yang digunakan dan membentuk model regresi Ridge Robust-M. Data sekunder yang digunakan merupakan data stunting dari setiap provinsi di Indonesia tahun 2021. Variabel dependen yang digunakan adalah kejadian stunting Y, sedangkan variabel independen yang digunakan adalah persentase pemberian tablet tambah darah X1, imunisasi BCG X2, imunisasi polio X3, imunisasi DPT-Hb-Hib3 X4, inisisasi menyusu dini X5, antenatal pertama X6 dan sanitasi layak X7. Dalam proses analisis pada penelitian ini dilakukan terlebih dahulu pemodelan regresi linear berganda. Kemudian menghitung nilai penduga parameter regresi Robust-M. Setelah itu, menghitung nilai penduga parameter regresi Ridge Robust-M dengan memasukkan nilai dugaan parameter regresi Robust-M kedalam rumus penduga tetapan c* pada regresi Ridge. Setelah nilai tetapan bias diperoleh, maka selanjutnya membentuk model persamaan regresi Ridge Robust-M untuk mengatasi multikolinearitas dan pencilan pada data. Hasil dari penelitian ini diperoleh model persamaan Ridge Robust-M yang tidak mengandung multikolinearitas dimana hal ini dapat ditunjukkan dengan semua variabel independen memiliki nilai VIF kurang dari 10. Selain itu terdapat penurunan bobot pencilan sehingga dapat dikatakan bahwa masalah pencilan telah teratasi. Variabel X1, X2, X6 dan X7 berpengaruh signifikan secara parsial terhadap kejadian stunting. Kata Kunci: stunting, multikolinearitas, pencilan, regresi Ridge Robust-M
PENERAPAN METODE SAVING MATRIX DALAM MEMINIMUMKAN BIAYA DISTRIBUSI
Get PDFDistribusi merupakan proses pengiriman produk dari produsen hingga sampai ke konsumen. Salah satu contoh kasus distribusi adalah pendistribusian elpiji. Pendistribusian elpiji sering kali terkait erat dengan rute kendaraan karena pentingnya ketepatan waktu dalam mengirimkan elpiji ke setiap pangkalan yang membutuhkan sehingga membantu dalam mengoptimalkan rute pendistribusian dengan biaya distribusi yang minimum. Permasalahan rute kendaraan dalam kasus pendistribusian elpiji termasuk kedalam Vehicle Routing Problem (VRP). Adapun masalah VRP dengan karakteristik Heterogeneuous Fleet Vehicle Routing Problem (HFVRP) dan VRP with Multiple Trips (VRPMT). Permasalahan yang dapat diselesaikan dalam konteks pendistribuisan elpiji umumnya berfokus pada pencapaian rute yang optimal dengan biaya distribusi yang minimum. Dalam permasalahan VRP dapat diselesaikan dengan menggunakan metode saving matrix. Tujuan penelitian ini yaitu menyelesaikan VRP dengan menggunakan metode saving matrix. Metode saving matrix merupakan suatu pendekatan yang digunakan untuk menentukan rute distribusi elpiji ke setiap pangkalan dengan cara membentuk rute distribusi yang optimal dengan biaya distribusi yang minimum. Metode saving matrix dilakukan dengan menghitung jarak tempuh kendaraan dan menentukan nilai saving menggunakan metode saving matrix. Rute pendistribusian kemudian dialokasikan untuk mencapai rute pendistribusian yang optimal dengan biaya distribusi yang minimum. Rute distribusi dengan metode saving matrix menghasilkan 10 rute distribusi dengan total jarak 103,0 km dan biaya distribusi sebesar Rp 773.281. Hasil yang diperoleh menunjukkan bahwa rute yang dibuat dengan menggunakan metode saving matrix memberikan rute distribusi yang optimal dengan biaya distribusi yang minimum. Kata Kunci : Vehicle Routing Problem, Heterogeneous Vehicle Routing Problem, VRP with Multiple
PERAMALAN CURAH HUJAN DI KOTA PONTIANAK MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE NEURAL NETWORK (VAR-NN)
Get PDFFenomena cuaca ekstrim di Indonesia cenderung meningkat akibat dampak perubahan iklim. Perubahan iklim mengakibatkan perubahan cuaca, sehingga diperlukan cara untuk meramalkan agar mempermudah masyarakat untuk mengetahui informasi tentang terjadi atau tidaknya hujan. Penelitian ini menggunakan metode Vector Autoregressive Neural Network (VAR-NN) yang bertujuan meramalkan curah hujan di Kota Pontianak berdasarkan data bulanan dari Januari 2019 hingga Desember 2022 yang diperoleh dari Stasiun Meteorologi Maritim Pontianak. Vector Autoregressive (VAR) adalah metode deret waktu multivariat yang variabelnya tidak perlu dipisahkan menjadi variabel endogen atau eksogen. Dalam kasus curah hujan biasanya juga mengandung pola nonlinier, sehingga diperlukan pemodelan nonlinier untuk mengantisipasi masalah tersebut. Adapun metode peramalan yang bersifat nonlinier salah satunya adalah Neural Network (NN). NN memiliki kemampuan dalam menganalisis berbagai jenis data. Hasil analisis menunjukkan bahwa VAR-NN (5) dengan jumlah lapisan (4-2-1) menghasilkan peramalan curah hujan selama 12 bulan ke depan termasuk dalam kategori rendah. Berdasarkan perhitungan MAPE bahwa hasil peramalan termasuk dalam kategori cukup baik dengan nilai MAPE sebesar 45,080%. Hal ini disebabkan karena nilai varians dari curah hujan yang besar, sehingga nilai MAPE yang dihasilkan besar pula. Kata Kunci: curah hujan, VAR, NN
PENERAPAN PARTICLE SWARM OPTIMIZATION DALAM PENYUSUNAN JADWAL MATA KULIAH DI PRODI MATEMATIKA UNIVERSITAS TANJUNGPURA
Get PDFParticle Swarm Optimization (PSO) adalah sebuah teknik optimisasi yang mengadopsi algoritma swarm intelligence, dimana sekelompok partikel yang mewakili solusi-solusi potensial bergerak dalam ruang pencarian solusi dengan cara berinteraksi satu sama lain. Setiap partikel memiliki posisi dan kecepatan yang diubah secara iteratif berdasarkan pengalaman lokal dan global, sehingga partikel-partikel tersebut akan saling menarik dan menjauh dari satu sama lain untuk mencari solusi terbaik. PSO banyak dipakai pada bermacam bidang, satu diantaranya yakni adalah penjadwalan mata kuliah. Pembuatan susunan jadwal mata perkuliahan pada Program Studi Matematika di UNTAN merupakan sebuah permasalahan optimisasi yang kompleks, karena harus memperhatikan banyak faktor kendala diantaranya kapasitas ruang, durasi perkuliahan, sesi perkuliahan, kondisi dosen, tingkat semester mahasiswa, serta kepentingan akademik pada jurusan. Tujuan penerapan PSO ini untuk memperoleh jadwal mata kuliah yang lebih optimal dan efisien, dimana memenuhi semua kendala yang telah ditetapkan. Kata Kunci: kendala, jadwal, velocit
PENENTUAN BANYAKNYA POHON PERENTANG MENGGUNAKAN TEOREMA POHON MATRIKS
Get PDFSetiap graf terhubung G pasti memuat pohon perentang T, yaitu subgraf dari G yang berupa pohon dan memuat semua titik G. Banyaknya pohon perentang dari graf G adalah berhingga. Dalam penelitian ini dibahas terkait penentuan banyaknya pohon perentang dari graf G dengan menggunakan teorema pohon matriks. Suatu graf bisa direpresentasikan menjadi bentuk matriks, seperti matriks derajat (D), matriks ketetanggaan (A), dan matriks Laplacian (L). Tujuan dari penelitian ini ialah untuk menganalisis matriks Laplacian (L) dan membuktikan teorema pohon matriks. Matriks L adalah selisih antara matriks D dan A dengan matriks D dan A ialah matriks hasil representasi dari graf G. Matriks L ini dapat digunakan pada teorema pohon matriks untuk mencari banyaknya pohon perentang dari graf G, yaitu dengan mencari nilai sebarang kofaktor dari matriks L. Pada penelitian ini dapat disimpulkan bahwa teorema pohon matriks bisa digunakan untuk mencari banyaknya pohon perentang dari graf G dengan graf G merupakan graf sederhana terhubung dan graf tak berarah, sehingga banyaknya pohon perentang dari graf G ialah sama dengan nilai sebarang kofaktor dari matriks L. Kata Kunci : representasi graf, matriks Laplacian, kofaktor
ANALISIS PELABELAN TITIK PADA GRAF SIERPINSKI GASKET S_n DAN PENCARIAN BILANGAN DOMINASI TOTAL UNTUK n=1-4
Get PDFDiberikan graf G=(V,E) dengan V adalah himpunan titik dan E adalah himpunan sisi yang menghubungkan sepasang titik. Dua buah titik u,v dikatakan bertetangga jika u,v є E Himpunan S subset V(G) disebut himpunan dominasi dari graf G jika setiap titik dari V(G) - S yang bertetangga setidaknya satu titik dari S Himpunan dominasi S dari suatu graf G tidak tunggal dan kardinalitas himpunan terkecil dari graf G adalah bilangan dominasi γ (G) Persekitaran dari himpunan S atau N(S) adalah himpunan semua titik di G yang bertetangga dengan titik di S Himpunan S subset V adalah himpunan dominasi total di G jika setiap titik v є V yang memenuhi N(S)=V dan kardinalitas himpunan dominasi total terkecil dari graf G adalah bilangan dominasi total yang dilambangkan dengan γt (G). Penelitian ini membahas tentang analisis pelabelan titik pada graf Sierpinski Gasket dan mencari bilangan dominasi total pada graf Sierpinski Gasket Sn untuk n=1-4. Graf Sierpinski Gasket Sn dikontruksikan berdasarkan segitiga Sierpinski. Segitiga Sierpinski merupakan fraktal yang serupa dengan dirinya yang dibangun dari sebuah segitiga sama sisi yang dibagi secara rekursif menjadi buah segitiga yang kongruen dengan skala setengah dari segitiga sebelumnya. Hasil dari penelitian ini diperoleh bilangan dominasi total pada graf Sierpinski Gasket Sn.n є N yaitu: γt (S1)=2, γt (S2)=2, γt (S3)=5, γt (S4)=5Kata Kunci : Himpunan persekitaran, himpunan dominasi, bilangan dominasi
IMPLEMENTASI ALGORITMA K-MEDOIDS DAN CLUSTERING LARGE APPLICATIONS (CLARA) DENGAN OPTIMASI SILHOUETTE COEFFICIENT (Studi Kasus: Pengelompokan Indeks Pembangunan Manusia Berdasarkan Kabupaten/Kota di Indonesia)
Get PDFIndeks Pembangunan Manusia (IPM) merupakan indikator untuk menilai keberhasilan pembangunan manusia yang ditinjau melalui kualitas hidup. Pengelompokan IPM perlu dilakukan untuk mengetahui derajat kesejahteraan dan kemajuan penduduk. Upaya yang bisa diterapkan untuk mengetahui pengelompokan kabupaten/kota dengan nilai IPM tertinggi sampai terendah melalui analisis cluster. Analisis cluster yang dapat digunakan yakni algoritma K-Medoids dan CLARA. Algoritma K-Medoids dan CLARA memanfaatkan titik data untuk mewakili pusat cluster sehingga titik data yang terpilih dinamakan dengan medoids. Penelitian ini bertujuan untuk menganalisis hasil pengelompokan kabupaten/kota berlandaskan indikator pembentuk IPM menggunakan algoritma K-Medoids dan CLARA serta menganalisis perbandingan nilai silhouette coefficients optimal pada algoritma K-Medoids dan CLARA. Penelitian ini memanfaatkan data sekunder yang didapat dari Badan Pusat Statistik (BPS) tahun 2022. Variabel yang dianalisis mencakup umur harapan hidup ( ), harapan lama sekolah ( ), rata-rata lama sekolah ( ), dan pengeluaran per kapita ( ). Pengelompokan dengan K-Medoids menghasilkan 358 kabupaten/kota yang tergabung dalam cluster dengan nilai IPM sedang dan 156 kabupaten/kota tergabung dalam cluster dengan nilai IPM tinggi. Sementara itu, pengelompokan dengan CLARA menghasilkan 426 kabupaten/kota yang tergabung dalam cluster dengan nilai IPM sedang dan 88 kabupaten/kota tergabung dalam cluster dengan nilai IPM tinggi. Algoritma CLARA merupakan algoritma yang optimal dengan nilai silhouette coefficient paling tinggi yakni sebesar 0,438. Kata Kunci : IPM, CLARA, K-Medoids, Silhouette Coefficient
ANALISIS K-MEANS MENGGUNAKAN METODE DUNN INDEX DALAM MENENTUKAN JUMLAH CLUSTER OPTIMAL (Studi Kasus: Indikator Pendidikan SMA di Indonesia Tahun 2022)
Get PDFPendidikan merupakan fondasi krusial dalam membentuk dan mengembangkan sumber daya manusia dalam proses pembangunan suatu negara. Data dari Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2021 menunjukkan dominasi penduduk Indonesia dengan tingkat pendidikan rendah. Kondisi ini menjadi fokus dalam penerapan teknik analisis data, khususnya cluster analysis, untuk memahami karakteristik kelompok secara mendalam. Cluster analysis merupakan metode yang mengelompokkan data berdasarkan kesamaan antara satu data dengan data lainnya, dan memiliki peran penting dalam analisis dan pemahaman struktur data yang kompleks. Penelitian ini menggunakan analisis cluster non-hirarki dengan pendekatan K-Means, yang dikenal sederhana, cepat dalam komputasi, dan efisien dalam menangani data besar. Dunn Index digunakan sebagai metode evaluasi untuk mengukur kualitas pengelompokkan dengan menghasilkan cluster-cluster yang memiliki tingkat kesamaan tinggi di dalam kelompoknya masing-masing. Data yang digunakan adalah data sekunder yang mencakup tujuh indikator pendidikan SMA di 34 provinsi di Indonesia. Hasil yang diperoleh dari pengelompokan yang optimal menggunakan metode Dunn Index yaitu sebanyak ilima cluster . Cluster pertama dengan tingkat pendidikan yang sangat tinggi beranggotakan empat provinsi yaitu provinsi Aceh, Kep.Riau, DI Yogyakarta dan Bali. Cluster kedua dengan Tingkat pendidikan yang tinggi beranggotakan 13 provinsi. Cluster ketiga yang beranggotakan tiga provinsi dengan tingkat pendidikan yang sedang. Dan cluster keempat dengan tingkat pendidikan yang rendah beranggotakan 13 provinsi. Sedangkan untuk cluster kelima dengan tingkat pendidikan sangat rendah hanya beranggotakan satu provinsi yaitu provinsi Papua. Pentingnya kebijakan dari pemerintah untuk memprioritaskan provinsi yang tingkat pendidikannya rendah seperti Papua supaya menghindari ketimpangan kualitas pendidikan di Indonesia. Kata Kunci : Tingkat, Pendidikan, Nonhirarki, Pengelompokan