Abstrak. Peramalan harga beli emas memiliki peranan penting dalam pengambilan keputusan investasi dan perencanaan keuangan. Pada penelitian kali ini dilakukan perhitungan secara manual dan perhitungan menggunakan aplikasi dengan menggunakan Double Exponential Smooting dari Holt. Dalam pembangunan aplikasi digunakan RStudio sebagai alat pengembang dan bahasa R sebagai bahasa pemprogramannya. Dalam proses peramalan dilakukan terlebih dahulu pengumpulan data dari web Harga Emas Orang (harga-emas.org) dan didapat data berupa harga beli emas dan tanggal berupa format csv dengan rentan waktu 1 tahun dari 1 Mei 2022 sampai 31 April 2023 dengan data yang akan diolah unuk diteliti berjumlah 357 data harian. Setelah didapat data maka dilakukan pengujian terhadap data untuk mengetahui model yang cocok untuk digunakan dalam peramalan harga beli emas. Setelah dilakukan plot data emas dengan rentang waktu selama 1 tahun didapat bahwa grafik plot emas menunjukkan adanya tren naik meskipun dalam peningkatannya secara bertahap. Kemudian dilakukan peramalan menggunakan metode Double Exponential Smooting dari Holt karena syarat menggunakan metode Double Exponential Smooting dari Holt data harus menunjukkan adanya tren baik itu tren naik atau turun. Dan didapat nilai ramalan selamat 10 periode kedepan dengan tingkat MAPE (Mean Absolute Percentage Error) yang baik. Abstract. Forecasting the purchase price of gold has an important role in making investment decisions and financial planning. In this study, manual calculations were carried out and calculations using an application using Holt's Double Exponential Smoothing. In developing applications, RStudio is used as a developer tool and the R language as the programming language. In the Forecasting process, data is first collected from the People's Gold Price web (harga-emas.org) and data is obtained in the form of gold purchase prices and dates in the form of csv format with a timeframe of 1 year from 1 May 2022 to 31 April 2023 with data to be processed to be studied amounted to 357 daily data. After obtaining the data, a test is carried out on the data to find out which model is suitable for use in Forecasting the purchase price of gold. After plotting the gold data with a time span of 1 year, it was found that the gold plot graph shows an upward trend even though the increase is gradual. Then Forecasting is carried out using the Double Exponential Smoothing method from Holt because the conditions for using the Double Exponential Smoothing method from Holt are that the data must show a trend, whether it is an uptrend or a downtrend. And obtained Forecast value for the next 10 periods with a good level of MAPE (Mean Absolute Percentage Error).
抽象。黄金价格在投资决策和金融规划中扮演着重要的角色。在这项研究中，使用两倍的横向平滑的霍尔特进行人工计算和计算。在开发应用程序过程中，RStudio用作开发工具，R语言作为编写语言。先做最先进和数据收集过程中黄金价格(harga-emas人。org网站)和获得数据的价格买到黄金脆弱和csv格式的日期一年的时间2022年5月1日至2023年4月31日处理后的数据将数据的研究共有357日记。一旦获得数据，就会对数据进行测试，以确定适合黄金定价的模型。在花了一年时间的黄金数据绘图之后，黄金地图集显示出了一个渐进增长的趋势。然后，占卜者使用了霍尔特的双重扩展平滑法，因为使用指数数据的双重扩展平滑方法的条件必须表明这是一种上升或下降的趋势。并通过适当的MAPE水平获得未来10年的预测成绩。抽象。预见购买黄金的价格在进行投资决策和金融计划方面有一个重要的角色。在这项研究中，手动计算和计算使用霍尔特双重exponal平滑的应用程序。在开发应用程序中，RStudio被用作开发工具和R语言作为设计语言。《预测数据的过程,是第一collected from the People ' s的黄金价格(harga-emas。org网站)和数据是购买黄金的形式获得的实惠和日期In the form of csv格式with a timeframe of 1年从梅和数据成为2022年到2023年4月31 processed to be studied amounted到357每日数据。在公布数据后，数据上还残留着一种测试，以发现该模型适合于黄金购买价格的预测使用。在发布了一年的黄金数据后，我发现黄金情节显示了一种上升的趋势，即使增加是格式化的。然后预测就被考虑使用两种exponal平滑的方法来自霍尔特，因为使用两种exponal平滑的方法来自霍尔特的条件是数据必须显示一个趋势，不管它是上升还是下降。为接下来的10个周期设定为绝对水平。
{"title":"Penggunaan Rstudio dalam Pembuatan Aplikasi Peramalan Harga Emas dengan Metode Double Exponential Smooting Holt","authors":"Firdy Adi, Didi Suhaedi, Eti Kurniati","doi":"10.29313/bcsm.v3i2.9523","DOIUrl":"https://doi.org/10.29313/bcsm.v3i2.9523","url":null,"abstract":"Abstrak. Peramalan harga beli emas memiliki peranan penting dalam pengambilan keputusan investasi dan perencanaan keuangan. Pada penelitian kali ini dilakukan perhitungan secara manual dan perhitungan menggunakan aplikasi dengan menggunakan Double Exponential Smooting dari Holt. Dalam pembangunan aplikasi digunakan RStudio sebagai alat pengembang dan bahasa R sebagai bahasa pemprogramannya. Dalam proses peramalan dilakukan terlebih dahulu pengumpulan data dari web Harga Emas Orang (harga-emas.org) dan didapat data berupa harga beli emas dan tanggal berupa format csv dengan rentan waktu 1 tahun dari 1 Mei 2022 sampai 31 April 2023 dengan data yang akan diolah unuk diteliti berjumlah 357 data harian. Setelah didapat data maka dilakukan pengujian terhadap data untuk mengetahui model yang cocok untuk digunakan dalam peramalan harga beli emas. Setelah dilakukan plot data emas dengan rentang waktu selama 1 tahun didapat bahwa grafik plot emas menunjukkan adanya tren naik meskipun dalam peningkatannya secara bertahap. Kemudian dilakukan peramalan menggunakan metode Double Exponential Smooting dari Holt karena syarat menggunakan metode Double Exponential Smooting dari Holt data harus menunjukkan adanya tren baik itu tren naik atau turun. Dan didapat nilai ramalan selamat 10 periode kedepan dengan tingkat MAPE (Mean Absolute Percentage Error) yang baik. \u0000Abstract. Forecasting the purchase price of gold has an important role in making investment decisions and financial planning. In this study, manual calculations were carried out and calculations using an application using Holt's Double Exponential Smoothing. In developing applications, RStudio is used as a developer tool and the R language as the programming language. In the Forecasting process, data is first collected from the People's Gold Price web (harga-emas.org) and data is obtained in the form of gold purchase prices and dates in the form of csv format with a timeframe of 1 year from 1 May 2022 to 31 April 2023 with data to be processed to be studied amounted to 357 daily data. After obtaining the data, a test is carried out on the data to find out which model is suitable for use in Forecasting the purchase price of gold. After plotting the gold data with a time span of 1 year, it was found that the gold plot graph shows an upward trend even though the increase is gradual. Then Forecasting is carried out using the Double Exponential Smoothing method from Holt because the conditions for using the Double Exponential Smoothing method from Holt are that the data must show a trend, whether it is an uptrend or a downtrend. And obtained Forecast value for the next 10 periods with a good level of MAPE (Mean Absolute Percentage Error).","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"25 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126007434","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstrak. Optimalisasi keuntungan dapat diterapkan melalui beberapa metode, salah satunya yaitu program linear. Program linear dpat digunakan untuk mengoptimalkan keuntungan pada suatu perusahaan, baik perusahaan besar maupun kecil atau UMKM. UMKM Ayam Geprek Waika yang berada di kawasan Sarijadi, Kota Bandung menjadi salah satu UMKM yang memiliki permasalahan yang sering dihadapi oleh UMKM yaitu bagaimana mengkombinasikan faktor-faktor produksi yang dimiliki dengan tepat agar dapat menghasilkan keuntungan yang maksimal. Maka penelitian ini bertujuan untuk menentukan keuntungan maksimal yang dapat diperoleh pada usaha Ayam Geprek Waika menggunakan Pemrograman Linier metode Simpleks. Jenis penelitian ini adalah jenis studi kasus menggunakan penelitian yang bersifat kuantitatif dengan menentukan variabel-variabel yang akan diteliti. Jenis data yang digunakan pada penelitian ini yaitu data primer melalui observasi langsung dan wawancara dengan narasumber pengusaha Ayam Geprek Waika. Selanjutnya data tersebut akan dianalisis menggunakan Linear Programming metode simpleks berbantuan Software QM for Windows yang bertujuan untuk mencari solusi optimal. Hasil dari analisis penelitian bahwa untuk memperoleh keuntungan yang optimal maka UMKM Ayam Geprek Waika harus memproduksi setiap jenis ayam sebanyak 1.300 potong ayam dengan keuntungan yang akan diperoleh adalah sebesar Rp 11.050.000 dalam periode satu bulan. Kenaikan keuntungan yang diperoleh oleh UMKM Ayam Geprek Waika adalah 12,29% dari kondisi faktual ke kondisi optimal yaitu sebesar Rp 1.210.000. Abstract. Optimization of profits can be applied through several methods, one of which is a linear program. Linear programs can be used to optimize profits in a company, both large and small companies or MSMEs. Ayam Geprek Waika MSME located in the Sarijadi area, Bandung City, is one of the MSMEs that has problems that are often faced by MSMEs, namely how to combine the factors of production owned appropriately in order to generate maximum profits. So this study aims to determine the maximum profit that can be obtained at Ayam Geprek Waika business using Linear Programming Simplex method. This type of research is a type of case study using quantitative research by determining the variables to be studied. The type of data used in this study is primary data through direct observation and interviews with Waika Geprek Chicken entrepreneurs. Furthermore, the data will be analyzed using Linear Programming simplex method assisted by QM for Windows Software which aims to find the optimal solution. The results of the research analysis that to obtain optimal profits, MSMEs Ayam Geprek Waika must produce each type of chicken as many as 1,300 pieces of chicken with the profit to be obtained is Rp 11,050,000 in a one-month period. The increase in profits obtained by UMKM Ayam Geprek Waika is 12.29% from the previous month.
{"title":"Optimasi Laba Produksi Ayam Geprek Menggunakan Metode Simplek dengan Bantuan QM for Windows","authors":"Natasha Sabila Alfath, E. Harahap, M. Y. Fajar","doi":"10.29313/bcsm.v3i2.9153","DOIUrl":"https://doi.org/10.29313/bcsm.v3i2.9153","url":null,"abstract":"Abstrak. Optimalisasi keuntungan dapat diterapkan melalui beberapa metode, salah satunya yaitu program linear. Program linear dpat digunakan untuk mengoptimalkan keuntungan pada suatu perusahaan, baik perusahaan besar maupun kecil atau UMKM. UMKM Ayam Geprek Waika yang berada di kawasan Sarijadi, Kota Bandung menjadi salah satu UMKM yang memiliki permasalahan yang sering dihadapi oleh UMKM yaitu bagaimana mengkombinasikan faktor-faktor produksi yang dimiliki dengan tepat agar dapat menghasilkan keuntungan yang maksimal. Maka penelitian ini bertujuan untuk menentukan keuntungan maksimal yang dapat diperoleh pada usaha Ayam Geprek Waika menggunakan Pemrograman Linier metode Simpleks. Jenis penelitian ini adalah jenis studi kasus menggunakan penelitian yang bersifat kuantitatif dengan menentukan variabel-variabel yang akan diteliti. Jenis data yang digunakan pada penelitian ini yaitu data primer melalui observasi langsung dan wawancara dengan narasumber pengusaha Ayam Geprek Waika. Selanjutnya data tersebut akan dianalisis menggunakan Linear Programming metode simpleks berbantuan Software QM for Windows yang bertujuan untuk mencari solusi optimal. Hasil dari analisis penelitian bahwa untuk memperoleh keuntungan yang optimal maka UMKM Ayam Geprek Waika harus memproduksi setiap jenis ayam sebanyak 1.300 potong ayam dengan keuntungan yang akan diperoleh adalah sebesar Rp 11.050.000 dalam periode satu bulan. Kenaikan keuntungan yang diperoleh oleh UMKM Ayam Geprek Waika adalah 12,29% dari kondisi faktual ke kondisi optimal yaitu sebesar Rp 1.210.000. \u0000Abstract. Optimization of profits can be applied through several methods, one of which is a linear program. Linear programs can be used to optimize profits in a company, both large and small companies or MSMEs. Ayam Geprek Waika MSME located in the Sarijadi area, Bandung City, is one of the MSMEs that has problems that are often faced by MSMEs, namely how to combine the factors of production owned appropriately in order to generate maximum profits. So this study aims to determine the maximum profit that can be obtained at Ayam Geprek Waika business using Linear Programming Simplex method. This type of research is a type of case study using quantitative research by determining the variables to be studied. The type of data used in this study is primary data through direct observation and interviews with Waika Geprek Chicken entrepreneurs. Furthermore, the data will be analyzed using Linear Programming simplex method assisted by QM for Windows Software which aims to find the optimal solution. The results of the research analysis that to obtain optimal profits, MSMEs Ayam Geprek Waika must produce each type of chicken as many as 1,300 pieces of chicken with the profit to be obtained is Rp 11,050,000 in a one-month period. The increase in profits obtained by UMKM Ayam Geprek Waika is 12.29% from the previous month.","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126077060","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstrak. Sistem pendukung keputusan (SPK) merupakan penerapan sistem informasi yang dirancang untuk membantu pengguna dalam mengambil keputusan dengan menggunakan model matematis. Dalam SPK terdapat metode Multiple Criteria Decision Making (MCDM), suatu metode digunakan untuk pengambilan keputusan dalam situasi di mana beberapa kriteria yang dipertimbangkan dalam waktu bersamaan. MCDM memiliki beberapa metode yang sudah banyak dikembangkan, salah satunya metode Topsis. Penelitian ini dilakukan untuk memanfaatkan SPK pada pemilihan menu makanan terbaik dengan metode Topsis, untuk membantu penderita Gastroesophageal Reflux Disease (GERD). Menu makanan sangat penting ditentukan untuk penderita GERD, salah satunya dalam kandungan gizi yang terdapat pada makanan. Kandungan lemak, asam, gas, dan kafein yang berlebihan merupakan kandungan yang dapat memicu terjadinya GERD. Sehingga dapat diperoleh menu makanan setiap kelompok dari hasil nilai preferensi dan pemeringkatan, kelompok menu makanan pokok peringkat tertinggi yaitu Nasi Merah dan peringkat terendah Nasi Pecel, kelompok menu sayuran peringkat tertinggi Tumis Tauge dan peringkat terendah Gudeg. Kelompok menu lauk pauk peringkat tertinggi Ikan Panggang dan peringkat terendah Rawon, kelompok menu dessert peringkat tertinggi Jasuke dan peringkat terendah Brownies. Kelompok menu minuman peringkat tertinggi Jus Melon dan peringkat terendah Teh Botol. Jika dilihat dari kriteria, nilai preferensi dan hasil pemeringkatan tertinggi memiliki nilai kandungan lemak, asam, gas, dan kafein yang sangat rendah. Abstract. Decision support systems (DSS) are the implementation of information systems designed to assist users in making decisions using mathematical models. In SPK there is the Multiple Criteria Decision Making (MCDM) method, a method used for decision making in situations where several criteria are considered at the same time. MCDM has several methods that have been developed, one of which is the Topsis method. This research was conducted to utilize DSS in choosing the best food menu using the Topsis method, to help sufferers of Gastroesophageal Reflux Disease (GERD). The food menu is very important to determine for GERD sufferers, one of which is the nutritional content found in food. Excessive fat, acid, gas and caffeine content are ingredients that can trigger GERD. So that the food menu for each group can be obtained from the preference value and ranking results, the staple food menu group with the highest rank is Red Rice and the lowest rank is Nasi Pecel, the vegetable menu group has the highest rank Tumis Bean Sprouts and the lowest rank is Gudeg. The side dish menu group has the highest rank Grilled Fish and Rawon the lowest rank, Dessert menu group has the highest rank Jasuke and Brownies the lowest rank. The drink menu group has the highest rating Melon Juice and the lowest rating is Botol Tea. When viewed from the criteria, the preference value and the highest rating results have very low
抽象。决策支持系统(SPK)是一种信息系统的应用，旨在帮助用户使用数学模型做出决策。SPK有多种critsociety Decision (MCDM)方法，这是一种用于在同时考虑多个标准的情况下做出决定的方法。MCDM有一些广泛发展的方法，其中之一是Topsis方法。这项研究的目的是利用SPK以Topsis的方法选择最好的饮食，帮助胃食管反flux疾病(GERD)患者。饮食对于GERD患者来说是必不可少的，这是一种营养丰富的饮食。脂肪、酸、气体和咖啡因的过量含量可能会导致GERD的发生。因此，可以从偏好值和发酵值的结果获得每个组的饮食，最高的核心饮食小组是红米饭和Pecel大米的最低排名，蔬菜饮食组是最高的炒球团和最低的Gudeg。烤鱼配菜排名最高，果肉排名最低，甜品组配菜配菜，配菜组配菜配菜，配菜配菜配菜。甜瓜汁和奶瓶的饮料组排名最高。从标准来看，偏好值和高酸性、气体和咖啡因含量非常低。抽象。确定支持系统(DSS)是信息系统的实施，旨在利用数学建模进行决策的用户。例如，有许多次次critsociety Decision (MCDM)的方法，这是一种方法，用来决定在某些关键签柜被认为是同一时间的情况下做出的决定。MCDM有一些已经开发出来的方法，其中一种是Topsis方法。这项研究的目的是利用Topsis的方法，利用最好的食物菜单，帮助胃食道反流疾病的sufferers (GERD)。食品菜单对寻找营养摄入者非常重要，其中一种是寻找食物的营养成分。超越脂肪、酸性、气体和咖啡因的含量，是可以触发GERD的潜在成分。所以每组的食品菜单可以成为获得从《吗价值和results排名,和《主食菜单食品集团与《lowest排名最高排名是红米饭和山核桃是米饭,《最高军衔菜单蔬菜集团已炒豆芽and the lowest兰克是墨西哥。配菜组的配菜是最好吃的配菜鱼和配菜，甜点组有最好吃的配菜和最美味的配菜。集体菜单组有最高的甜瓜汁评级，lowest评级是瓶装茶。当从crit俗人那里看到的时候，介词值和最高的推荐等级非常低，酸，气体和咖啡因含量高。
{"title":"Implementasi Sistem Pendukung Keputusan Pemilihan Menu Makanan Terbaik untuk Penderita Gastroesophageal Reflux Disease (Gerd) dengan Menggunakan Metode Topsis","authors":"Devie Ratna Mutia, Erwin Harahap, Didi Suhaedi","doi":"10.29313/bcsm.v3i2.8562","DOIUrl":"https://doi.org/10.29313/bcsm.v3i2.8562","url":null,"abstract":"Abstrak. Sistem pendukung keputusan (SPK) merupakan penerapan sistem informasi yang dirancang untuk membantu pengguna dalam mengambil keputusan dengan menggunakan model matematis. Dalam SPK terdapat metode Multiple Criteria Decision Making (MCDM), suatu metode digunakan untuk pengambilan keputusan dalam situasi di mana beberapa kriteria yang dipertimbangkan dalam waktu bersamaan. MCDM memiliki beberapa metode yang sudah banyak dikembangkan, salah satunya metode Topsis. Penelitian ini dilakukan untuk memanfaatkan SPK pada pemilihan menu makanan terbaik dengan metode Topsis, untuk membantu penderita Gastroesophageal Reflux Disease (GERD). Menu makanan sangat penting ditentukan untuk penderita GERD, salah satunya dalam kandungan gizi yang terdapat pada makanan. Kandungan lemak, asam, gas, dan kafein yang berlebihan merupakan kandungan yang dapat memicu terjadinya GERD. Sehingga dapat diperoleh menu makanan setiap kelompok dari hasil nilai preferensi dan pemeringkatan, kelompok menu makanan pokok peringkat tertinggi yaitu Nasi Merah dan peringkat terendah Nasi Pecel, kelompok menu sayuran peringkat tertinggi Tumis Tauge dan peringkat terendah Gudeg. Kelompok menu lauk pauk peringkat tertinggi Ikan Panggang dan peringkat terendah Rawon, kelompok menu dessert peringkat tertinggi Jasuke dan peringkat terendah Brownies. Kelompok menu minuman peringkat tertinggi Jus Melon dan peringkat terendah Teh Botol. Jika dilihat dari kriteria, nilai preferensi dan hasil pemeringkatan tertinggi memiliki nilai kandungan lemak, asam, gas, dan kafein yang sangat rendah. \u0000Abstract. Decision support systems (DSS) are the implementation of information systems designed to assist users in making decisions using mathematical models. In SPK there is the Multiple Criteria Decision Making (MCDM) method, a method used for decision making in situations where several criteria are considered at the same time. MCDM has several methods that have been developed, one of which is the Topsis method. This research was conducted to utilize DSS in choosing the best food menu using the Topsis method, to help sufferers of Gastroesophageal Reflux Disease (GERD). The food menu is very important to determine for GERD sufferers, one of which is the nutritional content found in food. Excessive fat, acid, gas and caffeine content are ingredients that can trigger GERD. So that the food menu for each group can be obtained from the preference value and ranking results, the staple food menu group with the highest rank is Red Rice and the lowest rank is Nasi Pecel, the vegetable menu group has the highest rank Tumis Bean Sprouts and the lowest rank is Gudeg. The side dish menu group has the highest rank Grilled Fish and Rawon the lowest rank, Dessert menu group has the highest rank Jasuke and Brownies the lowest rank. The drink menu group has the highest rating Melon Juice and the lowest rating is Botol Tea. When viewed from the criteria, the preference value and the highest rating results have very low ","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"8 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129994147","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstrak. Investasi merupakan kegiatan menanamkan modal dengan tujuan mendapatkan keuntungan. Salah satu investasi pada aset keuangan yaitu investasi saham. Saham merupakan investasi yang berisiko tinggi karena harga saham yang fluktuatif. Untuk menghindari risiko yang akan mempengaruhi return saat berinvestasi, maka perlu membentuk portofolio optimal. Portofolio optimal merupakan portofolio yang memberikan return maksimum dan memiliki risiko minimum. Pada penelitian ini dibahas mengenai pembentukan portofolio optimal dengan menggunakan metode Mean Semivariance dan Mean Absolute Deviation. Dari hasil perhitungan pada penelitian ini metode Mean Semivariance memperoleh return sebesar 0.0035% dan risiko sebesar 0.080518%. Sedangkan dengan menggunakan metode Mean Absolute Deviation diperoleh return sebesar 0.000273% dan risiko sebesar 0.022276%. Abstract. Investment is an investment activity with the aim of making a profit. One of the investments in financial assets is stock investment. Stocks are a high-risk investment because stock prices fluctuate. To avoid risks that will affect returns when investing, it is necessary to form an optimal portfolio. Optimal portfolio is a portfolio that provides maximum return and has minimum risk. This study discusses the formation of an optimal portfolio using the Mean Semivariance and Mean Absolute Deviation methods. From the calculation results in this study the Mean Semivariance method obtained a return of 0.0035% and a risk of 0.080518%. Meanwhile, using the Mean Absolute Deviation method, a return of 0.000273% and a risk of 0.022276% are obtained.
{"title":"Perbandingan Metode Mean-Semivariance dan Mean Absolute Deviation Untuk Menentukan Portfolio Optimal Menggunakan Python","authors":"Bilqis Khairun Nisa, Onoy Rohaeni, Erwin Harahap","doi":"10.29313/bcsm.v3i2.8549","DOIUrl":"https://doi.org/10.29313/bcsm.v3i2.8549","url":null,"abstract":"Abstrak. Investasi merupakan kegiatan menanamkan modal dengan tujuan mendapatkan keuntungan. Salah satu investasi pada aset keuangan yaitu investasi saham. Saham merupakan investasi yang berisiko tinggi karena harga saham yang fluktuatif. Untuk menghindari risiko yang akan mempengaruhi return saat berinvestasi, maka perlu membentuk portofolio optimal. Portofolio optimal merupakan portofolio yang memberikan return maksimum dan memiliki risiko minimum. Pada penelitian ini dibahas mengenai pembentukan portofolio optimal dengan menggunakan metode Mean Semivariance dan Mean Absolute Deviation. Dari hasil perhitungan pada penelitian ini metode Mean Semivariance memperoleh return sebesar 0.0035% dan risiko sebesar 0.080518%. Sedangkan dengan menggunakan metode Mean Absolute Deviation diperoleh return sebesar 0.000273% dan risiko sebesar 0.022276%. \u0000Abstract. Investment is an investment activity with the aim of making a profit. One of the investments in financial assets is stock investment. Stocks are a high-risk investment because stock prices fluctuate. To avoid risks that will affect returns when investing, it is necessary to form an optimal portfolio. Optimal portfolio is a portfolio that provides maximum return and has minimum risk. This study discusses the formation of an optimal portfolio using the Mean Semivariance and Mean Absolute Deviation methods. From the calculation results in this study the Mean Semivariance method obtained a return of 0.0035% and a risk of 0.080518%. Meanwhile, using the Mean Absolute Deviation method, a return of 0.000273% and a risk of 0.022276% are obtained.","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"72 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115299816","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstrak. Path Analysis ialah sebuah teknik untuk menganalisis hubungan sebab akibat yang merupakan pengembangan dari analisis regresi linear berganda, jika variabel independent exogenous nya mempengaruhi variabel dependent endogenous tidak hanya secara langsung tetapi juga secara tidak langsung. Seperti halnya analisis regresi, Path Analysis atau Analisis Jalur dapat digunakan untuk melihat dan menentukan variabel apa saja atau jalur mana saja yang dihipotesiskan memiliki unit satuan yang berbeda-beda sehingga perlu dilakukan standardisasi untuk menjadikan semua unit satuan dari variabel yang akan hilang dan skala tiap variabel akan seragam. Penelitian ini dilakukan untuk mengetahui pengaruh sebab akibat pada data penerimaan bantuan sosial. Selama ini tingkat pendidikan pada keluarga miskin dipengaruhi oleh faktor ekonomi yang dibantu pemerintah daerah dengan adanya bantuan sosial. Data yang digunakan merupakan data bantuan sosial dari salah satu bantuan sosial yaitu bantuan PKH pada komponen pendidikan. Berdasarkan hasil Path Analysis dengan SPSS, didapat terdapat pengaruh langsung antara penerima bantuan tingkat SD terhadap penerima tingkat SMP sebesar 0,000 < 0,05, terdapat pengaruh langsung antara penerima bantuan tingkat SMP terhadap penerima tingkat SMA sebesar 0,000 < 0,05, terdapat pengaruh langsung antara penerima bantuan tingkat SMA terhadap Jumlah penerima bantuan sosial sebesar 0,000 < 0,05, terdapat pengaruh langsung antara penerima bantuan tingkat SMP terhadap Jumlah penerima bantuan sosial sebesar 0,000 < 0,05, terdapat pengaruh langsung antara penerima bantuan tingkat SD terhadap Jumlah penerima sebesar 0,000 < 0,05, terdapat pengaruh secara simultan antara tingkat SD, SMP dan SMA terhadap Jumlah Penerima Bantuan sebesar 81,5% dan sisanya sebesar 18,5% dipengaruhi oleh variabel lain yang tidak diteliti. Abstract. Path analysis is a technique for analyzing causal relationships which is a development of multiple linear regression analysis, if the exogenous independent variable affects the endogenous dependent variable not only directly but also indirectly. As with regression analysis, Path Analysis or Path Analysis can be used to see and determine which variables or which paths are hypothesized to have different units, so standardization is necessary to make all units of variables disappear and the scale of each variable will be uniform. This research was conducted to determine the causal effect on social assistance receipt data. So far, the level of education in poor families is influenced by economic factors assisted by the local government with social assistance. The data used is social assistance data from one of the social assistance programs, namely PKH assistance in the education component. Based on the results of Path Analysis with SPSS, it was found that there was a direct effect between elementary school beneficiaries and junior high school beneficiaries of 0.000 <0.05, there was a direct effect between junior high school
抽象。Path分析是一种分析线性回归分析的因果关系的技术，这种影响影响内生代变量不仅是直接的，而且是间接的。正如回归分析一样，路径分析或路径分析可以用来查看和确定指定的哪个变量或路径有不同的单元，因此需要标准化，使所有的单元单元都消失，每个变量的比例是均匀的。本研究旨在确定对社会援助数据的因果影响。贫困家庭的教育水平一直受到地方政府通过社会援助推动的经济因素的影响。所使用的数据是来自其中一种社会援助数据，即教育组件上的eccl援助。根据路径分析的结果与SPSS,得到受援国之间有直接影响对接受者的小学初中水平高达万< 0。05,受援国之间有直接影响对接受者的初中高中水平大万水平< 0。05,受援国高中水平之间有直接影响社会对受援国数量高达万< 0。05,初中水平的受援国之间有直接影响社会对受援国数量高达万< 0。05,受援国之间有直接影响对受益人的数量高达万< 0。05,小学有小学,初中和高中之间的影响,同时对受援国数量高达81,5%和其余18,5%受到其他变量的大小不研究。抽象。路径分析是分析causal关系的技术，这是对多种线性回归分析的发展，如果具有异域差异差异影响，变量不仅是直接的，而且是间接的。就像进行后悔分析一样，路径分析或路径分析可以用来查看和确定哪些变量是不同的单位，所以标准处理需要使所有变量的单位消失这项研究旨在确定对现有数据影响的因果关系。到目前为止，贫穷家庭的教育水平受到当地社会援助政府的经济援助因素的影响。公民使用的数据是来自社会援助项目的社会援助项目的社会辅助。改编自the results of路径分析与SPSS,是发现这是个直接效应之间有beneficiaries所小学和初中高中的beneficiaries万< 0。05,之间有一个直接效应是初中高中beneficiaries》和万高中beneficiaries < 0。05级之间,有一个直接效应是高中beneficiaries当家》《社会之协助recipients万< 0。05,初中高中水平之间有直接效果beneficiaries当家》《社会之协助recipients万< 0。05级之间,有一个直接效应是小学beneficiaries of beneficiaries of万当家》< 0。05,之间有一个全球同时影响是《小学,中学和高中水平5% of aid recipients of 81当家》《步骑另18 . 5%是influenced by variables examined音符。
{"title":"Path Analysis dan Penerapannya pada Bantuan Sosial","authors":"Sri Imas Nur Azizah, Y. Ramdani, Gani Gunawan","doi":"10.29313/bcsm.v3i2.8918","DOIUrl":"https://doi.org/10.29313/bcsm.v3i2.8918","url":null,"abstract":"Abstrak. Path Analysis ialah sebuah teknik untuk menganalisis hubungan sebab akibat yang merupakan pengembangan dari analisis regresi linear berganda, jika variabel independent exogenous nya mempengaruhi variabel dependent endogenous tidak hanya secara langsung tetapi juga secara tidak langsung. Seperti halnya analisis regresi, Path Analysis atau Analisis Jalur dapat digunakan untuk melihat dan menentukan variabel apa saja atau jalur mana saja yang dihipotesiskan memiliki unit satuan yang berbeda-beda sehingga perlu dilakukan standardisasi untuk menjadikan semua unit satuan dari variabel yang akan hilang dan skala tiap variabel akan seragam. Penelitian ini dilakukan untuk mengetahui pengaruh sebab akibat pada data penerimaan bantuan sosial. Selama ini tingkat pendidikan pada keluarga miskin dipengaruhi oleh faktor ekonomi yang dibantu pemerintah daerah dengan adanya bantuan sosial. Data yang digunakan merupakan data bantuan sosial dari salah satu bantuan sosial yaitu bantuan PKH pada komponen pendidikan. Berdasarkan hasil Path Analysis dengan SPSS, didapat terdapat pengaruh langsung antara penerima bantuan tingkat SD terhadap penerima tingkat SMP sebesar 0,000 < 0,05, terdapat pengaruh langsung antara penerima bantuan tingkat SMP terhadap penerima tingkat SMA sebesar 0,000 < 0,05, terdapat pengaruh langsung antara penerima bantuan tingkat SMA terhadap Jumlah penerima bantuan sosial sebesar 0,000 < 0,05, terdapat pengaruh langsung antara penerima bantuan tingkat SMP terhadap Jumlah penerima bantuan sosial sebesar 0,000 < 0,05, terdapat pengaruh langsung antara penerima bantuan tingkat SD terhadap Jumlah penerima sebesar 0,000 < 0,05, terdapat pengaruh secara simultan antara tingkat SD, SMP dan SMA terhadap Jumlah Penerima Bantuan sebesar 81,5% dan sisanya sebesar 18,5% dipengaruhi oleh variabel lain yang tidak diteliti. \u0000Abstract. Path analysis is a technique for analyzing causal relationships which is a development of multiple linear regression analysis, if the exogenous independent variable affects the endogenous dependent variable not only directly but also indirectly. As with regression analysis, Path Analysis or Path Analysis can be used to see and determine which variables or which paths are hypothesized to have different units, so standardization is necessary to make all units of variables disappear and the scale of each variable will be uniform. This research was conducted to determine the causal effect on social assistance receipt data. So far, the level of education in poor families is influenced by economic factors assisted by the local government with social assistance. The data used is social assistance data from one of the social assistance programs, namely PKH assistance in the education component. Based on the results of Path Analysis with SPSS, it was found that there was a direct effect between elementary school beneficiaries and junior high school beneficiaries of 0.000 <0.05, there was a direct effect between junior high school","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"6 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115816366","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstrak. Saham merupakan investasi yang nilainya sangat fluktuatif. Kondisi seperti ini menyebabkan investor berhadapan dengan risiko. Risiko dapat berkurang apabila investor bisa membuat prediksi dengan ketelitian yang baik. Tujuan penelitian ini adalah untuk mendapatkan model dan dapat meramalkan harga saham beberapa waktu kedepan. Metode peramalan yang akan digunakan dalam penelitian ini adalah Mixed Autoregressive and Moving Average yaitu gabungan antara model Autoregresif dan Moving Average (ARMA). Penelitian ini menggunakan penutupan harga saham LQ45 periode 1 Maret 2022 hingga 28 April 2023. Hasil yang diperoleh adalah model terbaik yaitu ARMA (1,1). Model layak digunakan karena diperoleh nilai MAPE dengan kategori sangat baik. Abstract. Stock is an investment whose value is very volatile. Conditions like this cause investors to face risks. Risk can be reduced if investors can make predictions with good accuracy. The purpose of this research is to get a model and be able to predict stock prices some time in the future. The forecasting method that will be used in this study is the Mixed Autoregressive and Moving Average, which is a combination of the Autoregressive and Moving Average (ARMA) models. This study uses the closing price of LQ45 shares for the period March 1, 2022 to April 28, 2023. The results obtained are the best model, namely ARMA (1,1). The model is suitable for use because the MAPE value is obtained in a very good category.
{"title":"Penerapan Metode Mixed Autoregressive and Moving Average Untuk Peramalan Harga Saham LQ45","authors":"Gita Sarah Prabawati, Onoy Rohaeni, Eti Kurniati","doi":"10.29313/bcsm.v3i2.8535","DOIUrl":"https://doi.org/10.29313/bcsm.v3i2.8535","url":null,"abstract":"Abstrak. Saham merupakan investasi yang nilainya sangat fluktuatif. Kondisi seperti ini menyebabkan investor berhadapan dengan risiko. Risiko dapat berkurang apabila investor bisa membuat prediksi dengan ketelitian yang baik. Tujuan penelitian ini adalah untuk mendapatkan model dan dapat meramalkan harga saham beberapa waktu kedepan. Metode peramalan yang akan digunakan dalam penelitian ini adalah Mixed Autoregressive and Moving Average yaitu gabungan antara model Autoregresif dan Moving Average (ARMA). Penelitian ini menggunakan penutupan harga saham LQ45 periode 1 Maret 2022 hingga 28 April 2023. Hasil yang diperoleh adalah model terbaik yaitu ARMA (1,1). Model layak digunakan karena diperoleh nilai MAPE dengan kategori sangat baik. \u0000Abstract. Stock is an investment whose value is very volatile. Conditions like this cause investors to face risks. Risk can be reduced if investors can make predictions with good accuracy. The purpose of this research is to get a model and be able to predict stock prices some time in the future. The forecasting method that will be used in this study is the Mixed Autoregressive and Moving Average, which is a combination of the Autoregressive and Moving Average (ARMA) models. This study uses the closing price of LQ45 shares for the period March 1, 2022 to April 28, 2023. The results obtained are the best model, namely ARMA (1,1). The model is suitable for use because the MAPE value is obtained in a very good category.","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"19 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"117007361","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstrak. Dalam dunia nyata, ketidakpastian banyak meliputi proses pengambilan keputusan. Termasuk membuat keputusan tentang ukuran produksi, yang sering dipengaruhi oleh ketidakpastian permintaan. Jika didekati dengan bentuk fuzzy, ketidakpastian yang dinyatakan dalam linguistik sangat tepat. Himpunan fungsi keanggotaan ukuran pemesanan dan biaya persediaan akan dihasilkan dengan menggunakan aturan aritmatika fuzzy untuk menentukan ukuran produksi dalam keadaan fuzzy. Metode fuzzy linear programming (FLP) digunakan untuk menangani ketidakpastian dalam mengambil keputusan. Dalam penelitian ini metode yang digunakan adalah studi literatur dan wawancara. Manfaat dari penelitian ini adalah meningkatkan efisiensi dan profitabilitas produksi, mengurangi biaya dan meminimalkan risiko dalam pengambilan keputusan produksi. Metode penelitian yang digunakan melibatkan pemodelan matematis dengan FLP, pengembangan cutting plane sebagai teknik optimalisasi, dan analisis terhadap hasil pemodelan dan solusi yang dihasilkan. Hasil penelitian ini menunjukan bahwa penggunaan metode FLP dapat menghasilkan solusi yang optimal. Abstract. In the real world, uncertainty pervades many decision-making processes. This includes making decisions about production size, which is often affected by demand uncertainty. When approached in fuzzy form, uncertainty expressed in linguistic terms is very appropriate. The set of membership functions of order size and inventory cost will be generated by using fuzzy arithmetic rules to determine the production size in a fuzzy state. The fuzzy linear programming (FLP) method is used to handle uncertainty in making decisions. In this research, the methods used are literature studies and interviews. The benefits of this research are to increase production efficiency and profitability, reduce costs and minimise risks in production decision making. The research method used involves mathematical modelling with FLP, development of cutting plane as an optimisation technique, and analysis of the modelling results and the resulting solution. The results of this study show that the use of the FLP method can produce an optimal solution.
{"title":"Optimasi Keuntungan Produksi Dengan Metode Fuzzy Linear Programming","authors":"Salsabilla L Veliani, Erwin Harahap, Gani Gunawan","doi":"10.29313/bcsm.v3i2.7862","DOIUrl":"https://doi.org/10.29313/bcsm.v3i2.7862","url":null,"abstract":"Abstrak. Dalam dunia nyata, ketidakpastian banyak meliputi proses pengambilan keputusan. Termasuk membuat keputusan tentang ukuran produksi, yang sering dipengaruhi oleh ketidakpastian permintaan. Jika didekati dengan bentuk fuzzy, ketidakpastian yang dinyatakan dalam linguistik sangat tepat. Himpunan fungsi keanggotaan ukuran pemesanan dan biaya persediaan akan dihasilkan dengan menggunakan aturan aritmatika fuzzy untuk menentukan ukuran produksi dalam keadaan fuzzy. Metode fuzzy linear programming (FLP) digunakan untuk menangani ketidakpastian dalam mengambil keputusan. Dalam penelitian ini metode yang digunakan adalah studi literatur dan wawancara. Manfaat dari penelitian ini adalah meningkatkan efisiensi dan profitabilitas produksi, mengurangi biaya dan meminimalkan risiko dalam pengambilan keputusan produksi. Metode penelitian yang digunakan melibatkan pemodelan matematis dengan FLP, pengembangan cutting plane sebagai teknik optimalisasi, dan analisis terhadap hasil pemodelan dan solusi yang dihasilkan. Hasil penelitian ini menunjukan bahwa penggunaan metode FLP dapat menghasilkan solusi yang optimal. \u0000Abstract. In the real world, uncertainty pervades many decision-making processes. This includes making decisions about production size, which is often affected by demand uncertainty. When approached in fuzzy form, uncertainty expressed in linguistic terms is very appropriate. The set of membership functions of order size and inventory cost will be generated by using fuzzy arithmetic rules to determine the production size in a fuzzy state. The fuzzy linear programming (FLP) method is used to handle uncertainty in making decisions. In this research, the methods used are literature studies and interviews. The benefits of this research are to increase production efficiency and profitability, reduce costs and minimise risks in production decision making. The research method used involves mathematical modelling with FLP, development of cutting plane as an optimisation technique, and analysis of the modelling results and the resulting solution. The results of this study show that the use of the FLP method can produce an optimal solution.","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"11 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121297052","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Sekhan Rozaki Kusuma Wardana Tommy Rustandi, Didi Suhaedi, Yurika Pemanasari
Abstrak. Penelitian ini difokuskan pada klasifikasi biner dengan data linear, dengan tujuan untuk memahami penggunaan pemetaan hyperplane dalam klasifikasi data menggunakan SVM dan bagaimana contoh penerapannya dalam dunia nyata. Metode penelitian yang digunakan meliputi studi literatur terhadap contoh-contoh penerapan SVM dengan pemetaan hyperplane. Hasil penelitian menunjukkan bahwa pemetaan hyperplane penting dalam klasifikasi data dengan SVM. Pemetaan ini memungkinkan SVM untuk memisahkan dua kelas dengan optimal dalam ruang fitur yang lebih tinggi, sehingga meningkatkan performa klasifikasi. Contoh-contoh penerapan pemetaan hyperplane pada SVM dalam dunia nyata juga berhasil diidentifikasi, yang menggambarkan bagaimana SVM dengan pemetaan hyperplane dapat digunakan dalam berbagai masalah klasifikasi dalam kehidupan sehari-hari dalam bentuk numerik sebagai studi kasus pada penelitian ini. SVM dapat digunakan untuk klasifikasi dalam berbagai konteks, termasuk multikelas dan nonlinear, penelitian ini hanya memfokuskan pada klasifikasi biner dengan data linear. Selain itu, penelitian ini tidak secara mendalam membahas penanganan data yang tidak seimbang atau fitur tidak langsung dalam konteks klasifikasi dengan SVM. Abstract. This research was made on binary classification with linear data, with the aim of understanding the use of hyperplane regularity in data classification using SVM and how it is applied in the real world. The research method used includes a literature study of examples of SVM implementation with hyperplane recession. The results of this research show that the hyperplane is important in classifying data with SVM. This mapping allows the SVM to optimally unify the two classes in a higher feature space, thereby increasing classification performance. Examples of the application of hyperplane earthquakes to SVM in the real world were also identified, which illustrates how SVM with hyperplane earthquakes can be used in various classification problems in everyday life in numerical form as a case study in this study. SVM can be used for classification in various contexts, including multiclass and nonlinear, this study only focuses on binary classification with linear data. In addition, this research does not deeply discuss unbalanced handling data or indirect features in the context of classification with SVM.
{"title":"Pemetaan Hyperplane Pada Support Vector Machine","authors":"Sekhan Rozaki Kusuma Wardana Tommy Rustandi, Didi Suhaedi, Yurika Pemanasari","doi":"10.29313/bcsm.v3i2.8187","DOIUrl":"https://doi.org/10.29313/bcsm.v3i2.8187","url":null,"abstract":"Abstrak. Penelitian ini difokuskan pada klasifikasi biner dengan data linear, dengan tujuan untuk memahami penggunaan pemetaan hyperplane dalam klasifikasi data menggunakan SVM dan bagaimana contoh penerapannya dalam dunia nyata. Metode penelitian yang digunakan meliputi studi literatur terhadap contoh-contoh penerapan SVM dengan pemetaan hyperplane. Hasil penelitian menunjukkan bahwa pemetaan hyperplane penting dalam klasifikasi data dengan SVM. Pemetaan ini memungkinkan SVM untuk memisahkan dua kelas dengan optimal dalam ruang fitur yang lebih tinggi, sehingga meningkatkan performa klasifikasi. Contoh-contoh penerapan pemetaan hyperplane pada SVM dalam dunia nyata juga berhasil diidentifikasi, yang menggambarkan bagaimana SVM dengan pemetaan hyperplane dapat digunakan dalam berbagai masalah klasifikasi dalam kehidupan sehari-hari dalam bentuk numerik sebagai studi kasus pada penelitian ini. SVM dapat digunakan untuk klasifikasi dalam berbagai konteks, termasuk multikelas dan nonlinear, penelitian ini hanya memfokuskan pada klasifikasi biner dengan data linear. Selain itu, penelitian ini tidak secara mendalam membahas penanganan data yang tidak seimbang atau fitur tidak langsung dalam konteks klasifikasi dengan SVM. \u0000Abstract. This research was made on binary classification with linear data, with the aim of understanding the use of hyperplane regularity in data classification using SVM and how it is applied in the real world. The research method used includes a literature study of examples of SVM implementation with hyperplane recession. The results of this research show that the hyperplane is important in classifying data with SVM. This mapping allows the SVM to optimally unify the two classes in a higher feature space, thereby increasing classification performance. Examples of the application of hyperplane earthquakes to SVM in the real world were also identified, which illustrates how SVM with hyperplane earthquakes can be used in various classification problems in everyday life in numerical form as a case study in this study. SVM can be used for classification in various contexts, including multiclass and nonlinear, this study only focuses on binary classification with linear data. In addition, this research does not deeply discuss unbalanced handling data or indirect features in the context of classification with SVM.","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"168 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125561602","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. COVID-19 first emerged in 2019 in Wuhan, the capital of Hubei Province, China and spread around the world to date. The rapid spread of the virus has made researchers interested in modeling the spread of the virus. Research on epidemiological mathematical models regarding COVID-19, one of which was conducted by Mohamed Lounis & Dilip Kumar Mugal who estimated the parameters of the SIR COVID-19 model in Algeria, in this study will be carried out prediction of the peak of the spread of COVID-19 in Indonesia with mathematical modeling susceptible, infected, removed removed (SIR). Prediction of the peak of the spread is done using the Order 4 Runge Kutta method and python software. From a series of tests that have been carried out, the results of predicting the peak of the spread of COVID-19 in Indonesia occurred around October to November 2020. Based on comparisons with actual data, there was a difference in the results of peak spread where in the prediction can only predict one peak of spread, in fact there are 2 peak spreads, namely November to December 2020 and January 2021 to February 2021. And the spread of the COVID-19 virus will be close to zero at 550 days after March 2020, which is around September 2021. Abstrak. COVID-19 pertama kali muncul pada tahun 2019 di Wuhan, Ibukota Provinsi Hubei, Tiongkok dan menyebar ke seluruh dunia hingga saat ini. Penyebaran virus yang sangat cepat membuat para peneliti tertarik untuk membuat model penyebaran virus tersebut. Penelitian tentang model matematika epidemiologi mengenai COVID-19 salah satunya dilakukan oleh Mohamed Lounis & Dilip Kumar Bagal yang melakukan estimasi parameter model SIR COVID-19 di Aljazair, pada penelitian ini akan dilakukan prediksi puncak penyebaran COVID-19 di Indonesia dengan pemodelan matematika Susceptible, Infected, Removed (SIR). Prediksi puncak penyebaran dilakukan dengan menggunakan metode Runge Kutta Orde 4 dan software python. Dari serangkaian pengujian yang telah dilakukan maka diperoleh hasil prediksi puncak penyebaran COVID-19 di Indonesia terjadi pada sekitar bulan Oktober hingga November 2020. Berdasarkan perbandingan dengan data actual, ditemukan perbedaan hasil puncak penyebaran dimana pada prediksi hanya dapat memprediksi satu kali puncak penyebaran, pada kenyatannya terjadi 2 kali puncak penyebaran yaitu bulan November hingga Desember 2020 serta Januari 2021 hingga Februari 2021. Dan angka penyebaran virus COVID-19 akan mendekati nol pada 550 hari setelah bulan Maret 2020 yaitu sekitar bulan September 2021.
抽象的。2019年，新冠肺炎疫情首次在中国湖北省会武汉出现，至今已蔓延至世界各地。这种病毒的迅速传播使研究人员对建立病毒传播模型产生了兴趣。关于COVID-19的流行病学数学模型研究，其中一项研究由Mohamed Lounis和Dilip Kumar Mugal进行，他们估计了阿尔及利亚SIR COVID-19模型的参数，在本研究中，将使用易感、感染、移除(SIR)的数学模型预测COVID-19在印度尼西亚的传播高峰。使用4阶龙格库塔法和python软件预测传播的峰值。从已经进行的一系列测试来看，预测2019冠状病毒病在印度尼西亚传播高峰的结果发生在2020年10月至11月左右。通过与实际数据的对比，预测中只能预测一个传播高峰的峰值传播结果存在差异，实际上有2个峰值传播，即2020年11月至12月和2021年1月至2021年2月。2020年3月后550天，也就是2021年9月左右，新冠病毒的传播将接近于零。Abstrak。2019新型冠状病毒肺炎(COVID-19)在武汉，在湖北，在武汉，在武汉，在武汉，在武汉，在武汉，在武汉，在武汉，在武汉，在武汉。Penyebaran病毒的研究进展。Penyebaran病毒的研究进展。Penelitian tentang模型matematika流行病学menmenai COVID-19 salah satunya dilakukan oleh Mohamed Lounis & Dilip Kumar Bagal yang melakukan估计参数模型SIR Aljazair的COVID-19, padadpenelitian ini akan dilakukan prediksi puncak penyebaran印度尼西亚的COVID-19易感，感染，移除(SIR)。Prediksi点开penyebaran dilakukan dengan menggunakan方法龙格库塔秩序4丹软件python。2020年10月至11月，印度尼西亚，2019年10月至11月。Berdasarkan perbandingan and dengan data actual, ditemukan perbedaan hasil puncak penyebaran dimana pada prediksi hanya dapat memprediksi satu kali puncak penyebaran, pada kenyatannya terjadi 2 kali puncak penyebaran yitu bulan 11月2020年12月2021年1月2021年2月2021年2月。Dan angka penyebaran病毒COVID-19 akan mendekati nol pada 550 hari setelah bulan市场2020 yaitu sekitar bulan 2021年9月。
{"title":"Model Susceptible Infected Removed (SIR) Penyebaran COVID-19 di Indonesia Menggunakan Metode Runge Kutta","authors":"Devy Andriyani, G. Gunawan, Didi Suhaedi","doi":"10.29313/bcsm.v3i1.6984","DOIUrl":"https://doi.org/10.29313/bcsm.v3i1.6984","url":null,"abstract":"Abstract. COVID-19 first emerged in 2019 in Wuhan, the capital of Hubei Province, China and spread around the world to date. The rapid spread of the virus has made researchers interested in modeling the spread of the virus. Research on epidemiological mathematical models regarding COVID-19, one of which was conducted by Mohamed Lounis & Dilip Kumar Mugal who estimated the parameters of the SIR COVID-19 model in Algeria, in this study will be carried out prediction of the peak of the spread of COVID-19 in Indonesia with mathematical modeling susceptible, infected, removed removed (SIR). Prediction of the peak of the spread is done using the Order 4 Runge Kutta method and python software. From a series of tests that have been carried out, the results of predicting the peak of the spread of COVID-19 in Indonesia occurred around October to November 2020. Based on comparisons with actual data, there was a difference in the results of peak spread where in the prediction can only predict one peak of spread, in fact there are 2 peak spreads, namely November to December 2020 and January 2021 to February 2021. And the spread of the COVID-19 virus will be close to zero at 550 days after March 2020, which is around September 2021. \u0000Abstrak. COVID-19 pertama kali muncul pada tahun 2019 di Wuhan, Ibukota Provinsi Hubei, Tiongkok dan menyebar ke seluruh dunia hingga saat ini. Penyebaran virus yang sangat cepat membuat para peneliti tertarik untuk membuat model penyebaran virus tersebut. Penelitian tentang model matematika epidemiologi mengenai COVID-19 salah satunya dilakukan oleh Mohamed Lounis & Dilip Kumar Bagal yang melakukan estimasi parameter model SIR COVID-19 di Aljazair, pada penelitian ini akan dilakukan prediksi puncak penyebaran COVID-19 di Indonesia dengan pemodelan matematika Susceptible, Infected, Removed (SIR). Prediksi puncak penyebaran dilakukan dengan menggunakan metode Runge Kutta Orde 4 dan software python. Dari serangkaian pengujian yang telah dilakukan maka diperoleh hasil prediksi puncak penyebaran COVID-19 di Indonesia terjadi pada sekitar bulan Oktober hingga November 2020. Berdasarkan perbandingan dengan data actual, ditemukan perbedaan hasil puncak penyebaran dimana pada prediksi hanya dapat memprediksi satu kali puncak penyebaran, pada kenyatannya terjadi 2 kali puncak penyebaran yaitu bulan November hingga Desember 2020 serta Januari 2021 hingga Februari 2021. Dan angka penyebaran virus COVID-19 akan mendekati nol pada 550 hari setelah bulan Maret 2020 yaitu sekitar bulan September 2021.","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-02-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121787237","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Abstract. Travel is a mode of transportation that can be used to travel the Jakarta – Bandung route. Many travel fleets that can be the user's choice. Errors in selecting travel fleets have an impact on user discomfort when traveling. In this research a decision support system will be built that will select the travel fleet that can be the user's choice. The method used is the SAW method. The SAW method is a method that can choose the best alternative from several alternatives based on criteria. The SAW method requires the weight given to each criterion. The Entropy method can be used to determine the weight of the criteria so that research is more objective. The SAW and Entropy method algorithms are: data input, data normalization based on cost/benefit criteria attributes, summing the normalized data for each criterion, calculating the entropy value of each criterion, summing the entropy values, calculating the final entropy weight, calculating the preference value of each alternative and sorting it. There are 6 alternative travel fleets that depart via the Pasteur area and end in the Cawang area, namely: Bhineka Shuttle, MyTrans Travel, Aya Travel, Lintas Shuttle, Jackal Holiday and DayTrans. The criteria used are: price, travel time, rating, facilities, and service. The final result of the calculation using the SAW and Entropy methods was chosen as a travel service recommendation, namely Lintas Travel with a final value of 0.94552021. Abstrak. Travel merupakan moda transportasi yang dapat digunakan untuk melakukan perjalanan rute Jakarta – Bandung. Banyak armada travel yang bisa menjadi pilihan pengguna. Kesalahan dalam pemilihan armada travel berimbas pada ketidaknyamanan pengguna saat melakukan perjalanan. Pada penelitian ini akan dibangun suatu sistem pendukung keputusan yang akan menyeleksi armada travel yang dapat menjadi pilihan pengguna. Metode yang digunakan adalah metode SAW. Metode SAW adalah salah satu metode yang dapat memilih alternatif terbaik dari beberapa alternatif berdasarkan kriteria. Metode SAW memerlukan bobot yang diberikan terhadap setiap kriteria. Metode Entropy dapat digunakan untuk menentukan bobot kriteria supaya penelitian lebih objektif. Algoritma metode SAW dan Entropy yaitu: input data, normalisasi data berdasarkan atribut kriteria cost/benefit, menjumlahkan data normalisasi setiap kriteria, menghitung nilai entropy setiap kriteria, menjumlahkan nilai entropy, menghitung bobot entropy akhir, menghitung nilai preferensi setiap alternatif serta mengurutkannya. Terdapat 6 alternatif armada travel yang memiliki rute keberangkatan melalui daerah Pasteur dan menyudahi tujuan ke daerah Cawang yaitu: Bhineka Shuttle, MyTrans Travel, Aya Travel, Lintas Shuttle, Jackal Holiday, dan DayTrans. Kriteria yang digunakan yaitu: harga, waktu tempuh, rating, fasilitas, dan pelayanan. Hasil akhir perhitungan menggunakan metode SAW dan Entropy terpilihlah rekomendasi layanan travel yaitu Lintas Travel dengan nilai akhir 0,94552021.
摘要旅行是一种交通方式，可以用来旅行雅加达-万隆路线。许多旅行车队，可以是用户的选择。选择出行车队的错误会影响用户出行时的不适。在本研究中，将建立一个决策支持系统，以选择可以供用户选择的出行车队。使用的方法是SAW方法。SAW方法是一种基于标准从多个备选方案中选择最佳备选方案的方法。SAW方法要求对每个准则赋予权重。熵值法可以用来确定标准的权重，使研究更加客观。SAW法和熵法算法分别是:数据输入，基于成本/效益准则属性的数据归一化，对每个准则的归一化数据求和，计算每个准则的熵值，对熵值求和，计算最终的熵权，计算每个备选方案的偏好值并进行排序。有6个可选择的旅行车队从巴斯德地区出发，在Cawang地区结束，即:bineka Shuttle, MyTrans travel, Aya travel, Lintas Shuttle, Jackal Holiday和DayTrans。使用的标准是:价格、旅行时间、评级、设施和服务。最后选择SAW和Entropy方法计算的最终结果作为旅游服务推荐，即Lintas travel，最终值为0.94552021。Abstrak。旅游merupakan moda transportasi yang dapat digunakan untuk melakukan perjalanan rute雅加达万隆。Banyak舰队旅行杨比萨门贾迪pilihan彭古纳。Kesalahan dalam pemilihan armada travel berimbas pada ketidaknyamanan pengguna saat melakukan perjalanan。帕达潘里特尼阿坎迪班昆苏图系统，彭杜贡克普图桑，阿坎门耶列克斯，舰队旅行，阿坎门耶列克斯。Metode yang diunakan adalah Metode SAW。Metode SAW adalah salah satu Metode yang dapat memilif alternatif terbaik dari beberapa alternatif berdasarkan准则。方法:建立了一种新型的超声成像方法。方法熵法(metotoentropy)是一种新的方法。算法方法为:输入数据、正态化数据、非正则化数据、成本/收益、非正则化数据、非正则化数据、非正则化数据、非正则化数据、非正则化数据、非正则化数据、非正则化数据、非正则化数据。Terdapat 6替代舰队旅行yang memoriliki rute keberangkatan melalui daerah Pasteur danmenyudahi tujuan ke daerah cawangyitu: bineka Shuttle, MyTrans travel, Aya travel, Lintas Shuttle, Jackal Holiday, dan DayTrans。梵语:harga, waktu tempuh, rating, fasilitas, dan pelayanan。哈希尔·阿喀里亚喀尔·孟古纳坎的方法SAW丹熵terpilihlah推荐的阿喀里亚纳旅游雅图·阿喀里亚纳旅游登甘·阿喀里亚纳旅游，94552021。
{"title":"Implementasi Metode SAW dan Entropy pada Pemilihan Armada Travel","authors":"Muhammad Hamzah, Didi Suhaedi, Y. Ramdani","doi":"10.29313/bcsm.v3i1.6927","DOIUrl":"https://doi.org/10.29313/bcsm.v3i1.6927","url":null,"abstract":"Abstract. Travel is a mode of transportation that can be used to travel the Jakarta – Bandung route. Many travel fleets that can be the user's choice. Errors in selecting travel fleets have an impact on user discomfort when traveling. In this research a decision support system will be built that will select the travel fleet that can be the user's choice. The method used is the SAW method. The SAW method is a method that can choose the best alternative from several alternatives based on criteria. The SAW method requires the weight given to each criterion. The Entropy method can be used to determine the weight of the criteria so that research is more objective. The SAW and Entropy method algorithms are: data input, data normalization based on cost/benefit criteria attributes, summing the normalized data for each criterion, calculating the entropy value of each criterion, summing the entropy values, calculating the final entropy weight, calculating the preference value of each alternative and sorting it. There are 6 alternative travel fleets that depart via the Pasteur area and end in the Cawang area, namely: Bhineka Shuttle, MyTrans Travel, Aya Travel, Lintas Shuttle, Jackal Holiday and DayTrans. The criteria used are: price, travel time, rating, facilities, and service. The final result of the calculation using the SAW and Entropy methods was chosen as a travel service recommendation, namely Lintas Travel with a final value of 0.94552021. \u0000Abstrak. Travel merupakan moda transportasi yang dapat digunakan untuk melakukan perjalanan rute Jakarta – Bandung. Banyak armada travel yang bisa menjadi pilihan pengguna. Kesalahan dalam pemilihan armada travel berimbas pada ketidaknyamanan pengguna saat melakukan perjalanan. Pada penelitian ini akan dibangun suatu sistem pendukung keputusan yang akan menyeleksi armada travel yang dapat menjadi pilihan pengguna. Metode yang digunakan adalah metode SAW. Metode SAW adalah salah satu metode yang dapat memilih alternatif terbaik dari beberapa alternatif berdasarkan kriteria. Metode SAW memerlukan bobot yang diberikan terhadap setiap kriteria. Metode Entropy dapat digunakan untuk menentukan bobot kriteria supaya penelitian lebih objektif. Algoritma metode SAW dan Entropy yaitu: input data, normalisasi data berdasarkan atribut kriteria cost/benefit, menjumlahkan data normalisasi setiap kriteria, menghitung nilai entropy setiap kriteria, menjumlahkan nilai entropy, menghitung bobot entropy akhir, menghitung nilai preferensi setiap alternatif serta mengurutkannya. Terdapat 6 alternatif armada travel yang memiliki rute keberangkatan melalui daerah Pasteur dan menyudahi tujuan ke daerah Cawang yaitu: Bhineka Shuttle, MyTrans Travel, Aya Travel, Lintas Shuttle, Jackal Holiday, dan DayTrans. Kriteria yang digunakan yaitu: harga, waktu tempuh, rating, fasilitas, dan pelayanan. Hasil akhir perhitungan menggunakan metode SAW dan Entropy terpilihlah rekomendasi layanan travel yaitu Lintas Travel dengan nilai akhir 0,94552021.","PeriodicalId":243556,"journal":{"name":"Bandung Conference Series: Mathematics","volume":"57 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-01-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115822519","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：