Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam beberapa tahun terakhir, jumlah investor saham di Indonesia meningkat pesat, sehingga perlu dilakukan analisis tentang saham yang dapat membantu investor dalam rencana investasinya. Pengelompokan saham dapat membantu investor memilih saham yang sesuai untuk investor. Sayangnya, harga saham terus berubah dari waktu ke waktu. Akibatnya, kegiatan memilih saham untuk investasi bukanlah hal yang mudah. Selain itu, data time series saham dipengaruhi oleh banyak faktor yang mempertimbangakan time frame, kemudian menjadikan data pada setiap sektor memiliki jumlah faktor yang banyak yang disebut data dimensi tinggi. Karena itu, penting untuk menggunakan teknik yang cocok untuk mengelompokkan data dimensi tinggi. Penelitian ini menyajikan dua pendekatan yang dapat digunakan untuk data dimensi tinggi, yaitu subspace clustering dan dimension reduction. Pendekatan subspace clustering menggunakan metode High Dimensional Data Clustering (HDDC), sebuah teknik klasterisasi berbasis model berdasarkan Gaussian Mixture Model, dengan menggunakan algoritma Expectation-Maximization (EM). Pada pendekatan dimension reduction menggabungkan teknik reduksi fitur dan teknik klasterisasi yang sudah sering digunakan yaitu K-Means. Penelitian ini menggunakan dua pendekatan reduksi fitur, yaitu ekstraksi fitur menggunakan Principal Component Analysis (PCA) dan pemilihan fitur menggunakan Correlation Attribute Evaluation. Luaran dari penelitian ini adalah 2 klaster terbentuk di sektor agrikultur, 3 klaster di sektor pertambangan, 4 klaster di sektor industri dasar dan kimia, 2 klaster di sektor aneka industri, 2 klaster di sektor industri konsumsi, 2 klaster di sektor properti dan real estate, 2 klaster di sektor infrastruktur, 2 klaster di sektor keuangan, dan 4 klaster di sektor perdagangan. Dari perhitungan indeks validasi klasterisasi, teknik seleksi fitur memberikan performa yang lebih baik.

---

In recent years, the stock investor in Indonesia has been increasing rapidly, hence it is required to conduct analysis about the stock that helps the investor in their investment plan. Clustering is beneficial to select the appropriate stock for investors. Unfortunately, stock prices keep varying from time to time. Consequently, it is not an easy work to select the stock for investment. In addition, stock price time series data influenced by many factors, so the factors in this study consider the time frame that makes the data in each sector has a larger number of features that called high dimensional data. In this study, high dimensional data are obtained by the time frame of each factor. Therefore, it is important to use a suitable technique to cluster high dimensional data. This study presents two approaches that can be used for high dimensional data, namely subspace clustering and dimension reduction. The subspace clustering approach uses High Dimensional Data Clustering (HDDC), a model-based clustering based on Gaussian Mixture Model, with using the Expectation-Maximization (EM) algorithm. The dimension reduction approach combines feature reduction techniques and common clustering technique, that is K-Means. This study uses two feature reduction approaches, namely feature extraction using Principal Component Analysis (PCA) and feature selection using Correlation Attribute Evaluation. The output of this study are 2 clusters formed in agricultural sector, 3 clusters formed in mining sector, 4 clusters formed in basic and chemical industry sector, 2 clusters formed in various industrial sector, 2 clusters formed in consumption industry sector, 2 clusters formed in property and real estate sector, 2 clusters formed in infrastructure sector, 2 clusters formed in financial sector, and 4 clusters formed in trade sector. Based on the clustering validation index, feature selection techniques provide better performance."

"Pensiun adalah jaminan hari tua dan penghargaan atas jasa aparatur sipil negara yang telah mengabdikan diri kepada negara. PT Taspen (Persero) sebagai Badan Usaha Milik Negara yang diberikan tugas oleh pemerintah untuk mengelola asuransi sosial aparatur sipil negara memiliki tantangan untuk memastikan uang pensiun disalurkan secara tepat. Pada pembayaran pensiun untuk kelompok janda/duda masih ditemukan ketidaktepatan pembayaran karena status pensiun janda/duda yang tidak teridentifikasi seperti telah menikah kembali. Penelitian ini bertujuan membentuk model prediksi status pensiun janda/duda yang memiliki potensi menikah kembali. Proses prediksi status pensiun janda/duda menggunakan teknik data mining klasifikasi dengan menggunakan data demografi, sosial ekonomi peserta pensiun dan data transaksi proses pengambilan pensiun pada kelompok pensiun janda/duda. Sebagai perbandingan digunakan 3 algoritma klasifikasi yaitu Decision Tree, Naïve Bayes dan Support Vector Machine. Beberapa atribut yang berpengaruh dalam penelitian ini yaitu jenis kelamin, usia, usia pernikahan sebelumnya, usia status janda/duda, dan kode pengambilan pensiun selama 3 bulan terakhir. Model yang terbentuk memberi wawasan bahwa pensiun duda dan semakin muda usia pernikahan, usia peserta serta usia status janda/duda memiliki potensi yang tinggi untuk menikah kembali. Hasil penelitian menunjukkan algoritma Support Vector Machine memiliki kinerja yang paling baik dengan tingkat akurasi sebesar 89,23%.

---

Pension is a guarantee of old age and appreciation for the services of state civil servants who have devoted themselves to the state. PT Taspen (Persero) as a state-owned company given the task of managing the social insurance of the state civil servants has a challenge to ensure pension money is distributed appropriately. The pension payments for the widows/widowers were still found to be overdue because the pension for widows/widowers who had remarried was not identified. This study aims to predict changes in the pension status of widows/widowers who have the potential to remarry.

This study aims to form a prediction model for the pension status of widows/widowers who have the potential to remarry. The process of predicting the pension status of widows/widowers uses classification data mining techniques using demographic, socio-economic data of pension participants and data on pension retrieval processes in the widow/widower pension group. As a comparison, 3 classification algorithms are used, Decision Tree, Naïve Bayes and Support Vector Machine.

Some of the influential attributes in this study are gender, age, age of previous marriage, age of widow/widower status, and retirement retirement code for the last 3 months. The model that is formed provides an insight that the retirement of the widower and/or the younger the age of marriage, the age of the participants and the age of the widow/widower status have a high potential for remarriage. The results showed that the Support Vector Machine algorithm has the best performance with an accuracy rate of 89.23%."

"Metode well-logging merupakan salah satu metode yang digunakan oleh geofisikawan dalam mendelineasi zona prospek hidrokarbon yang meliputi informasi lapisan dan zona penyebaran hidrokarbon. Akan tetapi dalam data well-logging acapkali nilai well-logging hilang atau tidak lengkap pada interval kedalaman tertentu akibat masalah operasional dalam proses pengeboran. Sehingga untuk mengatasi hal ini diperlukan suatu pendekatan yang dapat dilakukan dengan cepat dan tepat dengan menggunakan metode data mining. Berdasarkan komponen log yang lengkap, nilai log yang hilang dapat diprediksi dengan salah satu algoritma, yaitu regresi random forest. Algoritma ini bekerja dengan cara membuat ensemble pohon keputusan yang dimodelkan dan dilatih dengan parameter yang disesuaikan dan dikombinasikan dengan antarmuka pengguna grafis. Pengombinasian antarmuka grafis dilakukan dalam mempermudah pengguna dalam mengoperasikan dan menginterpretasikan hasil prediksi. Adapun log yang diprediksi merupakan log gamma ray (GR), log bulk density (RHOB), log neutron (NPHI), log sonic (DT), dan log deep resistivity (ILD) pada wilayah kerja Cekungan Sengkang dengan divariasikan prediksi antara per formasi dan blind well. Hasil prediksi yang dihasilkan regresi random forest dalam metode data mining menunjukkan hasil yang akurat untuk log porositas (densitas, sonic, dan neutron) dengan rentang akurasi dari 89% hingga 94%. Sedangkan untuk log lainnya seperti log gamma ray dan resistivitas diperlukan penyusunan parameter dan data latih kembali.

---

Well-logging method is one of the methods used by geophysicists in delineating the hydrocarbon prospect zone which includes information about layer and distribution zone of hydrocarbons. However, in well-logging data, some values ​​are often missing or incomplete at certain depth intervals due to operational problems in the drilling process. To overcome this we need an approach that can be done quickly and precisely by data mining methods. Based on the complete log component, the missing log value can be predicted using one of the algorithms, namely random forest regression. This algorithm works by creating an ensemble of modeled and trained decision trees with adjusted parameters and combined with a graphical user interface. The combination of a graphical interface is done to make it easier for users to operate and interpret the predicted results. The predicted logs are gamma ray log (GR), bulk density log (RHOB), neutron log (NPHI), sonic log (DT), and deep resistivity log (ILD) in the Sengkang Basin area with varied predictions between formation and blind well. Prediction results generated by random forest regression in the data mining method show accurate results for porosity logs with an accuracy range from 89% to 94%. Meanwhile, for other logs such as gamma ray and resistivity logs, it is necessary to compile parameters and data train."

"Pertambangan batuan di Sungai Jali menjadi mata pencaharian masyarakat Desa Mlaran mulai tahun 1989. Melalui mata pencaharian ini, masyarakat desa memenuhi kebutuhan sehari-hari dengan menambang cara manual. Pada tahun 2015-2021 dimulai pertambangan batuan dengan menggunakan cara mekanik atau melibatkan alat berat untuk menambang material sirtu. Pertambangan tersebut menyebabkan kerusakan lingkungan menjadi semakin parah setelah di masa sebelumnya mengalami longsor pada beberapa titik lahan pertanian. Penelitian ini menggunakan metode kualitatif dengan teknik pengumpulan data melalui observasi partisipasi dan wawancara mendalam. Hasil penelitian menunjukkan bahwa pertambangan batuan tahun 2015-2021 menjadi penyebab masyarakat Desa Mlaran beralih dari sektor pertambangan menuju pertanian. Selain itu ditemukan bahwa masyarakat desa yang beralih ke pertanian sebagian besar menggarap lahan pasir di sepanjang Sungai Jali yang melintasi Desa Mlaran. Sementara sebagian kecil masyarakat masih bertahan menambang batu dengan cara yang dimodifikasi dari sebelumnya menyesuaikan kondisi sungai dan akses jalan.

---

Rock mining in the Jali River became the livelihood of the people of Mlaran Village starting in 1989. Through this livelihood, villagers meet their daily needs by mining manually. In 2015-2021, rock mining began using mechanical means or involving heavy equipment to mine stone sand materials. The mining caused environmental damage to worsen after experiencing landslides at several points of agricultural land in the past. This study used qualitative methods with data collection techniques through observation, participation, and in-depth interviews. The results showed that rock mining in 2015-2021 caused the people of Mlaran Village to switch from the mining sector to agriculture. In addition, it was found that villagers who switched to agriculture mostly worked on sandland along the Jali River that crosses Mlaran Village. While a small number of people still survive mining stones in a modified way from before adjusting the conditions of the river and road access."

"Saat ini terdapat hampir 400 emiten saham syariah yang terdaftar di Bursa Efek Indonesia. Banyaknya jumlah tersebut menyulitkan para investor untuk memilih saham terbaik yang akan dijadikan portfolio. Oleh karena itu, diperlukan analisis clustering untuk mendapatkan kelompok saham yang memiliki nilai imbal hasil yang diharapkan. Sejauh ini, aktivitas yang penting dalam aktivitas clustering adalah penentuan tingkat perbedaan antar objek dalam suatu dataset. Dalam studi kasus penelitian ini, objek yang dimaksud adalah data deret waktu terkait harga saham untuk emiten-emiten saham syariah. Metode yang umum digunakan dalam mengukur dissimilarity measure tersebut adalah Euclidean distance dan dynamic time warping (DTW). Euclidean distance merupakan metode konvensional yang masih sering digunakan meskipun telah berkembang metode yang lebih kompleks, DTW. Penelitian ini bertujuan untuk membandingkan karakteristik kedua metode tersebut dalam studi kasus data deret waktu tentang harga saham. Selain itu, penelitian ini juga ingin mengetahui efektivitas variabel candle dalam memprediksi harga saham. Mulanya, dilakukan pembersihan terhadap dataset sebelum diaplikasikan metode dissimilarity measure. Selanjutnya, hasil tersebut menjadi acuan dalam analisis hierarchical clustering dan dipilih kelompok terbaik. Selain itu, dilakukan pula prediksi harga saham menggunakan kombinasi beberapa variabel bebas yang terdiri atas OHLC, technical, dan candle. Hasil dari penelitian ini menunjukkan bahwa Euclidean distance lebih efektif dibandingkan DTW dalam memberikan rekomendasi portfolio pilihan. Selain itu, tambahan variabel candle dalam kombinasi variabel OHLC dan technical mampu meminimalkan error dengan baik.

---

Currently, there are nearly 400 sharia stocks listed on the Indonesia Stock Exchange. A large number of these makes it difficult for investors to choose the best stocks that will be used as a portfolio. Therefore, clustering analysis is needed to get a group of stocks that have the expected return value. So far, an important activity in clustering activities is to determine the dissimilarity among datasets. In this research, it used time-series data related to stock prices for sharia stocks. The methods commonly used in measuring the dissimilarity measure are Euclidean distance and dynamic time warping (DTW). Euclidean distance is a conventional method that is still frequently used rather than a more complex method, DTW. This study aims to compare the characteristics of those two methods using the time series dataset. Besides, this study also wants to determine the effectiveness of the candle variable in predicting stock prices. At first, the missing value in the dataset was omitted before the dissimilarity measure method was applied. Furthermore, these results become a reference in hierarchical clustering analysis and the best group is selected. Also, stock price predictions are carried out using the combination of several independent variables consisting of OHLC, technical, and candles. The results indicate that Euclidean distance is more effective than DTW in providing a selected portfolio. In another hand, the additional candle variable combined with OHLC and technical variables can minimize errors properly."

"Upaya untuk meningkatkan kepuasan dan loyalitas donatur serta untuk memandu perumusan perencanaan pengembangan organisasi, maka dibutuhkan strategi pengembangan donatur, adapun untuk melakukan strategi pengembangan donatur dapat dilakukan dengan pendekatan data mining yang meliputi pengelompokan donatur dengan metode clustering dan hasil pengelompokan tersebut dievaluasi dengan artificial neural network (multilayer perceptron), dan menggunakan metode association rules untuk menganalisa peta pemasaran serta dirumuskan strategi pengembangan donatur berdasarkan data transaksi dan visi misi. Hasil penelitian menyarankan bahwa manajemen hubungan lembaga amil zakat dengan donatur perlu dikembangkan sehingga terjalin komunikasi yang aktif antar keduanya.

---

Efforts to increase donor satisfaction and loyalty as well as to guide the formulation of organizational development planning, donor development strategy is required, as for donors to make development strategy can be done with data mining approach that involves the grouping of donors by the method of clustering and classification results were evaluated by artificial neural network (multilayer perceptron), and using methods of association rules to analyze a map of marketing and donor development strategies are formulated based on transaction data and the vision and mission. The results suggest that the management of relations with donor amil zakat institution should be developed so that active communication is established between them."

"Sertifikat tanah merupakan surat tanda bukti hak yang berlaku sebagai alat pembuktian yang kuat mengenai data fisik dan data yuridis untuk kepemilikan tanah seseorang. Salah satu jenis pendaftaran sertifikat tanah yaitu sertifikat tanah rutin yang terdiri dari beberapa jenis objek sertifikat diantaranya adalah sertifikat tanah roya, peralihan hak atas tanah, perubahan hak atas tanah, hak tanggungan, split dan pendaftaran pertama kali. Instansi pemerintah yang memiliki wewenang mengeluarkan sertifikat tanah di Indonesia adalah Kementrian ATR/BPN melalui Kantor Pertanahan salah satunya yang terletak di Kabupaten Bandung. Namun kondisi yang terjadi di Kantor Pertanahan Kabupaten Bandung masih terdapat perlambatan penerbitan sertifikat tanah di setiap waktunya. Beberapa penyebab perlambatan tersebut karena proses perencanaan jumlah blangko dan petugas ukur yang masih belum sesuai. Sehingga diperlukan adanya perbaikan proses perencanaan menggunakan peramalan dengan pendekatan data mining untuk mendapatkan model terbaik. Metode yang digunakan adalah perbandingan metode Autoregressive Integrated Moving Average (ARIMA) dan Artificial Neural Network (ANN). Setelah dilakukan analisis berdasarkan Root Mean Square Error (RMSE), ANN dapat menghasilkan model dengan tingkat akurasi yang terbaik untuk melakukan peramalan pada masing-masing jenis sertifikat tanah dibandingkan ARIMA karena hasil dari ANN memiliki tingkat kesalahan terkecil.

---

A land certificate is a certificate of proof of rights that serves as a strong proof of physical data and juridical data for a person's land ownership. One type of land certificate registration is a routine land certificate consisting of several types of certificate objects includigroya land certificates, transfer of land rights, changes to land rights, mortgage rights, splits, and first registration. The government agency authorized to issue land certificatesin Indonesia is the Ministry of ATR/BPN through the land office, one of which is in Bandung Regency. However, the conditions that occur in the Bandung Regency land office are still a slowdown in the issuance of land certificates every time. Some of the reasons for the slowdown occurred because the planning process for the number of blanks and measuring officers was still not appropriate. So, it is necessary to improve the planning process using forecasting with a data mining approach to get the best model. The method used is to compare the Autoregressive Integrated Moving Average (ARIMA)and Artificial Neural Network (ANN) methods. After analyzing based on Root Mean Square Error (RMSE), the ANN can produce a model with the best accuracy forforecasting each type of land certificate compared to the ARIMA because the results of the ANN have the smallest error rate."

"Dengan adanya teknologi, pelaku usaha dapat memanfaatkannya sebagai salah satu faktor pendorong peningkatan operasional bisnis menjadi lebih efisien. Peningkatan jumlah pengguna yang beralih ke mesin kasir modern mengakibatkan kemunculan perusahaan penyedia dengan layanan dan harga yang tidak jauh berbeda. Di Indonesia perusahaan penyedia meisn kasir modern bersaing untuk dapat mempertahankan pelanggannya. Penelitian ini bertujuan untuk mendapatkan informasi mengenai karakteristik pelanggan dengan membuat segmentasi pelanggan berdasarkan perilaku penggunaan mesin kasir pada usaha yang dikelolanya. Setelah diketahui kelompok pelanggan dengan karakteristiknya, setiap kelompok akan diklasifikasikan berdasarkan status pelanggan (Aktif dan Tidak Aktif). Data untuk penelitian ini didapatkan dari salah satu perusahaan penyedia yang menjadi pelopor mesin kasir modern di Indonesia. Atribut yang dipilih yaitu Length, Recency, Frequency, dan Monetary (LRFM). Data Mining merupakan metode yang dapat digunakan untuk mengidentifikasi informasi yang berada pada set data untuk Customer Relationship Management. Metode yang digunakan untuk segmentasi pelanggan adalah metode K-Means Clustering sedangkan untuk klasifikasi status pelanggan adalah metode Decision Tree C4.5. Hasil dari penelitian ini berupa karakteristik setiap kelompok pelanggan dan model prediksi status pelanggan yang dapat digunakan sebagai dasar pembuatan usulan strategi untuk membantu perusahaan dalam penyusunan strategi retensi pelanggan.

---

As the development of technology becomes advanced, businessmen can utilize it as one of the factors to drive the improvement or growth of their business operations to be more efficient. The increasing number of users who switch to use the modern cash register machines has resulted in the emergence of company with services and price that are not much different. In Indonesia, modern cash register companies compete to be able to retain their customers. This study aims to get information about the characteristics of customers through customer segmentation based on the behavior. After knowing the customer segments with their characteristics, each segment will be classified based on customer status (Active and Inactive). The data for this study was obtained from one of the provider companies that became the pioneer of the modern cash register in Indonesia. The selected attributes are Length, Recency, Frequency, and Monetary (LRFM). Data Mining is a method that can be used to identify information that is in a data set for Customer Relationship Management. The method used for customer segmentation is the K-Means Clustering while the classification of customer status is the Decision Tree C4.5. The results of this study are in the form of characteristics of each customer group and customer status prediction models that can be used as the basis for making strategies to assist companies in preparing customer retention strategies."

"Telemedicine merupakan solusi ideal untuk menjadi layanan kesehatan di era COVID-19. Halodoc merupakan salah satu aplikasi telemedicine terbaik di Indonesia. Sejak tahun 2022, Halodoc sudah mempunyai lebih dari 15.000.000 pengguna sehingga perlu mengganti fokus bisnisnya dari product oriented menjadi customer oriented. Halodoc perlu melakukan analisis customer segmentation untuk mengetahui karakteristik pengguna lebih dalam. Analisis ini menggunakan salah satu teknik data mining yaitu clustering menggunakan algoritma K-Prototypes. Atribut penggunaan voucher, total transaksi, kategori produk, spesialis dokter, provider asuransi, kelompok usia, merek handphone, dan lokasi digunakan pada penelitian ini. Pengguna Halodoc yang melakukan transaksi minimal 1 kali selama November 2021 hingga Januari 2022 yang berjumlah 193.000 pengguna akan disegmentasi. Hasilnya adalah pengguna Halodoc dapat disegmentasi menjadi 4 status sosial yaitu working class, petty bourgeoise, middle class, dan high class. Status sosial yang memiliki ukuran terbesar adalah middle class yaitu dengan proporsi 46,69% dari keseluruhan pengguna. Pengguna yang paling potensial untuk Halodoc adalah yang berasal dari status sosial High Class karena memiliki frekuensi transaksi terbanyak dan nominal pengeluaran terbesar.

---

Telemedicine is the ideal solution to become a healthcare service in COVID-19 era. Halodoc is one of the best telemedicine applications in Indonesia. Since 2022, Halodoc has more than 15.000.000 users, so they need to change its business focus from product oriented to customer oriented. Halodoc needs to do customer segmentation analysis to find out more about user’s characteristics. This analysis uses one of data mining techniques which is K-Prototypes Clustering. Voucher usage, total transaction, doctor specialist, insurance provider, age group, mobile phones’s brand, and location are used in this study. Halodoc’s users who make transactions at least 1 time during November 2021 to January total 193.000 users will be segmented. The results is Halodoc’s users can be segmented into 4 social classes such as working class, petty bourgeoise, middle class, and high class. Social status that has the largest size is the middle class with the proportion of 46.69% of the total users. The most potential users for Halodoc are those from High Class social status because they have the highest transaction frequency and the largest nominal spending."

"Approaches in Integrative Bioinformatics provides a basic introduction to biological information systems, as well as guidance for the computational analysis of systems biology. This book also covers a range of issues and methods that reveal the multitude of omics data integration types and the relevance that integrative bioinformatics has today. Topics include biological data integration and manipulation, modeling and simulation of metabolic networks, transcriptomics and phenomics, and virtual cell approaches, as well as a number of applications of network biology. It helps to illustrate the value of integrative bioinformatics approaches to the life sciences. This book is intended for researchers and graduate students in the field of Bioinformatics."