http://repository.ipb.ac.id/handle/123456789/162418 2026-04-13T18:39:59Z 2026-04-13T18:39:59Z Listyowati, Dyah http://repository.ipb.ac.id/handle/123456789/172929 2026-04-13T08:38:31Z 2026-01-01T00:00:00Z

Implementasi Model IndoBERT Untuk Menangani Ketidakseimbangan Data Dalam Analisis Sentimen Ulasan Aplikasi KAI Access Listyowati, Dyah Analisis sentimen adalah proses pengolahan data tekstual untuk meneliti pendapat atau opini mengenai entitas tertentu. Analisis sentimen dapat diterapkan dalam berbagai hal, salah satunya pada aplikasi KAI Access. Penelitian ini menggunakan 4359 data ulasan aplikasi KAI Access dari bulan Juni 2025-Agustus 2025 yang diklasifikasikan ke kelas positif, negatif dan netral. Penelitian akan mengimplementasikan IndoBERT, salah satu model Bidirectional Encoder Representation from Transformers (BERT) monolingual dengan penerapan Synthetic Minority Over-sampling Technique dan Random Oversampling sebagai metode penanganan yang sering digunakan untuk menangani data tak seimbang. Tujuan dari penelitian ini adalah mengimplementasikan metode untuk penanganan data tak seimbang dan membandingkan model untuk menangani ketidakseimbangan sentimen ulasan pengguna pada aplikasi KAI Access. Data akan dibagi menjadi tiga yaitu 80% data latih, 10% data validasi dan 10% data uji. Penelitian ini menggunakan tiga skenario yaitu IndoBERT, IndoBERT dengan SMOTE, dan IndoBERT dengan ROS. Dari ketiga skenario tersebut, akurasi yang dihasilkan oleh model IndoBERT tanpa penanganan memiliki hasil yang terbaik namun evaluasi mendalam menunjukan bahwa model dengan SMOTE memiliki performa yang baik untuk kelas minor pada kasus data tak seimbang.

2026-01-01T00:00:00Z FAJRIALDY, PRATAMA http://repository.ipb.ac.id/handle/123456789/172829 2026-03-10T00:14:01Z 2026-01-01T00:00:00Z

Perbandingan SARIMA Intervensi dan Prophet dalam Peramalan Jumlah Penumpang Kereta Api di Jawa FAJRIALDY, PRATAMA Pulau Jawa memiliki tingkat kepadatan penduduk yang tinggi sehingga mobilitas antar wilayah berlangsung cukup tinggi. Kondisi ini menjadikan kereta api sebagai salah satu moda transportasi yang banyak digunakan dan memerlukan perencanaan operasional yang memadai. Data jumlah penumpang kereta api berbentuk deret waktu musiman dengan pola tahunan yang relatif konsisten. Namun, terjadinya pandemi COVID-19 menyebabkan perubahan pola yang cukup signifikan sehingga memunculkan gangguan struktural pada data. Berdasarkan karakteristik data yang bersifat musiman dan adanya intervensi, penelitian ini menerapkan metode SARIMA Intervensi dan Prophet. Oleh karena itu, penelitian ini bertujuan untuk membandingkan kinerja SARIMA Intervensi dan Prophet dalam meramalkan jumlah penumpang kereta api di Pulau Jawa. Data yang digunakan merupakan data bulanan dengan periode 2006–2024. Model terbaik dari masing-masing metode selanjutnya dievaluasi dan dibandingkan menggunakan Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan model SARIMA Intervensi menghasilkan nilai MAPE sebesar 14,31% dan RMSE sebesar 4.924,97, sedangkan model Prophet memberikan hasil yang lebih baik dengan MAPE sebesar 6.49% dan RMSE sebesar 2.486.12. Perbandingan ini menunjukkan bahwa Prophet lebih unggul dalam meramalkan jumlah penumpang kereta api di Pulau Jawa sehingga Prophet diharapkan dapat dipertimbangkan sebagai metode alternatif dalam perencanaan transportasi darat di Pulau Jawa melalui pendekatan peramalan.; Java Island has a high population density so that mobility between regions quite high. This condition makes trains a widely used mode of transportation and requires adequate operational planning. The number of train passengers data is seasonal time series with a relatively consistent annual pattern. However, COVID19 pandemic caused quite significant changes in patterns, giving structural disturbances in the data. Based on seasonal data and the interventions, this research applies SARIMA Intervention and Prophet methods. Therefore, this study aims to compare the performance of SARIMA Intervention and Prophet in predicting the number of train passengers on Java Island. The data monthly form for the period 2006–2024. The best model from each method then were evaluated and compared using Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE). The research results showed that SARIMA Intervention model produced a MAPE 14.31% and RMSE 4,924.97, while the Prophet model provided better results with a MAPE 6.49% and RMSE 2,486.12. This comparison showed that Prophet is superior in predicting the number of train passengers on Java Island, so it is hoped that Prophet can be considered as an alternative method in planning land transportation on Java Island through a forecasting approach.

2026-01-01T00:00:00Z Rofiqy, Angga Fathan http://repository.ipb.ac.id/handle/123456789/172378 2026-02-09T07:25:31Z 2026-01-01T00:00:00Z

Deep Learning-Based Spatiotemporal Prediction of Public Transport Ridership: Integrating Network-Constrained Isochrone Features Rofiqy, Angga Fathan Accurate station-level public transport ridership prediction is crucial for urban planning, yet it is often hindered by unrealistic spatial representations and noisy data. This study aims to predict Bus and Rail ridership volumes in Singapore using a spatiotemporal deep learning approach. The novelty of this research lies in the integration of Network Service Area (NSA) or isochrone-based Point-ofInterest (POI) features to capture realistic pedestrian accessibility, replacing conventional circular buffer methods. A TabNet model was developed using a twostage hyperparameter optimization strategy via Optuna (TPE) and Ensemble Learning within a 5-Fold Expanding Window Cross-Validation framework. Evaluation results demonstrate that the Tuned Extreme model significantly outperforms baseline models, achieving R2 scores exceeding 0.98 for both modes. Specifically, the Rail model exhibited highly stable performance (sMAPE ~11- 13%), whereas the Bus model faced higher volatility challenges (sMAPE ~19-22%) due to stochastic travel characteristics in industrial and peripheral zones. Interpretability analysis confirmed that while temporal lag features are the dominant predictors, the integration of isochrone features particularly residential density for Rail In and commercial amenities for Rail Out plays a vital role in capturing spatial demand variations. This research offers a robust framework for transport capacity management in complex urban networks.

2026-01-01T00:00:00Z Harkaputra, Muhammad Hafizd http://repository.ipb.ac.id/handle/123456789/172006 2026-01-08T02:59:28Z 2026-01-01T00:00:00Z

Optimasi Portofolio Saham Jakarta Islamic Index 70 dengan Model Markowitz berbasis Penggerombolan Deret Waktu K-Medoids Harkaputra, Muhammad Hafizd Keberagaman pilihan emiten saham pada JII70 menawarkan berbagai opsi dalam pengambilan keputusan investasi. Namun, sifat fluktuasi dan kompleksitas informasi harga saham memperbesar risiko investasi sehingga diperlukan metode yang robust dan dapat meminimumkan risiko dalam pembentukan portofolio investasi. Penelitian ini mengevaluasi kinerja portofolio saham JII70 dengan mengintegrasikan penggerombolan deret waktu dalam pembentukan portofolio dan model optimasi dalam penentuan alokasi bobot optimum portofolio. Metode K-medoids dengan ukuran jarak DTW mampu mengelompokkan saham berdasarkan kemiripan karakteristik harga guna mereduksi kompleksitas informasi sebelum pembentukan portofolio. Penggerombolan dilakukan dengan skema standardisasi dan tanpa standardisasi. Portofolio dibentuk dengan kombinasi emiten setiap gerombol, kemudian dioptimasi menggunakan model Markowitz untuk menentukan bobot optimum emiten yang meminimumkan risiko setiap portofolio. Studi kasus dilakukan pada 46 emiten JII70 yang dipetakan ke dalam 4 gerombol optimum. Pembentukan portofolio berdasarkan kombinasi emiten dari setiap gerombol terbentuk menghasilkan 280 portofolio pada skema dengan standardisasi dan 936 portofolio pada skema tanpa standardisasi. Hasil optimasi model Markowitz pada setiap portofolio menunjukkan bahwa portofolio terbaik dengan skema penggerombolan tanpa standardisasi memberikan hasil diversifikasi yang efektif dibandingkan skema penggerombolan dengan standardisasi dan skema tanpa penggerombolan. Nilai Sharpe ratio sebesar 1.01 yang lebih tinggi serta risiko mingguan sebesar 3.02% yang lebih rendah dibandingkan skema lainnya merefleksikan keunggulan skema penggerombolan tanpa standardisasi dalam menghasilkan kinerja portofolio yang lebih baik.; The diversity of stocks within the JII70 index offers various options for investment decision-making. However, the fluctuating characteristic and complexity of stock price information raise investment risk, requiring a robust method capable of minimizing risk portfolio construction. This study elevates the performance of JII70 stock portfolios by integrating time-series clustering for portfolio formation and an optimization model for determining optimum stock weight allocation to minimizing the risk. The K-Medoids method with DTW distance applied to cluster stocks based on characteristic similarity, aiming to reduce information complexity prior for portfolio construction. Clustering was performed using two schemes: with standardization and without standardization. Portfolio were constructed using combinations of stocks from each cluster, the optimized using the Markowitz model to determine the optimum weights that minimize the risk of each portfolio. The case was conducted on 46 JII70 stocks, which mapped into 4 optimum clusters. Portfolio construction based on stocks combination from each cluster resulted in 280 portfolios for standardized scheme and 936 portfolios for non-standardized scheme. The Markowitz optimization results indicated that the best portfolio from the non-standardized clustering scheme provided effective diversification and compared to the standardized clustering scheme and non-clustered scheme. A higher Sharpe ratio of 1.01 and a lower weekly risk of 3.02% compared to other schemes reflect the superiority of non-standardized clustering scheme in generating better portfolio.

2026-01-01T00:00:00Z