http://repository.ipb.ac.id/handle/123456789/151168 Undergraduate Theses on School of Data Science, Mathematic and Informatics Sun, 14 Jun 2026 18:55:36 GMT 2026-06-14T18:55:36Z http://repository.ipb.ac.id/handle/123456789/173407 Pemodelan Volatilitas Harga Saham Pertambangan Berdasarkan Faktor Makroekonomi dengan Pendekatan EGARCH-X Razan, Hilman Sektor pertambangan memiliki tingkat fluktuasi harga saham yang tinggi dan sangat sensitif terhadap kondisi ekonomi makro, salah satunya terlihat pada saham PT Bumi Resources Tbk (BUMI). Penelitian ini bertujuan untuk memodelkan dan mengevaluasi volatilitas harga saham BUMI menggunakan pendekatan Exponential Generalized Autoregressive Conditional Heteroskedasticity with Exogenous Variables (EGARCH-X). Faktor makroekonomi yang diuji meliputi Indeks Harga Saham Gabungan (IHSG), Harga Emas Dunia, Harga Timah Dunia, Nilai Tukar Rupiah, Inflasi, dan Suku Bunga (BI-Rate) menggunakan data bulanan dari April 2016 hingga Juni 2025. Akibat adanya indikasi multikolinieritas antar-faktor makroekonomi, pemodelan diestimasi secara parsial untuk mengisolasi pengaruh murni dari setiap variabel. Model dasar terbaik yang terpilih berdasarkan kriteria informasi terkecil adalah ARMA(2,2)-EGARCH(3,3). Hasil estimasi parameter menunjukkan bahwa seluruh faktor makroekonomi memberikan pengaruh yang signifikan terhadap pembentukan volatilitas saham BUMI. IHSG, nilai tukar, dan inflasi terbukti berperan sebagai pemicu ketidakpastian pasar , sedangkan harga emas, harga timah, dan suku bunga bertindak sebagai faktor peredam fluktuasi volatilitas. Model juga mengidentifikasi terjadinya fenomena asimetris positif (anti-leverage effect), di mana guncangan positif (good news) memicu gejolak volatilitas yang lebih tinggi dibandingkan guncangan negatif (bad news). Evaluasi performa out-of-sample melalui simulasi 10.000 iterasi membuktikan kapabilitas peramalan yang sangat akurat. Seluruh model secara konsisten menghasilkan nilai Mean Absolute Percentage Error (MAPE) di bawah 10% , dengan tingkat presisi tertinggi dicapai oleh prediktor Harga Timah (7.49%) dan Inflasi (7.53%).; The mining sector exhibits severe stock price fluctuations and is highly sensitive to macroeconomic conditions, as evidenced by the stock of PT Bumi Resources Tbk (BUMI). This study aims to model and evaluate the volatility of BUMI's stock price using the Exponential Generalized Autoregressive Conditional Heteroskedasticity with Exogenous Variables (EGARCH-X) approach. The examined macroeconomic factors include the Composite Stock Price Index (IHSG), Global Gold Price, Global Tin Price, Exchange Rate, Inflation, and Interest Rate (BI-Rate), utilizing monthly data from April 2016 to June 2025. Due to indications of multicollinearity among the macroeconomic factors, the modeling was estimated partially to isolate the pure effect of each variable. The best baseline model selected based on the lowest information criterion was ARMA(2,2)-EGARCH(3,3). The parameter estimation results indicate that all macroeconomic factors significantly influence the volatility generation of BUMI's stock. IHSG, exchange rate, and inflation proved to act as triggers for market uncertainty , whereas gold price, tin price, and interest rates served as buffer factors dampening the volatility fluctuations. The model also identified a positive asymmetric phenomenon (anti-leverage effect), wherein positive shocks (good news) triggered higher volatility turbulence compared to negative shocks (bad news). The out-of-sample performance evaluation through 10,000 simulation iterations demonstrated a highly accurate forecasting capability. All models consistently yielded Mean Absolute Percentage Error (MAPE) values below 10% , with the highest precision achieved by the Tin Price (7.49%) and Inflation (7.53%) predictors. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/173407 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173396 Penjadwalan Perawat Berbasis Goal Programming dengan Mempertimbangkan Preferensi dan Keadilan Libur Akhir Pekan SUNDARI, FARAH ANNISA TRI Penjadwalan perawat merupakan bagian penting dalam operasional rumah sakit, khususnya pada unit yang beroperasi 24 jam. Namun, penyusunan jadwal secara manual memerlukan waktu lama, sulit mengakomodasi preferensi, serta belum menjamin pemerataan beban kerja. Penelitian ini bertujuan memodelkan penjadwalan perawat di IGD Rumah Sakit Anak dan Bunda Harapan Kita menggunakan metode non-preemptive goal programming. Model disusun dengan aturan operasional sebagai kendala utama, sedangkan aspek keadilan dan preferensi sebagai kendala tambahan yang mencakup pemerataan jam kerja, hari libur, libur akhir pekan, permintaan hari libur, dan distribusi shift. Model diimplementasikan dalam dua skenario dan diselesaikan menggunakan Python. Hasil penelitian menunjukkan bahwa kedua skenario memenuhi seluruh kendala utama dan menghasilkan jadwal yang lebih baik dibandingkan metode manual. Skenario pertama memberikan pemerataan beban kerja terbaik, sedangkan skenario kedua lebih baik dalam memenuhi preferensi perawat. Model ini dapat digunakan sebagai dasar penyusunan jadwal perawat yang lebih adil dan efisien. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/173396 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173395 Model Prediksi Hotspot Berbasis Variabel Iklim di Sumatera Selatan dan Sekitarnya Menggunakan XGBoost dengan Fitur Autoregresif Rizqi, Gilang Syahrul Kebakaran hutan dan lahan di Provinsi Sumatera Selatan ditandai oleh kemunculan hotspot yang dipengaruhi kondisi iklim dan pola waktu. Penelitian ini bertujuan menganalisis pengaruh variabel iklim terhadap jumlah hotspot serta membangun model prediksi menggunakan Extreme Gradient Boosting (XGBoost) dengan fitur autoregresif. Data deret waktu bulanan periode 2001-2025 diolah melalui prapemrosesan, seleksi fitur, dan validasi berbasis waktu. Hasil menunjukkan bahwa kelembapan tanah dan curah hujan berkorelasi negatif terhadap jumlah hotspot, sedangkan hari tanpa hujan dan indeks iklim global berkorelasi positif. Model XGBoost dengan fitur autoregresif memberikan kinerja terbaik dengan Explained Variance Score sebesar 78,9% dan kesalahan prediksi lebih rendah dibandingkan model tanpa fitur autoregresif. Hasil ini menunjukkan bahwa fitur autoregresif dapat meningkatkan akurasi prediksi hotspot.; Forest and land fires in South Sumatra are indicated by hotspot occurrences influenced by climate conditions and temporal patterns. This study aims to analyze the influence of climate variables on hotspot counts and to develop a prediction model using Extreme Gradient Boosting (XGBoost) with autoregressive features. Monthly time series data from 2001 to 2025 were processed through preprocessing, feature selection, and time-based validation. The results show that soil moisture and rainfall are negatively correlated with hotspot counts, while dry days and global climate indices are positively correlated. The XGBoost model with autoregressive features achieved the best performance with an Explained Variance Score of 78.9% and lower prediction errors than the model without autoregressive features. These findings indicate that autoregressive features improve hotspot prediction accuracy. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/173395 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/173386 PENGGUNAAN DEKOMPOSISI SISI GRAF PADA MASALAH PENGOPTIMUMAN AINI, SILVI NURUL Dekomposisi sisi merupakan salah satu pendekatan dalam teori graf yang digunakan untuk membagi himpunan sisi suatu graf menjadi subgraf-subgraf yang lebih sederhana sehingga struktur jaringan dapat dianalisis secara lebih efisien. Penelitian ini bertujuan memodelkan dan menyelesaikan beberapa masalah pengoptimuman dengan memanfaatkan berbagai bentuk dekomposisi sisi, yaitu matching, subgraf planar, spanning subgraph dan spanning tree. Metode yang digunakan meliputi studi literatur terhadap konsep dasar teori graf dan analisis terapan pada beberapa kasus nyata. Hasil penelitian menunjukkan bahwa setiap jenis dekomposisi sisi memiliki keunggulan dalam menyelesaikan kategori masalah tertentu: matching efektif untuk penjadwalan dan alokasi sumber daya, subgraf planar sesuai untuk perancangan jaringan tanpa tumpang tindih, spanning subgraph dapat membagi sistem menjadi beberapa bagian operasional yang tetap terhubung, dan spanning tree memberikan solusi jalur minimum yang efisien pada suatu jaringan. Pemanfaatan dekomposisi sisi terbukti mampu mempermudah proses pemodelan, mengurangi kompleksitas permasalahan, serta memberikan solusi optimal pada berbagai konteks pengoptimuman. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/173386 2026-01-01T00:00:00Z