Abstract:Abstract: PT. Perkebunan Nusantara IV (Persero) Tinjowan is a state-owned enterprise unit operating in the palm oil plantation industry. In an effort to increase production, the plantation company aims to enhance production…
ion efficiency so that palm oil product prices become more competitive by determining harvest yields. The company's harvest yield estimation still uses a traditional approach based on the average bunch weight (BJR), considering the year of planting and the planting area. However, this technique is less effective and efficient. If the company's estimates are incorrect, it can potentially lead to losses or increased production budgets. The purpose of this research is to obtain a comparison of forecast results for the next month with the best alpha accuracy measure using the Single Exponential Smoothing method. The research method used is based on qualitative and quantitative data from interviews and observations of data from December 2022 to November 2023. The forecasting results with an alpha accuracy value of 0.9 using the Single Exponential Smoothing method show a forecast for December 2023 of 13,835.57844 with a percentage error rate (MAPE) of 9.28%, MAD of 1,021,423.6, and MSE of 174,130,366.
Keywords: forecasting; palm oil; single exponential smoothing
Abstrak: PT. Perkebunan Nusantara IV (Persero) Tinjowan sebagai unit usaha BUMN yang beroperasi di industri perkebunan kelapa sawit. Dalam upaya meningkatkan produksi, perusahaan perkebunan, peningkatan efisiensi produksi agar harga produk sawit lebih kompetitif dengan menentukan hasil panen. Pada perkiraan hasil panen perusahaan masih menerapkan pendekatan tradisional berdasarkan berat janjangan rata-rata (BJR) dengan mempertimbangkan tahun tanam dan luas area tanaman. Namun, tehnik ini kurang efektif dan efisien, Apabila perkiraan yang dibuat perusahaan salah berpotensi menyebabkan kerugian atau peningkatan anggaran produksi. Tujuan dari penelitian ini untuk mendapatkan perbandingan hasil peramalan pada bulan berikutnya dengan ukuran akurasi alpha terbaik menggunakan metode Single Exponential Smoothing. Metode yang digunakan dalam penelitian ini adalah berdasarkan data kualitatif dan kuantitatif dari hasil wawancara dan observasi data bulan desember 2022 - november 2023. Hasil peramalan dari ukuran akurasi nilai alpha 0.9 menggunakan metode Single Exponential Smoothing diperoleh peramalan untuk periode desember 2023 sebesar 13.835578,44 dengan tingkat persentase error MAPE sebesar 9,28%, MAD 1021423.6 dan MSE 174130366.
Kata Kunci: kelapa sawit; peramalan; single exponential smoothing
Abstract:Abstract: Pulau Kopung Sentajo Village Government in determining communities recipients of Direct Cash Assistance (BLT) has not used a computerized system so that in decision making errors will often occur in the suitability…
lity criteria for potential BLT recipients. So things like this will increase the possibility that poor or underprivileged people will lose out to people who live better lives and also take a lot of time because they still use manual systems. In terms of the report produced, it does not display the criteria for potential recipients clearly and in detail. In solving the problem, a decision support system will be used using the simple additive weighting method. So this research produces a computerized system to support decision making that determines people's suitability as recipients of direct cash assistance. With this computerized system, it will make it easier to determine the eligibility of people receiving Direct Cash Assistance and produce effective reports with calculations that comply with existing criteria. By implementing this computerized decision support system, 7 people are recommended who are eligible to receive direct cash assistance with the highest score of 2,875 and the lowest score of 2,750 so that these results can assist the village head in determining the community's suitability as recipients of direct cash assistance.
Keywords: assistance; BLT; SAW; FMADM;
Abstrak: Pemerintah Desa Pulau Kopung Sentajo dalam menentukan masyarakat sebagai penerima Bantuan Langsung Tunai (BLT) belum menggunakan sistem yang terkomputerisasi sehingga dalam pengambilan keputusan akan sering terjadi kesalahan dalam perbandingan kriteria kesesuaian calon penerima BLT. Sehingga hal seperti ini akan memperbesar kemungkinan masyarakat miskin atau kurang mampu akan kalah dengan masyarakat yang kehidupannya lebih baik dan juga memakan banyak waktu karena masih menggunakan sistem manual. Dari segi laporan yang dihasilkan, tidak menampilkan kriteria calon penerima secara jelas dan rinci. Dalam penyelesaian masalah akan digunakan sistem penunjang keputusan dengan metode simple additive weighting. Maka dengan penelitian ini menghasilkan sistem yang terkomputerisasi untuk mendukung pengambilan keputusan menentukan kelayakan masyarakat sebagai penerima bantuan langsung tunai. Dengan sistem yang terkomputerisasi ini, maka akan memberikan kemudahan dalam menentukan kelayakan masyarakat penerima Bantuan Langsung Tunai dan menghasilkan laporan yang efektif dengan perhitungan yang sesuai dengan kriteria yang ada. Dengan penerapan sistem pendukung keputusan yang terkomputerisasi ini maka direkomendasikan 7 orang yang layak menerima bantuan langsung tunai dengan skor tertinggi 2,875 dan skor terendah 2,750 sehingga hasil tersebut dapat membantu kepala desa dalam menentukan kelayakan masyarakat sebagai penerima bantuan tunai langsung.
Kata Kunci: bantuan; BLT; SAW; FMADM
Abstract:Abstract: Toko Ratna Jaya is a business in the fashion sector that sells women's robes and is experiencing instability in its sales because Toko Ratna Jaya is unable to predict their sales for the following month. Ratna…
Jaya Shop currently carries out forecasting only by relying on the owner's predictions. However, this approach is less efficient and can lead to losses or increased stock costs if forecasting is inaccurate. To increase the accuracy of the estimates, the use of the Single Exponential Smoothing Method is proposed. This method smooths past values with exponential weights, placing greater emphasis on recent data. Use of data from the last 1 (one) year as reference data for recording the past for forecasting experiments for the next 1 (one) month. Experiments using different Alphas test accuracy in actual situations. The results of the experiment with an alpha of 0.2 are almost the same as the actual value in predicting the situation one month into the future with the lowest error, namely MAPE 12.05% and forecasting sales of gamis of 1,476 pcs.
Keywords: forecasting; gamis; sales; single exponential smoothing (SES); toko ratna jaya.
Abstrak: Toko Ratna Jaya adalah usaha di bidang fashion yang menjual baju gamis wanita dan sedang mengalami ketidakstabilan dalam penjualannya dikarenakan Toko Ratna Jaya tidak mampu meramalkan penjualan mereka untuk bulan berikutnya. Toko Ratna Jaya saat ini melakukan peramalan hanya dengan mengandalkan paraduga pemiliknya. Namun, pendekatan ini kurang efisien dan dapat menyebabkan kerugian atau peningkatan biaya stok jika peramalan tidak akurat. Untuk meningkatkan ketepatan perkiraan, penggunaan Metode Single Exponential Smoothing diusulkan. Metode ini menghaluskan nilai masa lalu dengan bobot eksponensial, memberikan penekanan lebih besar pada data terbaru. Penggunaan data 1 (satu) tahun terakhir sebagai data acuan pencatatan masa lalu untuk percobaan peramalan untuk 1 (satu) bulan kedepan. Eksperimen menggunakan Alpha yang berbeda menguji akurasi dalam situasi aktual. Hasil dari eksperimen dengan alpha 0,2 hampir sama dengan nilai aktual dalam meramalkan keadaan satu bulan ke depan dengan error yang paling rendah yaitu MAPE 12,05% dan peramalan penjualan gamis sebanyak 1.476 pcs.
Kata kunci: gamis; penjualan; peramalan; single exponential smoothing (ses); toko ratna jaya.
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
Abstract:Abstract: The habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders.…
orders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.
Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction
Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan.
Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
Abstract:Abstract: Toko Anda v7 is a shop that sells office stationery and school teaching aids. One of the items frequently ordered at Toko Anda v7 is educational teaching aids (APE). So that shop activities can continue to run,…
suppliers have a very important role, for this reason the supplier selection process is one of the important decisions that must be taken by the shop. However, this is a problem because each supplier has its own advantages and disadvantages. To help Toko Anda v7 in choosing suppliers, a decision support system was designed. The decision support system is able to provide alternative decision options that can be chosen by decision makers in Toko Anda v7 in determining suppliers of educational teaching aids. The method used in the decision selection process in this decision support system is Weighted Product (WP). Calculations using the Weighted Product (WP) method are able to provide decisions with fast and efficient calculations. The results of designing this decision support system are able to provide a ranking of alternative suppliers based on predetermined criteria.
Keywords: Decision Support System; Supplier; Weighted Product
Abstrak: Toko Anda v7 adalah toko yang bergerak dalam penjualan alat tulis kantor dan alat peraga sekolah. salah satu barang yang sering dipesan di Toko Anda v7 adalah alat peraga edukatif (APE). agar aktivitas toko tetap dapat berjalan suplier memiliki peran yang sangat penting, untuk itu proses pemilihan suplier menjadi salah satu keputusan yang penting yang harus diambil oleh toko. namun hal tersebut menjadi masalah karena setiap suplier memiliki kelebihan dan kekurangan masing-masing. untuk membantu Toko Anda v7 dalam memilih suplier maka dirancanglah sebuah sistem penunjang keputusan. sistem penunjang keputusan mampu memberikan pilihan alternatif keputusan yang bisa dipilih oleh pembuat keputusan di Toko Anda v7 dalam menentukan suplier alat peraga edukatif. metode yang digunakan dalam proses pemilihan keputusan di sistem penunjang keputusan ini adalah Weighted Product (WP). Perhitungan dengan metode Weigthted Product (WP) mampu memberikan keputusan dengan perhitungan yang cepat dan efisien. hasil dari perencangan sistem penunjang keputusan ini mampu memberikan perangkingan alternatif suplier berdasarkan kriteria-kriteria yang telah ditentukan.
Kata kunci: Pemasok; Sistem Penunjang Keputusan; Weighted Product
Abstract:Abstract: The use of intravenous infusion sets has greatly increased, but there are some problemscaused by various causes, namely negligence by nurses, lack ofsupervision by the patient's family and from the actions of the…
he patient who caninterfere with the infusion system. The urgency expected to be madeone of the effective and efficient solutions in the automation system for detecting the volume of infusion water and this innovation is expected to help nurses in monitoring intravenous fluid replacement, reducing the risk of delays in replacing intravenous fluids for patients and the public to know the system is running out of infusion water with the sound of an alarm/buzzer. The purpose of this study was to design an infusion control device by detecting the volume of infusion water based on the weight of the infusion using a Wireless Sensor Network. The Wireless Sensor Network used by the load cell sensor functions to detect the weight value of the infusion water in the infusion bag. The buzzer becomes an indicator indicating that the infusion bag is ready to be replaced and also through the Stuffing Machine the Internet of Things will inform the nurse via the Telegram application to inform that the infusion bag is worth replacing. So that nurses can monitor the process of detecting the volume of infused water remotely. Keywords: Arduino, Blind Detector, Indicator system, Prototype
Abstrak: Penggunaan infus set intravena sangat meningkat, namun ada beberapa masalah
yang disebabkan oleh berbagai penyebab yaitu kelalaian oleh perawat, kurangnya
pengawasan oleh keluarga pasien dan dari tindakan pasien yang dapat
menghambat sistem kerja pada infus. Urgensi yang diharapkan agar dapat dijadikan
salah satu solusi yang efektif dan efisien dalam sistem otomatisasi pendeteksian volume air infus dan inovasi ini diharapkan bisa membantu perawat dalam pemantauan penggantian cairan intravena, mengurangi resiko keterlambatan penggantian cairan intravena bagi pasien dan masyarakatpun mengetahui sistem habisnya air infus dengan bunyinya alarm/buzzer. Tujuan penelitian ini menghasilkan rancangan alat pengontrolan infus dengan cara mendeteksi volume air infus berdasarkan berat dari air infus dengan menggunakan Wireless Sensor Network. Wireless Sensor Network yang digunakan sensor load cell berfungsi untuk mendeteksi nilai berat air infus yang ada pada kantung infus. Buzzer menjadi sebuah indikator yang menandakan bahwa kantung airinfus sudah layak diganti dan juga melalui Stuffing Machine Internet Of Things akan menginformasikan ke perawat melalui aplikasi Telegram menginformasikan kantung air infus sudah layak diganti. Sehingga perawat dapat memonitoring proses pendeteksi volume air infus dari jarak jauh..
Kata kunci: Infused Water; Load Cells; Prototypes; Stuffing Machine Internet Of Things; Volume
Abstract:Abstract: Decision support systems (DSS) have become an important tool in various fields, including the selection of fish seeds. Selecting the right fish seeds is a crucial step in successful fish farming. In this context,…
t, the Weight Sum Model (WSM) method can be used as an approach in decision making. This research aims to develop a Decision Support System for selecting fish seeds using the Weight Sum Model (WSM) method. This method allows a systematic assessment of various criteria that are relevant in selecting fish seeds. The first step in this research is to identify the criteria that will be evaluated in selecting fish seeds. Each fish seed is assessed based on each criterion using the appropriate scale. In the WSM method, the values given to each criterion are multiplied by the weight of the corresponding criterion, and the results are added up for each fish seed. The fish seeds that have the highest number will be considered the best choice based on predetermined evaluation criteria. This Decision Support System can help fish farming farmers in making more informative and data-based decisions in selecting fish seeds that suit their needs.
Keywords: Decision Support Systems, Fish Seeds, Criteria, Weight Sum Model (WSM), Fish Cultivation.
Abstract: Sistem pendukung keputusan (SPK) telah menjadi alat penting dalam berbagai bidang, termasuk dalam pemilihan bibit ikan. Memilih bibit ikan yang tepat merupakan langkah krusial dalam budidaya ikan yang sukses. Dalam konteks ini, metode Weight Sum Model (WSM) dapat digunakan sebagai pendekatan dalam pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan untuk pemilihan bibit ikan menggunakan metode Weight Sum Model (WSM). Metode ini memungkinkan penilaian yang sistematis terhadap berbagai kriteria yang relevan dalam memilih bibit ikan. Langkah pertama dalam penelitian ini adalah mengidentifikasi kriteria-kriteria yang akan dievaluasi dalam pemilihan bibit ikan. Setiap bibit ikan dinilai berdasarkan setiap kriteria menggunakan skala yang sesuai. Dalam metode WSM, nilai-nilai diberikan pada setiap kriteria akan dikalikan dengan bobot kriteria terkait, dan hasilnya dijumlahkan untuk setiap bibit ikan. Bibit ikan yang memiliki jumlah tertinggi akan dianggap sebagai pilihan terbaik berdasarkan evaluasi kriteria yang telah ditentukan. Sistem Pendukung Keputusan ini dapat membantu para petani budidaya ikan dalam mengambil keputusan yang lebih informatif dan berdasarkan data dalam memilih bibit ikan yang sesuai dengan kebutuhan.
Kata kunci: Sistem Pendukung Keputusan, Bibit Ikan, Kriteria, Weight Sum Model (WSM), Budidaya Ikan.
Abstract:Abstract: The research was conducted at TB Bina Karya which is engaged in the sale and purchase of building materials. This research was conducted to predict building materials for the next period. The forecasting methods…
s used in this study are single moving average (SMA), weighted moving average (WMA), and single exponential smoothing (SES). This study also discusses the error calculation of the forecasting method, the forecasting method which produces the smallest error value is used for making decisions in purchasing materials. The purpose of this research is to speed up the decision making for purchasing material inventory. Another goal is to produce more accurate forecasts by comparing 3 (three) methods.
Keywords: forecasting; single moving average; weighted moving average; and single exponential smoothing
Abstrak: Penelitian dilakukan pada TB Bina Karya yang bergerak dibidang penjualan dan pembelian bahan material bangunan. Penelitian ini dilakukan untuk forecasting bahan material bangunan periode selanjutnya. Metode forecasting yang digunakan dalam penelitian ini yaitu single moving average (SMA), weighted moving average (WMA), dan single exponential smooting (SES). Penelitian ini juga membahasan perhitungan error dari metode forecasting, metode forecasting yang menghasilkan nilai error terkecil digunakan untuk pengambilan keputusan dalam pembelian bahan material. Tujuan dari penelitian ini untuk mempercepat dalam pengambilan keputusan pembelian persediaan bahan material. Tujuan lainnya adalah agar menghasilkan forecasting lebih akurat dengan membandingkan 3 (tiga) metode.
Kata kunci: forecasting; rata-rata pergerakan tunggal; rata-rata pergerakan tertimbang; dan pemulusan eksponensial tunggal
Abstract:Abstract: Unemployment is a global economic issue that directly impacts human life in both developed and developing countries, especially in Indonesia, which, if ignored, will severely impact society's social dynamics. To…
o overcome this problem, forecasts are made so that later, the government can take policies to control and suppress the unemployment growth rate. This research aims to predict unemployment in Indonesia in 2023 using the Weighted Moving Average method, widely used to determine the trend of a time series, which is part of one of the Time Series methods that gives different weights. The dataset used was obtained from the Central Statistics Agency (BPS) relating to unemployment data from 2000 to 2022 (23 years). To analyze the level of accuracy of the results of this unemployment forecast using the MAD, MSE, and MAPE methods. This research concludes that the Weighted Moving Average method can be applied in predicting unemployment in Indonesia in 2023. The results of this research are a prediction of the number of unemployed in Indonesia, as many as 8,874,942 people at a weight value of 3 (three) where the accuracy of the MAD value is 745786.1833, the MSE value is 948402050986.3 and MAPE is 8.28%.
Keywords: forecasting; unemployment; weigth moving average; indonesia
Abstrak: Pengangguran menjadi isu ekonomi global yang berdampak secara langsung terhadap tingkat kehidupan manusia di negara-negara yang sudah maju maupun yang sedang berkembang khususnya di negara Indonesia, yang jika diabaikan akan berdampak serius terhadap dinamika sosial masyarakat. Untuk mengatasi permasalahan tersebut dibuatlah peramalan agar nantinya pemerinta dapat mengambil kebijakan dalam mengendalikan dan menekan angka pertumbuhan pengangguran tersebut. Penelitian ini bertujuan untuk memprediksi pengangguran di Indonesia pada tahun 2023 menggunakan metode Weighted Moving Average dimana metode ini banyak digunakan untuk menentukan trend dari suatu deret waktu yang merupakan bagian dari salah satu metode Time Series yang memberikan bobot yang berbeda-beda. Adapun dataset yang digunakan diperoleh dari Badan Pusat Satatistik (BPS) berkaitan dengan data pengangguran dari tahun 2000 sampai dengan tahun 2022 (selama 23 tahun). Untuk menganalisa tingkat akurasi dari hasil peramalan pengangguran ini memakai metode MAD, MSE, dan MAPE. Kesimpulan dari penelitian ini yaitu dapat diterapkannya metode Weighted Moving Average dalam memprediksi pengangguran di Indonesia pada tahun 2023. hasil dari penelitian ini berupa prediksi jumlah pengangguran di Indonesia sebanyak 8.874.942 orang pada nilai bobot 3 (tiga) dimana akurasi nilai MAD sebesar 745786,1833, nilai MSE sebesar 948402050986,3 dan MAPE sebesar 8,28 %.
Kata kunci: peramalan; pengangguran; weigth moving average; indonesia