Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDekomposisi kepstrum telah berhasil dilakukan untuk meningkatkan resolusi vertikal data seismik. Dalam aplikasi data sintetik, dekomposisi kepstrum dapatmengidentifikasi lapisan dengan ketebalan kurang dari /8. Penggunakan lifter kotak dapat mendekomposisi wavelet dan impuls reflektifitas dari sinyal seismikdengan sangat baik, namun lifter tersebut dapat memberikan hasil yang valid hanya jika kandungan S/N sinyal input tidak kurang dari 35. Penggunaan liftereksponensial dapat dimanfaatkan dengan baik jika kandungan S/N kurang dari 35 hingga 5, namun lifter eksponensial tidak dapat merekonstruksi wavelet denganbaik. Penerapan data real menunjukkan hasil dekomposisi menyediakan data yang memungkinkan interpretasi geologi secara lebih detil, dimana pada penelitian ini, setting geologi yang dipilih merupakan suatu lingkungan pengendapan zona transisi yang pengendapannya dikontrol oleh naik-turunnya permukaan air laut, sehingga membentuk suatu bentuk geologi yang memerlukan analisa identifikasi lapisan tipis. Penerapan data real juga menunjukkan bahwa dekomposisi tidak memerlukan asumsi wavelet berfasa minimum seperti halnya pada dekonvolusikonvensional"

"Demi mengurangi timbulan limbah padat dari pabrik kelapa sawit maka dilakukanlah pemanfaatan Tandan Kosong Kelapa Sawit (TKKS) sebagai bahan baku pupuk organik. Komponen utama TKKS adalah 45-50% selulosa, 25-35% hemiselulosa dan lignin, sehingga limbah ini disebut sebagai limbah lignoselulosa(Deraman, 1993;Darnoko, 1993). TKKS yang digunakan sebagai bahan baku kompos pada penelitian ini memiliki kandungan C-organik sebesar 56,49%, N-total sebesar 0,34 %, dan rasio C:N sebesar 165,15 : 1. Metode pengomposan alami membutuhkan waktu yang lama, lahan yang luas, dan bergantung dengan musim. Maka pada penelitian ini dilakukan dekomposisi cara cepat dengan proses hidrolisis enzimatik dan dilanjutkan dengan hidrolisis pada suhu yang lebih tinggi yaitu 100 oC atau 121oC. Enzim selulase ditambahkan pada proses hidrolisis enzimatik kemudian dilanjutkan dengan hidrolisis pada suhu yang lebih tinggi. Suhu optimum inkubasi proses enzimatik adalah pada suhu 60oC dan konsentrasi enzim optimum adalah 4% dari berat substrat. Dekomposisi dalam waktu 4 hari menghasilkan nilai pH berkisar 6-8, kadar air berkisar antara 70-80%, penurunan nilai C-Organik dari nilai bahan sebesar 56,49% menjadi 53-49%, peningkatan nilai N-Total dari nilai bahan sebesar 0,34% menjadi 0,4-0,9%, dan penurunan rasio C:N dari 165:1 untuk bahan menjadi (84-58):1. Karena hasil tersebut belum memenuhi standar SNI 19-7030-2004 tentang spesifikasi kompos dari sampah organik domestik, maka perlu dilakukan penelitian lanjutan agar kompos TKKS dapat diaplikasikan pada Perkebunan Kelapa Sawit (PKS).

---

For reducing the generation of solid waste from palm oil mill, Empty Fruit Bunches (EFB) of palm oil utilized as a raw material of organic fertilizer. The component of EFB is 45-50% cellulose, 25-35% hemicellulose and lignin, so it called as lignocellulosic waste (Deraman, 1993; Darnoko, 1993). EFB which used as raw material for composting in this study have a C-organic content of 56.49%, N-total of 0.34%, and C: N ratio of 165.15: 1. Natural composting methods require a long time, large area and depend on the weather. In this research performed decomposition in rapid way with enzymatic hydrolysis process, followed by hydrolysis at a higher temperature of 100oC or 121oC. Cellulase enzyme added to the enzymatic hydrolysis process was followed by hydrolysis at higher temperatures. The optimum incubation temperature of the enzymatic process is at a temperature of 60oC and optimum enzyme concentration was 4% by weight of the substrate. Decomposition within 4 days, produce a pH range 6-8, the water content ranged between 70-80% decreased of C - Organic material value from 56.49 % to 53-49% , increase in the value of N - total from 0.34% for material value become 0.4-0.9%, and decreased C: N ratio of 165:1 for the material become (84-58): 1. Since these results does not meet the standard specifications SNI 19-7030-2004 about compost from domestic organic waste, it is necessary to further research for EFB decomposition can be applied on Oil Palm Plantation."

"Dibahas penyelesaian masalah peajadwalan produksi dalam Dynamic Economic Lot Size (DELS) dengan permintaan yang dapat tertunda, menggunakan metode Wagner dan metode dekomposisi. Metode Wagner langsung menyelesaikan masalah untuk seluruh periode dengan menggunakan pemrograman dinamik sebagai dasar perhitungannya. Sedangkan metode dekomposisi terdiri dari tiga tahap, yaitu tahap dekomposisi sehingga masalah utama menjadi beberapa sub masalah, tahap kombinasi untuk penyelesaian tiap sub masalah, kemudian tahap komposisi yang menggabungkan kembali meujadi penyelesaian optimal untuk masalah utama. Diberikan juga beberapa contohpenyelesaian masalah dengan kedua metode tersebut."

"ABSTRAKPengaturan daya reaktif bertujuan untuk menurunkan susut daya dan memperbaiki profil tegangan dari sistem tenaga Iistrik. Besarnya daya reaktif yang diinjeksikan dapaf diatur dengan mengatur variabel-variabel pengatur yang ada pada sistem, yairu : tegangan generaton posisi sadapan transformator dan switching kapasitor atau reakor. Susut daya dinyatakan sebagai fungsi dari perubahan tegangan. Hubungan antara perubahan tegangan tiap bus dengan besarnya daya reaktif yang diinjeksikan dinyatakan dalam sebuah matrik jacobian yang dimodifikasi oleh Shahdehpor. Dengan menggunakan teknik programma linear dapat diperoleh profil tengangan yang baik dan susut daya yang minimal. Bentuk beban yang biasanya dianggap sebagai nilai yang teteap, diperbaiki dengan membuat model beban fuzzy dimana secara pasti besarknya beban berada pada suatu jangkauan nilai (range) tertentu. Akibat pengunaan model beban fuzzy ini formulasi program linier akan bertambah rumit karena bertambahnya jumlah variabel dan fungsi kendala secraa berlipat ganda. Untuk menyelesaikan program linier yang demikian dipergunakan metoda dekomposisi tentang Wolfe yang dapat memberikan solusi dengan cukup cepat dan efisien, dimana bentuk program linier yang rumit dan kompleks tersebut diuraikan menjadi suatu master problem dan beberapi subproblem tergantuk bentuk fungsi kendalanya sehingga proses optimasinya lebih sederhana dibandingkan dengan program liner semula. "

"ABSTRAKDalam studi ini, perilaku dekomposisi termal dan kinetika asam polilaktat (PLA) dan komposit PLA/kenaf diselidiki menggunakan analisis termogravimetri (TGA), untuk menentukan pengaruh penambahan serat kenaf pada dekomposisi termal dan karakteristik kristalisasi. Studi kinektika dilakukan dengan menggunakan model Nakamura yang merupakan model Avrami yang dimodifikasi. Model ini digunakan untuk menentukan indeks Avrami dan parameter kinetik dari PLA dan komposit PLA/kenaf. Hasil penelitian menunjukkan bahwa penambahan serat kenaf ke dalam PLA dapat meningkatkan ketahanan termal, menurunkan indeks Avrami, mempercepat proses kristalisasi, dan mempercepat waktu paruh kristalisasi, serta meningkatkan kekuatannya. UKCC merupakan komposit PLA/kenaf dengan ketahanan termal yang terbaik dan memiliki kecepatan kristalisasi tertinggi pada sistem non-isotermal dengan nilai 𝐾𝑁𝑎𝑘(𝑇) sebesar 1,4114×10−3, serta nilai waktu paruh tercepat, yaitu 601,503 s, terjadi pengurangan waktu hingga 24,37%. TKCC merupakan komposit PLA/kenaf dengan nilai indeks Avrami yang paling mendekati nilai 2, yaitu 2,0618 dan memiliki kecepatan kristalisasi tertinggi pada sistem isotermal dengan nilai 𝐾𝑡 sebesar 4,69311×10−7. Serat dari inti batang kenaf dapat menjadi pilihan terbaik untuk dicampurkan ke dalam PLA murni sebagai komposit PLA/kenaf. Alkalinisasi dapat menjadi pilihan jika lebih menginginkan kekuatan material yang lebih baik dibandingkan dengan waktu proses kristalisasi yang cepat.

---

ABSTRACTIn this study, the thermal decomposition behaviour and kinetics of polylactic acid (PLA) and PLA/kenaf composites were investigated using thermogravimetric analysis (TGA), to determine the effect of kenaf fibre addition on its thermal decomposition and crystallization characteristics. The kinectics study was conducted using Nakamura model which is a modified Avrami model. The model is used to determine the Avrami index and kinetic parameters of PLA and PLA/kenaf composite. The results show that the addition of kenaf fibre into the PLA increase thermal resistance, decrease the Avrami index, speed up the crystallization process, speed up the half-time of crystallization, and increase the strength. UKCC is a PLA/kenaf composite with the best thermal resistance and has the highest crystallization speed in non-isothermal systems with KNak(T) value is 1,4114×10−3, and the fastest half-time value is 601,503 s, occurs time reduction of up to 24,37%. TKCC is a PLA/kenaf composite with an Avrami index value closest to 2, namely 2,0618 and has the highest crystallization speed in an isothermal system with Kt value is 4,69311×10−7. Kenaf core fibre can be the best choice for mixing into PLA as a PLA/kenaf composite. Alkalinization can be optional for the better material strength compared to the fast crystallization time."

"Dekomposisi spektral telah diaplikasikan pada data seismik dalam meningkatkan resolusi, visualisasi stratigrafi, memprediksi ketebalan lapisan tipis, dan mendeteksi langsung keberadaan hidrokarbon. Pada kasus ini, Metode Empirical Mode Decomposition digunakan untuk mendekomposisi suatu sinyal utama menjadi beberapa sub-sinyal yang bervariasi, yang memiliki berbagai macam frekuensi. Beberapa sub-sinyal tersebut biasa disebut IMF (Intrinsic Mode Function). Tahap selanjutnya dilakukan Transfromasi Hilbert untuk setiap IMF.Hasil yang didapatkan dari proses Spectral Decomposition dengan metode Empirical Mode Decomposition dan Transformasi Hilbert menunjukkan kemampuan yang bagus pada data sintetik. Sedangkan pada data riil mampu membedakan respon gas dan batu bara pada anomali brigth spot dengan melalui analisis Transformasi Hilbert berdasarkan respon amplitudo sesaat.

---

Spectral decomposition have been applied for seismic data to enhance resoution, improve stratigraphy visualization, thin bed prediction, and direct hydrocarbon indicator. In this case, the empirical mode decomposition method is used to decompose main signal into several variated sub-signal that have many types of frequencies. Some sub signal are usually called IMF (intrinsic mode function). Then do the Hilbert Transform to each IMF to get the time frequency section.

The result from the spectral decomposition method using empirical mode decomposition show good performance on syntethic data. While on real data can be clarified gas and coal response from the brigth spot anomaly by Hilbert-Huang transform method based on instantaneous amplitude."

"Minyak solar di Indonesia sangat rendah kualitasnya, Penggunaan aditif untuk meningkatkan kualitas pembakaran diperlukan untuk meningkatkan efisiensi pembakaran dan mengurangi tingkat pencemaran lingkungan Jurusan Gas dan Petrokimia telah melakukan penelitian dan mendapatkan suatu bentuk aditif biodiesel yang mampu menaikan bilangan setana minyak solar Indonesia sehingga penambahannya menimbulkan terjadinya peningkatan sebesar hampir 4 angka dari bahan bakar dasarnya. Pengujian ini dilakukan untuk mengetahui secara aktual pengaruh emisi gas buang ataupun noise, dan untuk mendapatkan perubahan total rata-rata emisi yang dikeluarkan akibat penambahan aditif tersebut. Akan tetapi pengolahan data menjadi suatu hal yang penting dalam menarik kesimpulan dari pengujian yang dilakukan. Metode regresi adalah Salah satu bentuk penyederhanaan data sehingga dapat menarik suatu model persamaan yang dapat menarik garis hubungan antara suatu variabel yang bergantung, dalam hal ini emisi, dengan variabel lain yang merupakan prediktor dari variabel yang bergantung tadi. Akan tetapi penggunaan model linear dengan variabel predilctor yang memiliki korelasi yang kuat antara satu sama lain adalah suatu masalah dalam statistik yang disebut multicollinearity. Untuk menghilangkan masalah tersebut digunakan suatu metoda Singular Value Decomposition (SVD) untuk mendekornposisi variabel prediktor tersebut, dan mengalikan data dengan salah satu vektor hasil dekomposisi, yaitu right singular vektor (V) untuk menghilangkan korelasi antar preditor tersebut, yang kemudian diregresikan dan diintegrasikan untuk mendapatkan total rata-rata emisi yang dikeluarkan.Hasil pengolahan data menunjukkan bahwa aditif tersebut dapat mengurangi emisi HC dan meningkatkan emisi CO2 untuk semua campuran dengan variasi putaran pada mesin Komatsu maupun Mitsubishi, dimana pada mesin Komatsu penurunan emisi HC terbesar ada pada campuran 0,10% vol sebesar 14,78% dan kenaikan emisi CO2 terbesar ada pada campuran 0.15% sebesar 4,53% yang menunjukkan bahwa penambahan aditif meningkatkan kualitas pembakaran. Pengintegralan hasil regresi pada data variasi pmbebanan untuk mesin Mitsubishi dengan 5 prediktor dan mengalikannya dengan vektor V memberikan nilai yang lebih menyeluruh terhadap nilai total rata-rata emisi yang dikeluarkan. Emisi HC yang meningkat untuk setiap campuran (terbesar pada campuran 0,1% vol sebesar 36,11%) dan emisi C02 yang menurun untuk semua campuran (terbesar pada campuran 0,05% sebesar 2,91%) menunjukan bahwa terjadi penurunan kualitas pembakaran akibat penarnbahan aditif MEN saat pengujian dengan variasi pembebanan untuk mesin Mitsubishi.

---

lndonesia has a low quality diesel htel Using additive to improve the ignition quality is one of the solution, which needed beside to increase the efficiency of ignition, also in order to reduce the level of hazardous emission released into the atmosphere. Department of Gas and Petrokimia - FTUI has conducted a research and was able to generate such biodiesel additive which can increase the cetane number nearly up to 4 number from its basic fuel This research performed to identify the actual impact of that additive in diesel engine based on its gas emission and noise level, and obtain the total's mean of emissions difference caused by adding the additive. However, data processing is an important thing so that we can draw a conclusion from our research. The regression method is a method that can used to draw a correlation from independent variables as predictors for dependent variable, in this case, emission. Nevertheless, by using a linear model of regression where their predictors are highly correlated among each other is a problem in statistic. This is call as multicollinearity. Applying Singular Value Decomposition (S VD) method to the data will generate a left singular vector (V). Then by multiplving data with V can remove the multicollinearity problem. Continued by regressing and performing integration will attain the total mean of emission produced by the engine.

The result has shown us that the additive can reduce the emission of HC and increase CO3 emission in every blend of fuel-additive for both engines, Komatsu and Mitsubishi, in variable .speed tests method For Komatsu, the highest reduction of HC emission is shown by 0.10% blend at a number of 14. 78%, and highest addition of C O2 is shown by 0.15% blend at a number of 4. 53%, gives an indication that using this additive is improving the quality of ignition as engine speed increased For variable load tests method that conducted for twtsubishi, integrating the regression from the data that had been multiplv by V is giving a more significant value of every emissionis total mean than using onbt one predictor, considering that more predictors is applied. The increasing of HC emission (highest increasing is 36. 11% at 0.1% blend and the decreasing of CO2 emission hghest decreasing is 2. 91% at 0.1% blend shown that the qualigt of ignition is weaken as adding the additive while conducting the variable load tests method in Mitstibishi engine."

"Dekomposisi spektrum merupakan salah satu attribut seismik yang menggunakan domain frekuensi dalam analisanya. Metode ini sangat berguna untuk mendeteksi lapisan tipis dengan ketebalan sekitar ¼ λ dimana pada ketebalan tersebut terjadi efek tuning. Metode ini juga dapat digunakan untuk mendeteksi patahan, channel (sungai), dan hidrokarbon. Untuk menggunakan metode ini dibutuhkan data seismik dalam domain waktu yang dengan menggunakan persamaan Short Time Fourier Transform (STFT), akan diubah ke dalam domain frekuensi.Hasil akhirnya berupa peta struktur dalam domain frekuensi. Metode ini akan diaplikasikan pada data seismik yang telah mengalami tahap processing pada Lapangan X seluas 10 km x 10 km di daerah Cekungan Sunda. Dari data sumur permboran yang berupa data log, diperoleh 5 sand yang memiliki ketebalan yang berbeda-beda dan akan dianalisis penyebarannya dengan menggunakan metode ini. Setelah mengalami tahap interpretasi, data seismik akan diubah ke dalam domain frekuensi dengan Short Time Fourier Transform. Hasil yang diperoleh berupa penampang seismik secara lateral dalam domain frekuensi antara 5-65 Hz yang menunjukkan lapisan sand yang ketebalannya mendekati efek tuning dapat terdeteksi penyebarannya, sedangkan untuk lapisan sand yang ketebalannya di bawah resolusi seismik, pola penyebarannya tidak terlihat."

"Lapangan 'K'; yang berlokasi di Cekungan Kutai memiliki potensi besar dalam hal kandungan hidrokarbon di bawah permukaan. Reservoir hidrokarbon pada Lapangan 'K'; ini memiliki ketebalan yang cenderung tipis sehingga sulit dilihat menggunakan seismik. Salah satu metode untuk menyelesaikan kasus tersebut yaitu dekomposisi spektral. Dekomposisi spektral merupakan suatu metode dalam interpretasi data seismik dengan mengubah trace seismik ke dalam time-frequency domain. Pada penelitian ini, metode dekomposisi spektral yang dipakai adalah continuous wavelet transform CWT . Metode CWT bekerja dengan cara mengkonvolusikan wavelet dengan trace seismik. Bentuk wavelet digunakan adalah Morlet Wavelet yang didalamnya mengandung satu frekuensi dominan. Dekomposisi spektral pada penelitian ini mampu untuk mengidentifikasi dugaan reservoir hidrokarbon dari tiga zone of interest yang berbeda. Reservoir hidrokarbon pada zone of interest K teridentifikasi pada frekuensi 33 Hz, zone of interest L teridentifikasi pada frekuensi 30 Hz, dan pada zone of interest M teridentifikasi pada frekuensi 18Hz. Masing-masing zona tersebut memiliki tuning frequency yang berbeda. Persebaran sistem channel terlihat dengan arah distributary channel ke Timur Laut dan tipe pengendapan berupa mouth bar untuk zone of interest K, zone of interest L, dan zone of interest M di Lapangan 'K'.

---

The 39 K 39 field located in the Kutai Basin has great potential in terms of the hydrocarbon content below the surface. The hydrocarbon reservoir in 39 K 39 field has a thickness that tends to be thin so it is difficult to see using seismic. One method to solve the case is spectral decomposition. Spectral decomposition is a method of interpreting seismic data by converting seismic trace into time frequency domains. In this research, the spectral decomposition method used is continuous wavelet transform CWT . The CWT method works by convolving wavelets with seismic trace. The wavelet form used is Morlet Wavelet which contains one dominant frequency. Spectral decomposition in this study was able to identify suspected hydrocarbon reservoirs from three different zones of interest. The hydrocarbon reservoir at the zone of interest K is identified at 33 Hz, the zone of interest L is identified at a frequency of 30 Hz, and in the zone of interest M is identified at a frequency of 18 Hz. Each zone has a different tuning frequency. Distribution of the channel system is seen with the direction of the distributary channel to the Northeast and the type of deposition in the form of a mouth bar for the zone of interest K, the zone of interest L, and the zone of interest M in the Field 39 K 39 ."

"Indeks Harga Saham Gabungan (IHSG) merupakan indeks saham yang biasanya digunakan investor untuk melihat kondisi pasar saham. IHSG merupakan data yang berjenis runtun waktu. Peramalan yang akurat pada IHSG dapat membantu investor meminimalisir risiko. Salah satu model runtun waktu yang sering digunakan adalah model Autoregressive Integrated Moving Average (ARIMA) dimana model ini mengasumsikan bahwa runtun masa kini memiliki hubungan linier dengan runtun historisnya. Jika terdapat pola nonlinier pada data runtun waktu, diperlukan model lain yang dapat mengakomodir pola nonlinier tersebut seperti model Recurrent Neural Network (RNN). Namun, bisa saja sebuah runtun waktu memiliki pola linier dan nonlinier sehingga dikembangkan sebuah model hybrid ARIMA-RNN. Data runtun waktu yang digunakan pada model hybrid ARIMA-RNN direpresentasikan sebagai penjumlahan dari komponen linear dan nonlinier. Ketika dijumpai runtun waktu yang kompleks, model hybrid ARIMA-RNN tidak mampu mendekomposisi data sebagai komponen linier dan nonlinier. Kompleksitas suatu runtun waktu dapat ditentukan dengan menggunakan Sample Entropy (SE). Meramalkan runtun waktu yang kompleks dengan model hybrid ARIMA-RNN dapat mengakibatkan penurunan performa peramalan. Untuk meningkatkan performa model hybrid ARIMA-RNN, diperkenalkan metode dekomposisi (filter) untuk mengurangi kompleksitas dari runtun waktu. Penelitian ini mengonstruksi model hybrid ARIMA-RNN dengan filter Empirical Mode Decomposition (EMD). Konstruksi model hybrid ARIMA-RNN diterapkan pada data indeks penutupan harian IHSG dari tanggal 1 Januari 2016 hingga 31 Desember 2019. Filter EMD pada data tersebut menghasilkan 6 IMF (Intrinsic Mode Function) dan residual yang kompleksitasnya bervariasi. Berdasarkan perhitungan menggunakanSample Entropy (SE) didapat IMF1 hingga IMF5 adalah runtun kompleksitas tinggi sedangkan IMF6 dan residual adalah runtun kompleksitas rendah. Runtun kompleksitas tinggi dan kompleksitas rendah selanjutnya masing-masing dimodelkan dengan RNN danARIMA. Hasil peramalan akhir pada model hybrid ARIMA-RNN dengan filter EMD memberikan nilai RMSE sebesar 35,5702. Nilai RMSE yang didapat lebih kecil dibandingkan nilai RMSE pada model ARIMA, model RNN, dan model hybrid ARIMARNN. Hasil penelitian menunjukkan bahwa model hybrid ARIMA-RNN dengan filter EMD memberikan performa peramalan terbaik pada ramalan IHSG dan juga penggunaan filter EMD memberikan peningkatan performa peramalan pada model hybrid ARIMARNN.

---

Indonesia Composite Index (IDX Composite) is a stock index that is usually used by investors to see stock market conditions. Accurate forecasting on the IDX composite, which is time series data, may assist investors in reducing risk. Autoregressive Integrated Moving Average (ARIMA) model, which implies a linear relationship between the current series and its historical series, is one of the time series models that is frequently used. Other model, such as the Recurrent Neural Network (RNN) model, is required if the time series data contain a nonlinear pattern. A hybrid ARIMA-RNN model was developed since it is possible for a time series that have both a linear and nonlinear pattern. The sum of the linear and nonlinear components is used to represent the time series data in the ARIMA-RNN hybrid model. The ARIMA-RNN hybrid model is unable to separate the data into linear and nonlinear components when a complex time series is present. The complexity of a time series can be determined by using Sample Entropy (SE). The ARIMA-RNN hybrid model's forecasting performance may suffer when forecasting complex time series. To improve the performance of the hybrid ARIMA-RNN model, a decomposition (filter) method is introduced to reduce complexity and deal with nonstationary and nonlinear time series. This research constructs a hybrid ARIMA-RNN model with the Empirical Mode Decomposition (EMD) filter. The construction of the hybrid ARIMA-RNN model is applied to the daily closing of IDX composite from 1 January 2016 to 31 December 2019. The EMD filter on the data produces 6 IMFs and a residual with varying complexity. Based on calculations using Sample Entropy (SE), IMF1 to IMF5 are high complexity time series, while IMF6 and the residual are low complexity time series. The high and low complexity time series are then modeled with RNN and ARIMA, respectively. The final forecasting result on the hybrid ARIMA-RNN model with the EMD filter gives an RMSE value of 35.5702. This RMSE value is smaller than the RMSE values of the ARIMA model, the RNN model, and the hybrid ARIMARNN model. The results show that the hybrid ARIMA-RNN model with the EMD filter provides the best forecasting performance for the IDX composite forecast and also the use of the EMD filter improves the forecasting performance of the hybrid ARIMA-RNN model."