Article Per Year (5 Year)
p-Index From 2020 - 2025
6.49
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Edukasi dan Penelitian Informatika (JEPIN) JMPM: Jurnal Matematika dan Pendidikan Matematika BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Sarwahita : Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi
Martha, Shantika
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 1   2   3   4   5 
Pemetaan Pembangunan Sekolah di Kapuas Hulu Menggunakan Metode Multidimensional Scaling Martha, Shantika
JMPM: Jurnal Matematika dan Pendidikan Matematika Vol 4, No 2 (2019): September 2019 - Februari 2020
Publisher : Universitas Pesantren Tinggi Darul 'Ulum Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (176.76 KB) | DOI: 10.26594/jmpm.v4i2.1065

Abstract

Pemetaan pembangunan sekolah diperlukan untuk melihat ketersediaan sarana pendidikan di suatu daerah. Di daerah perbatasan biasanya terjadi ketimpangan antara jumlah sarana pendidikan yang ada. Kapuas Hulu adalah salah satu kabupaten yang berada di Provinsi Kalimantan Barat yang berbatasan dengan negara Sarawak Malaysia. Penelitian ini bertujuan untuk melakukan pemetaan terhadap pembangunan sekolah antar kecamatan di kabupaten Kapuas Hulu menggunakan metode Multidimensional Scaling (MDS). Berdasarkan hasil pemetaan, diperoleh empat kelompok daerah yang memiliki pola kedekatan yang sama antar kecamatan dengan nilai Stress sebesar 0.05821 dan R2 0.98917. 
THE APPLICATION OF THE SEMIPARAMETRIC GSTAR MODEL IN DETERMINING GAMMA-RAY LOG DATA ON SOIL LAYERS Yundari, Yundari; Martha, Shantika
MEDIA STATISTIKA Vol 14, No 2 (2021): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/medstat.14.2.108-117

Abstract

This research examines the semiparametric Generalized Space-Time Autoregressive (GSTAR) spacetime modeling and determines its spatial weight. In general, the spatial weights used are uniform, binary weights, and based on the distance, the result is a fixed weight. The GSTAR model is a stochastic model that takes into account its random variables. Thus, it is necessary to study the random spatial weights. This study introduced a new method to estimate the observed value of the GSTAR model semiparametric with a uniform kernel. The data involved the Gamma Ray (GR) log data on four coal drill holes. The semiparametric GSTAR modeling aimed to predict the amount of log GR in the unobserved soil layer based on the observation data information on the layer above it and its surrounding location. The results revealed that semiparametric GSTAR modeling could predict the presence of coal seams and their thickness of drill holes. The results also highlight the validity test on the out-sample data that the error in each borehole results in a small error. In addition, the error tends to approach the actual observed value at a depth of 1 meter down.
PERBANDINGAN ESTIMASI VOLATILITAS HARGA OPSI BELI SAHAM APPLE INC. (AAPL) DENGAN METODE BISECTION DAN SECANT Radinasari, Nur Ismi; Sulistianingsih, Evy; Martha, Shantika
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN (EPSILON: JOURNAL OF PURE AND APPLIED MATHEMATICS) Vol 18, No 1 (2024)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v18i1.11638

Abstract

Stock price volatility is a measure of how far a stock price moves in a given Stock price volatility is a measure of how far a stock price moves in a given time. The theory developed by Black-Scholes states that every option price with the same 'underlying asset' and the same time to maturity but with different exercise values will have the same Implied Volatility value. However, this is not always the case in the market. Therefore, it is necessary to estimate volatility known as Implied Volatility, which is considered an appropriate method in estimating volatility values. This study compares the Bisection and Secant methods to estimate the volatility of Apple Inc. (Aapl) stock. This study uses data on the closing price of the stock in the period September 29, 2022 to September 29, 2023. Volatility estimation for the Bisection and Secant methods by determining the initial approximation and limiting it to a maximum of 100 simulations and iteration stops if it has produced a relative error smaller than  = . The  is an error tolerance limit, the smaller the error tolerance, the more accurate it is. According to the research results, the Bisection method produces an estimated volatility value of 0.498212 at the 9th iteration, while the Secant method produces an estimated value of 0.498590 at the 10th iteration. The Secant method produces a smaller relative error value of 0.000096, indicating that the Secant method is more accurate than the Bisection method.
Analisis Kelayakan Kredit Menggunakan Classification Tree dengan Teknik Random Oversampling Vebriyanti, Lo Mei Ly; Martha, Shantika; Andani, Wirda; Rizki, Setyo Wira
Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi EULER: Volume 12 Issue 1 June 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/euler.v12i1.24182

Abstract

Credit is providing money or bills based on the agreement between a bank and another party. Lending is inseparable from bad credit risk, so credit analysis must be conducted on prospective debtors before approving a proposed loan. This research aims to analyze creditworthiness using a Classification Tree as a classification method with Random Oversampling to overcome imbalanced data. This study uses secondary data on the status of debtors from a bank in West Kalimantan. Research data amounted to 800 data samples consisting of collectability variables as target variables and 10 independent variables, namely limit, rate, tenor, total installments, age, salary, premium and admin, agency, type credit, and type need. The Classification Tree method with Random Oversampling is used to overcome imbalanced data. Classification begins with data preprocessing, then the data is divided into training and test data with proportions of 70:30, 80:20 and 90:10 for each treatment without Random Oversampling and with Random Oversampling. Next, a classification model is formed using training data, and the classification model is validated using test data. After that, an overall evaluation of the model is carried out to determine the best model used in the classification process. Based on the research results, the best model is the model Classification Tree with Random Oversampling in proportion 70:30, with an accuracy value of 89.17%, specificity of 75.00%, and recall of 89.66%. The model can be used to classify current and non-current debtor data. The most influential variable in classifying debtor status is the total installment variable.
Pemodelan Sistem Rekomendasi Restoran berdasarkan Preferensi Pengguna dengan Pendekatan Content-Based Filtering Ilhamsyah, Ilhamsyah; Rahmayuda, Syahru; Midyanti, Dwi Marisa; Martha, Shantika
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 1 (2024): Volume 10 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i1.74008

Abstract

Setiap individu memiliki preferensi makanan yang unik. Karakteristik rasa yang khas dapat memengaruhi seberapa bersedia seseorang membayar untuk hidangan di restoran tertentu. Keterkaitan antara preferensi makanan seseorang dengan karakteristik harga makanan dapat digunakan sebagai faktor penting dalam menentukan rekomendasi restoran. Penelitian ini memodelkan sebuah sistem rekomendasi restoran berdasarkan prefrensi rasa, harga dan rating makan penggunanya sebagai faktor utama dalam mempengaruhi hasil rekomendasi. Analisis data menggunakan 3 atribut yaitu data ulasan restoran, rating dan harga restoran. Teknik scraping dilakukan untuk pengumpulan dataset, adapun jumlah dataset sebanyak 661 data restoran dari hasil scraping. Pengubahan dataset dilakukan dengan proses Pra-Processing yang kemudian dilanjutkan dengan mempelajari model data dengan pendekatan Content-Based Filtering (CBF). Hasil penelitian menunjukkan bahwa rata-rata akurasi yang diberikan sistem rekomendasi yang dibangun adalah 73.33% dari rekomendasi restoran berdasarkan harga dan ulasan.
ANALISIS K-MEANS MENGGUNAKAN METODE DUNN INDEX DALAM MENENTUKAN JUMLAH CLUSTER OPTIMAL (Studi Kasus: Indikator Pendidikan SMA di Indonesia Tahun 2022) Hidayatullah, Hidayatullah; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77469

Abstract

Pendidikan merupakan fondasi krusial dalam membentuk dan mengembangkan sumber daya manusia dalam proses pembangunan suatu negara. Data dari Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2021 menunjukkan dominasi penduduk Indonesia dengan tingkat pendidikan rendah. Kondisi ini menjadi fokus dalam penerapan teknik analisis data, khususnya cluster analysis, untuk memahami karakteristik kelompok secara mendalam. Cluster analysis merupakan metode yang mengelompokkan data berdasarkan kesamaan antara satu data dengan data lainnya, dan memiliki peran penting dalam analisis dan pemahaman struktur data yang kompleks. Penelitian ini menggunakan analisis cluster non-hirarki dengan pendekatan K-Means, yang dikenal sederhana, cepat dalam komputasi, dan efisien dalam menangani data besar. Dunn Index digunakan sebagai metode evaluasi untuk mengukur kualitas pengelompokkan dengan menghasilkan cluster-cluster yang memiliki tingkat kesamaan tinggi di dalam kelompoknya masing-masing. Data yang digunakan adalah data sekunder yang mencakup tujuh indikator pendidikan SMA di 34 provinsi di Indonesia. Hasil yang diperoleh dari pengelompokan yang optimal menggunakan metode Dunn Index yaitu sebanyak ilima cluster . Cluster  pertama dengan tingkat pendidikan yang sangat tinggi beranggotakan empat provinsi yaitu provinsi Aceh, Kep.Riau, DI Yogyakarta dan Bali. Cluster  kedua dengan Tingkat pendidikan yang tinggi beranggotakan 13 provinsi. Cluster  ketiga yang beranggotakan tiga provinsi dengan tingkat pendidikan yang sedang. Dan cluster  keempat dengan tingkat pendidikan yang rendah beranggotakan 13 provinsi. Sedangkan untuk cluster  kelima dengan tingkat pendidikan sangat rendah hanya beranggotakan satu provinsi yaitu provinsi Papua. Pentingnya kebijakan dari pemerintah untuk memprioritaskan provinsi yang tingkat pendidikannya rendah seperti Papua supaya menghindari ketimpangan kualitas pendidikan di Indonesia.  Kata Kunci : Tingkat, Pendidikan, Nonhirarki, Pengelompokan.
PENERAPAN RANTAI MARKOV DALAM PEMILIHAN BIDANG SKRIPSI DI PRODI MATEMATIKA FMIPA UNTAN ANGKATAN 2017-2019 Rivaldi, Syahrul; Martha, Shantika; Yundari, Yundari
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.81854

Abstract

Proses Markov adalah  proses stokastik melalui distribusi peluang bersyarat  yang memenuhi sifat Markov. Rantai Markov sepenuhnya  dijelaskan  sebagai matriks peluang transisi satu langkah yang menjelaskan distribusi peluang pada  state  dimulai dari proses mula-mula.Proses Markov  didefinisikan  rantai Markov jika memiliki ruang state yang diskrit. Metode rantai Markov waktu diskrit pada penelitian ini digunakan untuk memprediksi jumlah bidang minat mahasiswa Program Studi Matematika FMIPA UNTAN Angkatan 2017, 2018, 2019. Langkah awal adalah melakukan pengumpulan data sekunder melalui kuesioner yang selanjutnya dilakukan analisis data dengan menyusun tabel peluang transisi, menyusun matriks transisi, dan vektor distribusi peluang transisi. Berdasarkan hasil perhitungan yang diperoleh peluang transisi atau perubahan bidang minat analisis pada semester 7 sebesar 8%. Bidang minat geometerik/aljabar sebesar 15%, bidang minat matematika terapan sebesar 45% sedangkan bidang minat statistika/aktuaria sebesar 32%.      Kata Kunci:  Stokastik, rantai markov, peluang transisi
ANALISIS POLA SPASIAL KEBAKARAN HUTAN DI KALIMANTAN BARAT MENGGUNAKAN GETIS-ORD (GI*) STATISTIC DAN INDEKS MORAN Prianti, Sabrina Eka; Kusnandar, Dadan; Debataraja, Naomi Nessyana; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i6.89234

Abstract

Kebakaran hutan adalah suatu keadaan dimana api menghanguskan sebagian atau keseluruhan hutan sehingga menimbulkan kerusakan yang mengakibatkan kerugian terhadap perekonomian dan nilai lingkungan hidup. Kebakaran hutan dapat terjadi berulang tiap tahunnya. Penelitian ini bertujuan untuk menentukan daerah signifikansi hotspot, pola spasial dan korelasi antar titik api di Kalimantan Barat. Daerah signifikansi hotspot dianalisis dengan Getis Ord (Gi*) Statistic. Pola spasial dan korelasi antar titik api dianalisis dengan Indeks Moran. Data yang digunakan yaitu data titik api dari instrumen MODIS citra satelit Terra dan Aqua. Hasil analisis Getis Ord (Gi*) Statistic menunjukkan konsentrasi titik api tertinggi tahun 2018 terjadi pada Kabupaten Kayong Utara, Kubu Raya, Mempawah, Sambas dan Kota Pontianak. Tahun 2019 terjadi pada Kabupaten Kayong Utara, Ketapang dan Sambas. Tahun 2020 terjadi pada Kabupaten Bengkayang, Kubu Raya, Landak, Mempawah dan Sambas. Tahun 2021 terjadi pada Kota Pontianak, Kabupaten Kubu Raya dan Mempawah. Tahun 2022 terjadi pada Kabupaten Bengkayang, Landak, Mempawah, Sambas dan Kota Singkawang. Kejadian kebakaran hutan berulang di Kalimantan Barat yang tergolong dalam signifikansi hotspot paling banyak terjadi di Kabupaten Sambas yaitu tahun 2018, 2019, 2020, dan 2022. Selain itu, analisis Indeks Moran menunjukkan bahwa Kebakaran Hutan di Kalimantan Barat tahun 2018-2022 terdapat autokorelasi spasial antar titik api dan pola spasialnya menghasilkan pola yang berkelompok (clustered).  Kata Kunci :  titik api, Getis Ord (Gi*) Statistic, Indeks Moran.
PERBANDINGAN HASIL PREDIKSI KURS JISDOR MENGGUNAKAN METODE FUZZY TIME SERIES MODEL CHEN DAN LEE Rezaldi, Muhammad Fachri; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.86304

Abstract

Fuzzy time series adalah metode peramalan dengan menggunakan data historis untuk memprediksi kondisi di masa depan. Penelitian ini bertujuan untuk membandingkan prediksi kurs Jakarta Interbank Spot Dollar Rate (JISDOR) yang menggunakan model fuzzy time series, yaitu model Chen dan model Lee. Data yang dianalisis mencakup kurs JISDOR dari 3 Maret 2023 hingga 25 Mei 2023. Proses penelitian dimulai dengan menentukan himpunan semesta, lalu jumlah dan lebar interval. Selanjutnya, dibentuk himpunan fuzzy, serta ditentukan Fuzzy Logical Relationship (FLR) dan Fuzzy Logical Relationship Group (FLRG) untuk kedua model tersebut. Setelah itu, dilakukan defuzifikasi dengan mencari nilai tengah dari kelas interval untuk mendapatkan hasil peramalan. Hasil penelitian menunjukkan bahwa Average Forecasting Error Rate (AFER) untuk model Chen adalah 0,004900, sedangkan untuk model Lee adalah 0,002848. Dengan demikian, model Lee lebih akurat dibandingkan model Chen karena memiliki nilai AFER yang lebih rendah.  Kata Kunci :  FTS, Kurs, Chen dan Lee
PERAMALAN CURAH HUJAN DI KOTA PONTIANAK MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE NEURAL NETWORK (VAR-NN) Istighfarani, Ridha; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77470

Abstract

Fenomena cuaca ekstrim di Indonesia cenderung meningkat akibat dampak perubahan iklim. Perubahan iklim mengakibatkan perubahan cuaca, sehingga diperlukan cara untuk meramalkan agar mempermudah masyarakat untuk mengetahui informasi tentang terjadi atau tidaknya hujan. Penelitian ini menggunakan metode Vector Autoregressive Neural Network (VAR-NN) yang bertujuan meramalkan curah hujan di Kota Pontianak berdasarkan data bulanan dari Januari 2019 hingga Desember 2022 yang diperoleh dari Stasiun Meteorologi Maritim Pontianak. Vector Autoregressive (VAR) adalah metode deret waktu multivariat yang variabelnya tidak perlu dipisahkan menjadi variabel endogen atau eksogen. Dalam kasus curah hujan biasanya juga mengandung pola nonlinier, sehingga diperlukan pemodelan nonlinier untuk mengantisipasi masalah tersebut. Adapun metode peramalan yang bersifat nonlinier salah satunya adalah Neural Network (NN). NN memiliki kemampuan dalam menganalisis berbagai jenis data. Hasil analisis menunjukkan bahwa VAR-NN (5) dengan jumlah lapisan (4-2-1) menghasilkan peramalan curah hujan selama 12 bulan ke depan termasuk dalam kategori rendah. Berdasarkan perhitungan MAPE bahwa hasil peramalan termasuk dalam kategori cukup baik dengan nilai MAPE sebesar 45,080%. Hal ini disebabkan karena nilai varians dari curah hujan yang besar, sehingga nilai MAPE yang dihasilkan besar pula.  Kata Kunci: curah hujan, VAR, NN.
Co-Authors , Syahru Rahmayuda, Haris Febriyanto Ramadhan , Sampe Hotlan Sitorus Agustono, Hendri Al Azizi, Fudhail Azzam Thoriqi Amarrullah, Rido Andani, Wirda Anggria, Vini Apriliyanti, Rita Aprizkiyandari, Siti Asmara, Mira AYU ASTUTI, AYU Ayuni, Anisa Putri Bartolomius, Bartolomius Cahyani, Cristy Framedia Calissta, Leanna Belva Clarenda Siboro, Viren Marcellya Cornellia, Amanda Dadan Kusnandar Deanovela, Adelea Delvi Debataraja, Naomi Nessyana Dwi Marisa Midyanti Dyaherawati, Oktavia Ersawahyuni, Aisna Evy Sulistianingsih Fallah, Khalishah Ghina Fiqriah, Isnaini Gunawan, Risky Hamdari, Ela Hariadi, Wahyudio Shaney Fikri Hendra Perdana Hidayatullah Hidayatullah Ilhamsyah Imro'ah, Nurfitri IMRO’AH, NURFITRI Indriani, Maria Meilinda Istighfarani, Ridha Maharani, Cinta Priscillia Mori, Stepanus Armadi Muhtadi, Radhi Neva Satyahadewi Novi Safitri Nurhaliza, Sy. Farini Oktitannia, Dea Pebriyandi, Rifki Pramesti, Surya Adinda Fitria Prianti, Sabrina Eka Purwanty, Purwanty Puspita, Risma Radinasari, Nur Ismi Rahmadanti, Putri Rahmawati, Fenti Nurdiana Rezaldi, Muhammad Fachri Riovani, Vriska Dwi Rivaldi, Syahrul Rizki, Setyo Wira Robbiati, Dian Sadikin, Utin Azwa Sayhani Salsabila, Salsabila Salsabila, Yumna Hanum Sindia, Eri Tamtama, Ray Umiati, Wiji Vebriyanti, Lo Mei Ly Wuri, Hastri Sastia Yogi, Vinsensius Yudhi Yundari, Yundari Zaria, Della