Claim Missing Document
Check
Articles

Introduction of Artificial Intelligence to Students Using AIOT-kit Based on ThingSpeak Trihandaru, Suryasatriya; Parhusip, Hanna Arini; Susanto, Bambang; Setiawan, Adi; Nugroho, Didit Budi; Kurniawan, Johanes Dian
SPEKTA (Jurnal Pengabdian Kepada Masyarakat : Teknologi dan Aplikasi) Vol. 5 No. 2 (2024)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/spekta.v5i2.9462

Abstract

Background: Schools struggle to engage students in science and technology, highlighting the need for innovative, tech-driven teaching methods to meet 21st-century educational demands. Contribution: An AIOT kit was developed to introduce middle school students to Artificial Intelligence (AI) and the Internet of Things (IoT). The kit measures environmental factors like temperature, humidity, pressure, and light, providing real-time data. Method: Students received training in mathematical and coding fundamentals, programmed the AIOT kit to collect data, and displayed it on the ThingSpeak dashboard. They also designed and assembled the kit, fostering peer-to-peer learning in future activities. Results: Students visualized data effectively and successfully connected the AIOT kit to the dashboard, confirming its functionality. Conclusion: The project enhanced students' understanding of AI and IoT, providing hands-on learning and boosting engagement in science and technology
Pemodelan Volatilitas untuk Return Indeks Saham Menggunakan Garch-M(1,1) Kurniawati, Dini; Nugroho, Didit Budi; Susanto, Bambang
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (968.976 KB)

Abstract

Studi ini fokus pada pengaplikasiaan model GARCH(1,1) dan GARCH-M(1,1) dengan inovasi berdistribusi normal. Model tersebut diaplikasikan pada data simulasi dan data riil dan utamanya diestimasi menggunakan Solver Excel. Data riil yang diamati yaitu data return harga saham S&P CNX Nifty, DJIA, dan S&P500 periode harian dari Januari 2000 sampai Desember 2017. Berdasarkan pada galat relatif dan perbandingan dengan hasil estimasi Matlab, studi ini menunjukkan bahwa Solver Excel handal untuk mengestimasi parameter-parameter model. Hasil empiris mendemonstrasikan bahwa model GARCH-M(1,1) menyediakan pencocokan yang lebih baik daripada model GARCH(1,1). Secara khusus, semua data saham yang diamati mendukung secara kuat penggunaan distribusi normal.
Analisis Kurva Kuantil Bersyarat untuk Data IHSG dan Kurs Beli CNY-IDR Hariyanto, H; Sasongko, Leopoldus Ricky; Nugroho, Didit Budi
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (909.325 KB)

Abstract

Analisis keterhubungan antara dua peubah acak kerap dipelajari melalui analisis regresi linier yang memiliki beberapa syarat perlu. Salah satu metode alternatif yang dapat digunakan terlepas dari keterbatasan regresi linier pada syarat tertentu adalah melalui analisis kurva kuantil bersyarat. Kurva kuantil bersyarat memperluas ide estimasi suatu model yang menggambarkan keterhubungan dua peubah yang mana perolehan kurva tersebut melibatkan fungsi distribusi bersyarat dari suatu peubah terhadap peubah yang lain. Dalam penelitian ini akan dikaji mengenai hubungan IHSG (Indeks Harga Saham Gabungan) dan kurs beli CNY-IDR yang digambarkan oleh kurva kuantil bersyarat dari beberapa Copula. Data yang digunakan yaitu data sekunder kurs beli CNY-IDR dan IHSG selama periode Januari 2018 sampai dengan Juni 2018 (semester pertama). Ukuran keterhubungan pada data tersebut didasarkan pada Kendall’s tau, Spearman rho, dan korelasi Pearson. Hasil penelitian menunjukkan bahwa hubungan antara kurs beli CNY-IDR dan IHSG berdasarkan ukuran Kendall’s tau, Spearman rho, dan korelasi Pearson adalah kecil/rendah yang berarti data saling bebas atau hampir tidak memiliki keterhubungan. Sementara Copula terbaik dalam menggambarkan hubungan kurs beli CNY-IDR dan IHSG dipilih berdasarkan nilai SSE (Sum Square Error) terkecil dari kurva kuantil bersyaratnya terhadap data. Kurva kuantil bersyarat dari copula Frank dengan distribusi marginal Cauchy, untuk kurs beli CNY-IDR, dan Normal, untuk IHSG, adalah model terbaik dalam menggambarkan keterhubungan data.
Pemodelan Volatilitas Return Menggunakan Model Garch(1,1) dengan Return Ditransformasi Box–Cox Prasetia, Kezia Natalia Putri; Nugroho, Didit Budi; Susanto, Bambang
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (986.346 KB)

Abstract

Studi ini mengusulkan klas baru dari model GARCH dengan mengaplikasikan keluarga transformasi Extended Box–Cox untuk return, yang selanjutnya dinamakan model EBCR-GARCH. Parameter-parameter model diestimasi utamanya menggunakan alat bantu Solver Excel. Analisis empiris didasarkan pada data simulasi dan data riil. Data riil yang digunakan adalah data kurs beli EUR, JPY dan USD terhadap IDR periode harian dari Januari 2010 sampai Desember 2017. Studi ini memperhatikan model dengan inovasi berdistribusi normal. Dalam kasus data simulasi, hasil estimasi menunjukkan bahwa model EBCR-GARCH(1,1) mengungguli model GARCH(1,1). Kemudian dalam kasus data riil, model EBCR-GARCH(1,1) mengungguli model GARCH(1,1) pada data kurs beli EUR terhadap IDR. Berdasarkan kelemahan dan keunggulan Solver Excel serta perbandingan hasil estimasi dengan metode yang berbeda, studi ini menyatakan bahwa Solver Excel handal dalam mengestimasi parameter-paremeter model.
Volatilitas Return Indeks Saham Internasional Berdasarkan Model GJR-GARCH(1,1) Panjaitan, Lam P.; Nugroho, Didit Budi; Sassongko, Leopoldus Ricky
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (603.636 KB)

Abstract

Studi ini memberikan perbandingan kinerja antara model GARCH(1,1) dan model GJR-GARCH(1,1) yang mengasumsikan return error berdistribusi normal. Perbandingan tersebut berdasarkan pada data simulasi dan data riil. Data simulai merupakan data returns yang dibangkitkan berdasarkan model GJR-GARCH(1,1) sebanyak 1000 kali, sedangkan data riil yang indeks saham digunakan dalam studi ini adalah Dow Jones Industrial Average (DJIA), Standard and Poors 500 (S&P 500), dan S&P CNX Nifty untuk periode harian dari Januari 2000 sampai Desember 2017. Studi ini juga menguji kemampuan Solver Excel dalam mengestimasi kedua model. Studi ini diawali dengan mengestimasi model yang diperhatikan menggunakan metode GRG Non-Linier di Solver Excel dan menemukan bahwa Solver Excel merupakan alat estimasi yang handal meskipun pada kasus tertentu menghasilkan estimasi yang tidak sesuai dengan kendala model. Pada hasil data simulasi model GJR-GARCH(1,1) memberikan pencocokan yang lebih baik dari model GARCH(1,1) dan pada hasil data riil menunjukan bahwa model GJR-GARCH(1,1) menyediakan pencocokan lebih baik daripada model GARCH(1,1).
Pemodelan Volatilitas Menggunakan Garch(1,1) dengan Volatilitas Lag-1 Ditransformasi Box–Cox Rorimpandey, Rebecca; Nugroho, Didit Budi; Susanto, Bambang
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (828.044 KB)

Abstract

Studi ini mengusulkan klas baru dari model GARCH dengan mengaplikasikan keluarga transformasi Box–Cox ke volatilitas lag-1. Model GARCH telah banyak digunakan untuk mendikripsikan tingkah laku volatilitas suatu runtun waktu keuangan, terutama pada kurs mata uang. Tingkah laku dari volatilitas return dipelajari berdasarkan model yang mengasumsikan distribusi normal untuk inovasi. Model diestimasi menggunakan alat bantu Solver Excel dan Matlab. Analisis empiris didasarkan pada data simulasi dan data kurs beli EUR, JPY, dan USD terhadap IDR atas periode harian dari 2010 sampai 2017. Dalam kasus data simulasi dan data riil, ditemukan bahwa Solver Excel memiliki kelemahan. Hasil empiris untuk data simulasi menunjukkan bahwa model BC(1)-GARCH(1,1) bisa dikatakan tidak lebih baik dari model GARCH(1,1). Sedangkan untuk kasus data riil dengan inovasi berdistribusi normal menunjukkan bahwa model BC(1)-GARCH(1,1) mengungguli model GARCH pada data kurs beli USD terhadap IDR.
Perbandingan Empiris antara Model Log-Garch dan Garch Kholil, Zaini; Nugroho, Didit Budi; Susanto, Bambang
Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya 2019: Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (669.819 KB)

Abstract

Studi ini berfokus pada studi empiris tentang perbandingan antar model Log-GARCH(1,1) dan model GARCH(1,1). Kedua model diaplikasikan pada data simulasi dan data riil, data rill yang digunakan berjumlah tiga jenis data yaitu indeks harga saham Dow Jones Industrial Average (DJIA), Standard and Poor’s (S&P 500), dan S&P CNX Nifty pada periode harian dari bulan Januari tahun 2000 sampai bulan Desember tahun 2017. Model diasumsikan mempunyai inovasi return dengan berdistribusi normal. Solver Excel digunakan untuk mengestimasi model Log-GARCH(1,1) dan model GARCH(1,1) dan diselidiki kemampuannya. Secara keseluruhan, studi ini menunjukkan bahwa Solver pada Microsoft Excel mampu mengestimasi parameter-parameter model dengan cukup akurat. Dalam kasus data simulasi, hasil dari perhitungan nilai estimasi total log-likelihood mengindikasikan bahwa model Log-GARCH(1,1) berpotensi mencocokkan lebih baik dibandingkan dengn model GARCH(1,1). Sementara itu, dalam kasus data riil, hasil perhitungan nilai estimasi pada model GARCH(1,1) lebih cocok digunakan untuk ketiga data return harian indeks harga saham dibandingkan dengan model Log-GARCH(1,1).
Analisis Empiris dari Variasi Kontinu dan Lompatan dalam Model Threshold GARCH dengan Ukuran Realized Nugroho, Didit Budi; Hanafi, Fika Maula; Puspitasari, Agnes Dhika; Tita, Faldy; Larwuy, Lennox
Limits: Journal of Mathematics and Its Applications Vol 21, No 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/limits.v21i3.20426

Abstract

Volatilitas adalah ukuran fluktuasi harga aset keuangan yang tak terpisahkan dari dinamika pasar, tidak hanya sebagai indikator risiko tetapi juga sebagai sumber informasi tentang peluang dan ketidakpastian bagi investor. Pendekatan utama dalam mengukur risiko pasar keuangan yaitu dengan pemodelan dan estimasi volatilitas. Studi ini fokus pada pemodelan volatilitas menggunakan kerangka Threshold Generalized Autoregressive Conditional Heteroskedasticity (TGARCH). Pertama kali ini mengkonstruksi model TGARCH-X dan Realized TGARCH (RealTGARCH) yang memperhatikan ukuran Realized Volatility (RV) sebagai variabel eksogen. Selanjutnya, model tersebut dikembangkan menjadi model TGARCH-CJ dan RealTGARCH-CJ dengan cara mendekomposisi komponen RV menjadi komponen kontinu dan lompatan. Analisis empiris didasarkan pada hasil estimasi model menggunakan metode Adaptive Random Walk Metropolis untuk data Tokyo Stock Price Index (TOPIX) Jepang. Perbandingan pencocokan model menunjukkan keunggulan yang signifikan untuk model-model dengan komponen kontinu dan lompatan. Dengan pengaplikasian ukuran RV interval waktu 1 dan 5 menit, model terbaik diberikan oleh RealTGARCH-CJ yang mengadopsi ukuran RV 1 menit.
Modeling and Estimating GARCH-X and Realized GARCH Using ARWM and GRG Methods Nugroho, Didit Budi; Wijaya, Melina Tito; Parhusip, Hanna Arini
(IJCSAM) International Journal of Computing Science and Applied Mathematics Vol 11, No 1 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24775401.v11i1.20333

Abstract

This study evaluates the fitting performance of GARCH-X(1,1) and RealGARCH(1,1) models, which are extensions of GARCH(1,1) model by adding the Realized Kernel measure as an exogenous component, on real data, namely the Financial Times Stock Exchange 100 and Hang Seng stock indices over the period from January 2000 to December 2017. The models assume that the return error follows Normal and Student-t distributions. The parameters of models are estimated by using the Adaptive Random Walk Metropolis (ARWM) method implemented in Matlab and the Generalized Reduced Gradient (GRG) method. The comparison of estimation results shows that the GRG method has a good ability to estimate the models because it provides the estimation results that are close to the results of the ARWM method in terms of relative error. On the basis of Akaike Information Criterion, the RealGARCH models perform better than the GARCH-X models, where the RealGARCH model with Student-t distribution provides the best fit.
Upaya Meningkatkan Hasil Belajar Bangun Ruang Siswa SMP melalui Model Project Based Learning dengan Metode Learning Station Rotation Pamungkas, Bintoro Ady; Nugroho, Didit Budi; Prihatnani, Erlina; Irfani, Nur
Imajiner: Jurnal Matematika dan Pendidikan Matematika Vol 7, No 1 (2025): Imajiner: Jurnal Matematika dan Pendidikan Matematika
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/imajiner.v7i1.20433

Abstract

Penelitian ini bertujuan guna meningkatkan hasil belajar matematika siswa kelas IX-D SMP Negeri 1 Salatiga materi bangun ruang dengan mengimplementasikan model Project-Based Learning (PjBL) diintegrasikan dengan metode Learning Station Rotation. Metode penelitian yang digunakan adalah Penelitian Tindakan Kelas (PTK) dengan pelaksanaan dua siklus. Hasil observasi awal menunjukkan rendahnya prestasi belajar siswa dengan nilai rerata asesmen diagnostik sebesar 59,1. Pada siklus pertama, penerapan PjBL dengan metode demonstrasi menghasilkan rata-rata nilai belajar sebesar 71,58, namun belum mencapai kriteria ketuntasan minimal (KKM) 75. Dalam siklus kedua, dengan penerapan Learning Station Rotation, rata-rata evaluasi belajar siswa meningkat signifikan menjadi 82,89. Temuan ini menunjukkan bahwa integrasi PjBL dan Learning Station Rotation efektif guna meningkatkan hasil belajar siswa, serta memberikan kontribusi bagi pengembangan metode pembelajaran yang inovatif dan kreatif. Penelitian ini diharapkan mampu menjadi acuan untuk pendidik dalam merancang strategi pembelajaran yang efektif di kelas.