Article Per Year (5 Year)
p-Index From 2021 - 2026
4.652
P-Index
This Author published in this journals
All Journal BIMASTER Journal of the Indonesian Mathematical Society Indonesian Journal of Applied Statistics BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Jambura Journal of Mathematics Sarwahita : Jurnal Pengabdian Kepada Masyarakat Jurnal Matematika UNAND Variance : Journal of Statistics and Its Applications Insan Cita Jurnal Pengabdian Kepada Masyarakat Jambura Journal of Biomathematics (JJBM) Jurnal Forum Analisis Statistik
Imro'ah, Nurfitri
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
K-HARMONIC MEANS CLUSTERING DENGAN VALIDASI DUNN INDEX UNTUK PENGELOMPOKAN TINGKAT PENGANGGURAN DI KALIMANTAN BARAT Margareta, Tiara; Imro'ah, Nurfitri; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tingkat pengangguran menjadi salah satu isu ketenagakerjaan yang dipengaruhi oleh beragam faktor sosial dan ekonomi yang berbeda di setiap wilayah. Berdasarkan kondisi tersebut, diperlukan pengelompokan kabupaten/kota di Provinsi Kalimantan Barat menurut faktor-faktor yang memengaruhi tingkat pengangguran. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Kalimantan Barat menggunakan metode K-Harmonic Means serta menentukan jumlah cluster yang optimal berdasarkan Dunn Index. Variabel yang digunakan dalam penelitian ini meliputi Tingkat Partisipasi Angkatan Kerja (TPAK), laju pertumbuhan Produk Domestik Regional Bruto (PDRB), persentase penduduk miskin, Rata-rata Lama Sekolah (RLS), angka ketergantungan, jumlah penduduk, serta realisasi investasi Penanaman Modal Asing (PMA) dan Penanaman Modal Dalam Negeri (PMDN). Berdasarkan hasil analisis, diperoleh jumlah cluster optimal sebanyak empat cluster dengan parameter = 2,5; 3; 3,5; dan 4, serta nilai Dunn Index sebesar 0,635 yang merupakan nilai tertinggi dibandingkan jumlah cluster lainnya. Hasil pengelompokan menunjukkan bahwa Cluster 1 ditandai oleh TPAK yang relatif tinggi, namun masih disertai pertumbuhan PDRB terendah dan persentase penduduk miskin yang cukup tinggi, sehingga menunjukkan penyerapan tenaga kerja belum optimal. Cluster 2 memiliki pertumbuhan PDRB dan realisasi PMDN yang tinggi, mencerminkan kondisi ekonomi dan pasar kerja yang lebih kondusif. Cluster 3 menonjol dengan jumlah penduduk serta realisasi PMA yang sangat tinggi, tetapi juga memiliki tingkat kemiskinan tertinggi, sehingga menunjukkan belum meratanya kesejahteraan. Sementara itu, Cluster 4 dicirikan oleh rata-rata lama sekolah yang tinggi namun TPAK relatif rendah, yang mengindikasikan pemanfaatan tenaga kerja terdidik belum optimal.
PREDIKSI HARGA EMAS MENGGUNAKAN FEEDFORWARD NEURAL NETWORK (FFNN) DENGAN ALGORITMA BACKPROPAGATION Nirwani; Satyahadewi, Neva; Imro'ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Feedforward Neural Network (FFNN) merupakan salah satu metode Artificial Neural Network (ANN) yang mampu mempelajari pola data dan membentuk model dengan cepat. Proses pembelajaran FFNN menggunakan algoritma backpropagation untuk meminimalkan kesalahan antara hasil prediksi dan data aktual melalui pembaruan bobot secara bertahap. Kombinasi FFNN dan backpropagation efektif dalam mengenali pola hubungan kompleks dan nonlinier pada data time series seperti harga emas. Penelitian ini bertujuan menganalisis prediksi penutupan harga emas tujuh hari ke depan menggunakan metode FFNN dengan algoritma backpropagation. Data yang digunakan adalah harga penutupan emas periode Januari 2021 sampai Desember 2024 sebanyak 1030 data, dengan pembagian 80% data training dan 20% data testing. Proses pelatihan dan pembelajaran dilakukan secara bertahap dengan menggunakan algoritma backpropagation. Terdapat tiga tahap pada proses backpropagation yaitu tahap feedforward, tahap backward, serta tahap pembaruan bobot dan bias. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada learning rate 0,001 dengan arsitektur jaringan 2-8-1, menghasilkan nilai MSE sebesar 0,00105 dan MAPE sebesar 3,546%. Berdasarkan model tersebut, prediksi harga emas tujuh hari ke depan cenderung mengalami penurunan. Harga penutupan tertinggi diprediksi terjadi pada 2 Januari 2025 sebesar 2547,08 USD per troy ounce, sedangkan harga terendah diprediksi terjadi pada 10 Januari 2025 sebesar 2412,15 USD per troy ounce.
Co-Authors ., Putri Amalia, Disya Recita Andani, Wirda Andini, Syarifah Arini, Nani Fitria Ayyash, Muhammad Yahya Dadan Kusnandar Debataraja, Naomi Nessyana Evy Sulistianingsih Felisya, Tasya Fitriyana, Gita Hendra Perdana Huda, Nur'ainul Miftahul Marda Marda, Marda Margareta, Tiara Marlisa, Herina Martha, Shantika Mauditia, Lyra Neva Satyahadewi Nirwani Novita, Irene Panawaristia, Brigitha Pratiwi, Hesty Rizki, Setyo Wira Tamtama, Ray Umairah, Tarisa Utami, Dewi Setyo Utriweni Mukhaiyar Zuleha, Zuleha