Article Per Year (5 Year)
p-Index From 2021 - 2026
7.939
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL JURNAL EKSAKTA PENDIDIKAN (JEP) Beta: Jurnal Tadris Matematika JURNAL EDUCATION AND DEVELOPMENT Eksakta : Berkala Ilmiah Bidang MIPA Menara Ilmu Pelita Eksakta ILKOMNIKA: Journal of Computer Science and Applied Informatics Suluah Bendang: Jurnal Ilmiah Pengabdian Kepada Masyarakat Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Leibniz: Jurnal Matematika Journal of Mathematics UNP Rangkiang Mathematics Journal UNP Journal of Statistics and Data Science Indonesian Journal of Statistics and Its Applications
Nonong Amalita
Universitas Negeri Padang
Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Other

Published : 81 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 81 Documents
Search

 5   6   7   8   9 
ANALISIS KEMISKINAN DI INDONESIA MENGGUNAKAN LOCAL INDICATOR OF SPATIAL ASSOCIATION DAN SPATIAL ERROR MODEL Khairani, Putri Rahmatun; Kurniawati, Yenni; Amalita, Nonong; Mukhti, Tessy Octavia
Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Vol. 6 No. 1 (2025): Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistik
Publisher : LPPM Universitas Bina Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46306/lb.v6i1.966

Abstract

Poverty in Indonesia remains a significant socio-economic challenge with notable regional disparities. The eastern provinces, particularly Papua, Maluku, and East Nusa Tenggara, experience persistently high poverty rates, suggesting a strong spatial influence. This study examines the spatial distribution of poverty using the Local Indicators of Spatial Association and the Spatial Error Model with 2024 data from the Indonesian Central Statistics Agency (BPS) for 38 provinces. The analysis employs a K-Nearest Neighbors weighting matrix (k = 10) for spatial dependencies. The LISA results identify High-High poverty clusters in Papua, Maluku, and East Nusa Tenggara. In contrast, Low-Low clusters are concentrated in Java and Bali, indicating a strong spatial pattern (Moran’s I = 0.4448). SEM findings reveal that the Gini index (β = 29.97) and population density (β = 0.016) significantly influence poverty, whereas inflation and total population do not. The model explains 76.1% of poverty variance (R² = 0.760966), highlighting its superiority over traditional regression models. These findings underscore the need for spatially adaptive policies to address poverty effectively. Policymakers should prioritize equitable economic development, regional investment, and infrastructure improvements, particularly in high-poverty clusters. Integrating spatial econometric models with KNN provides deeper insights into interregional disparities, supporting more precise and inclusive development strategies
Artificial Neural Network Model for Forecasting Inflation Rate in Indonesia Using Backpropagation Algorithm in Indonesia Fajrin Putra Hanifi; Syafriandi; Chairina Wirdiastuti; Nonong Amalita; Zilrahmi
Rangkiang Mathematics Journal Vol. 4 No. 1 (2025): Rangkiang Mathematics Journal
Publisher : Department of Mathematics, Universitas Negeri Padang (UNP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/rmj.v4i1.75

Abstract

Inflation is defined as a general and persistent rise in prices. Stable inflation is a prerequisite for sustainable Inflation, defined as a general and persistent rise in prices. Stable inflation is a prerequisite for sustainable economic growth. The importance of controlling inflation is based on the consideration that high and unstable inflation hurts the socio-economic conditions of the community. In this context, government and economic agents must know the future inflation rate. The backpropagation algorithm forecasting method can be a mathematical tool to forecast future inflation rates. The best forecasting model is obtained from applying the backpropagation algorithm, namely ANN BP (12,2,1), with a mean square error value of 0.15 and an absolute percentage error value of 11.09%. Based on these results, the back-propagation algorithm in artificial neural networks can accurately forecast the inflation rate. Thus, it is hoped that this research can be used in economic decision-making.
Classification of Rice Growth Phase Using Regression Logistic Multinomial Model and K-Nearest Neighbors Imputation on Satellite Data Ghaly, Fayyadh; Kurniawati, Yenni; Amalita, Nonong; Fitria, Dina
Indonesian Journal of Statistics and Applications Vol 9 No 1 (2025)
Publisher : Statistics and Data Science Program Study, IPB University, IPB University, in collaboration with the Forum Pendidikan Tinggi Statistika Indonesia (FORSTAT) and the Ikatan Statistisi Indonesia (ISI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/ijsa.v9i1p1-9

Abstract

One of the efforts made by the government to maintain food security is to provide statistical data on rice production through accurate calculation of harvest areas using the area sampling framework approach. Although area sampling framework surveys produce accurate estimates, the costs required are quite high when applying this method. To overcome this problem, one solution that can be applied is to utilize satellite imagery to monitor the greenness index of plants using the enhanced vegetation index. However, in real conditions, the Landsat-8 optical satellite is susceptible to cloud cover, which results in missing data. This study aims to model the phase of rice plants using the regression logistic multinomial model by utilizing Landsat-8 satellites and k-nearest neighbors imputation handling to overcome missing data. The results showed that the model had varying performance in each phase, with an average balanced accuracy of 66.45%. This figure shows that the model can classify the area sampling framework data imputed using the k-nearest neighbors imputation method well. The model shows optimal performance in the late vegetative and generative phases but is less effective in detecting the harvest, puso, and non-rice paddy phases.
Pemodelan Geographically Weighted Regression pada Kasus Pneumonia di Indonesia Oktaviani, Bernadita; Amalita, Nonong; Kurniawati, Yenni; Martha, Zamahsary
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v5i02.564

Abstract

Pneumonia adalah penyakit infeksi pernafasan yang menjadi salah satu penyumbang terbesar kasus kematian pada balita dan termasuk dalam  salah satu masalah kesehatan secara global. Kematian balita akibat pneumonia di Indonesia mengalami peningkatan dari 459 kasus pada tahun 2022 menjadi 522 kasus pada  tahun 2023 yang menunjukkan bahwa pneumonia masih menjadi masalah serius bagi kesehatan balita. Geographically Weighted Regression (GWR) adalah metode yang digunakan dalam penelitian ini. Data penelitian ini diperoleh dari publikasi yang diterbitkan oleh Kemenkes RI, yaitu Profil Kesehatan Indonesia 2023. Tujuan penelitian ini untuk mengevaluasi penerapan model GWR dalam memodelkan data spasial dan untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap jumlah kasus pneumonia balita di Indonesia. Hasil analisis menunjukkan bahwa model GWR memberikan hasil yang lebih baik dalam memodelkan jumlah kasus pneumonia pada balita dibandingkan model regresi linier berganda dengan nilai AIC sebesar 15,66953 dan  sebesar 94,66%. Faktor-faktor yang berpengaruh signifikan terhadap jumlah kasus pneumonia pada balita di Indonesia tahun 2023 adalah persentase balita yang mendapat vitamin A, persentase bayi mendapat ASI eksklusif sampai 6 bulan, jumlah puskesmas, persentase bayi yang mendapat imunisasi dasar lengkap, persentase rumah tangga yang memiliki akses terhadap sanitasi layak, persentase penduduk miskin, persentase kejadian gizi buruk pada balita usia 0-59 bulan, dan jumlah bayi berat badan lahir rendah (BBLR).
Analisis Kinerja Model Long Short Term Memory dengan Adaptive Moment Estimation dalam Memprediksi Harga Crude Palm Oil Hamida, Zilfa; Amalita, Nonong; Permana, Dony; Zilrahmi, Zilrahmi
ILKOMNIKA Vol 7 No 2 (2025): Volume 7, Number 2, August 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i2.766

Abstract

Crude Palm Oil (CPO) merupakan salah satu minyak nabati terpenting dan paling signifikan yang di perdagangkan secara global. Harga CPO mengalami fluktuasi hampir setiap harinya yang memberikan resiko besar bagi pelaku industri kelapa sawit seperti petani, konsumen, produsen, serta investor. Sehingga diperlukan analisis prediksi untuk meminimalisir kerugian. Dalam penelitian ini, metode yang digunakan yaitu Long Short Term Memory (LSTM) yang dioptimasi dengan Adaptive Moment Estimation (Adam) untuk melakukan prediksi harga CPO berdasarkan data historis harga CPO tahun 2020-2024. Model LSTM yang dioptimasi menggunakan Adam Optimizer dan dievaluasi berdasarkan nilai Mean Absolut Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model LSTM dengan kombinasi parameter jumlah neuron 6, batch size 64, dan epoch 80 menghasilkan nilai MAPE 1,36%, yang menggambarkan hasil prediksi memiliki akurasi yang baik. Hasil ini menujukkan bahwa model LSTM yang dioptimasi dengan Adam telah menunjukkan efektivitasnya dalam melakukan prediksi harga CPO untuk aplikasi dalam penyediaan model prediksi bagi industri kelapa sawit.
Nagari Tanjung Balik Menuju Digitalisasi Data Syafriandi, Syafriandi; Amalita, Nonong; Vionanda, Dodi; Fitria, Dina; Zilrahmi, Zilrahmi; Yarman, Yarman
Suluah Bendang: Jurnal Ilmiah Pengabdian Kepada Masyarakat Vol 22, No 3 (2022): Suluah Bendang: Jurnal Ilmiah Pengabdian kepada Masyarakat
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/sb.03280

Abstract

Kegiatan pembangunan hendaknya dilaksanakan dengan menggunakan perencanaan yang tepat. Perencanaan ini memerlukan informasi yang diperoleh dengan adanya data.  Nagari Tanjung Balik Kecamatan X Koto Singkarak merupakan salah satu nagari yang termasuk dalam Kecamatan X Koto Singakarak, Kabupaten Solok. Untuk perencanaan pembangunan, nagari ini memerlukan adanya informasi dan data. Namun, nagari ini tidak memiliki akses ke data sektoral yang terhimpun di BPS. Di sisi lain, nagari ini juga dihadapkan pada keterbatasan sumber daya yang memiliki pengetahuan tentang Statistika. Oleh karena itu, tim pengabdi melaksanakan Kegiatan Pengabdian kepada Masyarakat di Nagari Tanjung Balik untuk membantu mengatasi kedua masalah di atas.  Dari kegiatan pengabdian ini, pemerintah Nagari Tanjung Balik memiliki database yang terbaru, akurat, dan mudah diakses yang bisa digunakan untuk mengetahui informasi yang detail tentang masyarakat nagari ataupun untuk memetakan potensi dan masalah di nagari. Begitu pula, dari kegiatan ini,  pemerintah nagari telah memiliki kader yang bisa melakukan pengumpulan data di waktu yang akan datang dengan menggunakan aplikasi RSN dan mengelola database yang telah dibangun.
Penerapan Vector Error Correction Model dalam Menganalisis Dampak Faktor Makroekonomi terhadap Inflasi di Indonesia Anjelisni, Nining; Amalita, Nonong; Kurniawati, Yenni; Martha, Zamahsary
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v5i02.654

Abstract

Penelitian ini bertujuan menganalisis dampak faktor makroekonomi terhadap inflasi di Indonesia pada periode Januari 2020–Maret 2025 dengan menggunakan pendekatan matematis melalui metode Vector Error Correction Model (VECM). Data diperoleh dari situs resmi Badan Pusat Statistik (BPS) dan Bank Indonesia (BI), yang meliputi variabel inflasi, jumlah uang beredar, BI Rate, kurs, ekspor, dan impor. Hasil analisis menunjukkan terdapat empat hubungan kointegrasi signifikan, dengan pengaruh positif dari jumlah uang beredar, kurs, dan ekspor terhadap inflasi, serta pengaruh negatif dari BI Rate dan impor. Dalam jangka pendek, ekspor (lag 1) secara statistik signifikan memengaruhi inflasi, sedangkan variabel lainnya belum signifikan. Model VECM yang dibangun terbukti stabil dan valid melalui berbagai uji kelayakan, serta menunjukkan akurasi tinggi dalam peramalan dengan nilai MAPE sebesar 9,23%. Prediksi inflasi untuk enam bulan ke depan memperlihatkan tren kenaikan bertahap, sehingga diperlukan penguatan ekspor dan pengendalian kebijakan moneter untuk menjaga stabilitas harga. Kontribusi utama penelitian ini adalah penerapan model matematis VECM sebagai alat analisis kuantitatif yang komprehensif dalam studi dinamika inflasi.
Penanganan Ketidakseimbangan Multikelas pada Dataset Survei Kerangka Sampel Area menggunakan Metode SCUT Sondriva, Wilia; Kurniawati, Yenni; Amalita, Nonong; Salma, Admi
UNP Journal of Statistics and Data Science Vol. 2 No. 2 (2024): UNP Journal of Statistics and Data Science
Publisher : Departemen Statistika Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/ujsds/vol2-iss2/163

Abstract

Area Sampling Frame (ASF) is a survey used by the Indonesian government to measure rice productivity in Indonesia. ASF survey is important data because accurate and high-quality rice productivity data is highly needed. There is extreme imbalance in the ASF survey data, thus requiring handling of this imbalance. SMOTE and Cluster-based Undersampling Technique (SCUT) is a method that can be used to address the dataset imbalance. SCUT combines oversampling using SMOTE and undersampling using CUT. The results from SCUT show that the number of data points in each class becomes balanced. Subsequently, a two-sample mean test is conducted to observe the mean differences between the original dataset and the dataset after handling. The results show that in the early vegetative, late vegetative, and harvest phases, the means are significantly similar between the original dataset and the dataset after handling, but in the generative phase, the means are not significantly similar. Therefore, synthetically generated data using the SCUT method generally exhibit similar mean characteristics.
Handling Unbalanced Data with SMOTE Algorithm for Unemployment Classification in Lima Puluh Kota Regency Using CART Method Aldwi Riandhoko; Amalita, Nonong; Vionanda, Dodi; Salma, Admi
Indonesian Journal of Statistics and Applications Vol 8 No 2 (2024)
Publisher : Statistics and Data Science Program Study, IPB University, IPB University, in collaboration with the Forum Pendidikan Tinggi Statistika Indonesia (FORSTAT) and the Ikatan Statistisi Indonesia (ISI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/ijsa.v8i2p166-177

Abstract

Unemployment is a problem that occurs in the labor force, where high unemployment is caused by the low ability of the labor force. A region that is still experiencing unemployment problems in West Sumatera is Lima Puluh Kota Regency. Unemployment in Lima Puluh Kota Regency is caused by the low competence of human resources to fulfill employment market requirements. Based on the results of the Sakernas survey in August 2023, Lima Puluh Kota Regency has more employed labor force than unemployed labor force, so this results in unbalanced data. A method that can overcome unbalanced data is Synthetic Minority Oversampling Technique (SMOTE). SMOTE is a technique with addition of synthetic data in minority class so that the proportion is balanced. Data imbalance conditions need to be handled so as to improve the performance of the classification model. Classification and Regression Trees (CART) is a classification technique with a decision tree method that can obtain the characteristics of a classification. The purpose of this research is to compare the CART model before and after applying SMOTE which can be measured by comparing the highest Area Under Curve (AUC) value. The AUC value in the CART method before SMOTE applied has a value of 62.1% while the AUC value in the CART method after SMOTE applied has a value of 70.2%. Therefore, it can be concluded that the CART classification analysis after SMOTE applied is able to provide better performance compared to the CART classification analysis before SMOTE applied.
Application of Area Sampling Frame for Digitizing Household Data in Talawi Mudiak to Support Sustainable Development Goals Syafriandi, Syafriandi; Fitria, Dina; Amalita, Nonong; Kurniawati, Yenni; Permana, Dony; Fitri, Fadhilah; Martha, Zamahsary; Mukhti, Tessy Octavia
Pelita Eksakta Vol 8 No 2 (2025): Pelita Eksakta, Vol. 8, No. 2
Publisher : Fakultas MIPA Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/pelitaeksakta/vol8-iss2/293

Abstract

Desa Talawi Mudiak menghadapi tantangan dalam pengelolaan data kependudukan. Meskipun mereka telah menyusun RPJMD 2022-2027 yang mengacu pada SDG's, pendataan yang dilakukan masih terbatas pada aspek kependudukan dan demografi. Padahal, pemutkhiran data harus mencakup 17 pilar SDg's agar dapat digunakan sebagai dasar dalam perencanaan pembangunan desa. Selain itu, keterbatasan akses internet dan kurangnya pemanfaatan teknologi informasi juga menjadi kendala pengembangan sistem informasi desa yang lebih komprehensif. Program Studi S1 Statistika hadir dalam menjembatani pencapaian beberapa pilar itu melalui pemutakhiran data hingga dilitalisasinya. Kegiatan diawali dengan pengumpulan data awal, perhitungan kerangka sampling, pelaksanaan survei, dan pemrosesan data pasca survei hingga diperoleh suatu kesimpulan yang dapat digunakan untuk pembangunan desa. Kegiatan melibatkan banyak pihak, mulai dari dosen program studi, perangkat desa, mahasiswa, dan masyarakat. Hasil yang diperoleh berupa data yang mutakhir dan sebuah buku berisikan kondisi Desa Talawi Mudiak tahun 2025.
Co-Authors Addini, Vidhiya Ade Eriyen Saputri Adinda Dwi Putri Admi Salma Aldwi Riandhoko Ali Asmar Amanda, Abilya Amelia Fadila Rahman Andini Yulianti Anggi Adrian Danis Anjelisni, Nining april leniati Arnellis Arnellis Atika Ahmad Atus Amadi Putra Azwar Ananda Chairina Wirdiastuti Cindy Febrianita Denia Putri Fajrina Dewi Febiyanti Dewi Murni Dina Fitria Dina Fitria Dina Fitria, Dina Dodi Vionanda Dony Permana Dwi Sulistiowati Edwin Musdi Elita Zusti Jamaan Elsa Oktaviani Fadhilah Fitri Fajrin Putra Hanifi fajriyanti nur, Putri Fatma Yulia Sari Faulina FAZHIRA ANISHA Fikra, Hidayatul Fitri, Fadhilah Gezi Fajri Ghaly, Fayyadh Hamida, Zilfa Hana Rahma Trifanni haniyathul husna Hasna, Hanifa Helma Helma Helma Helma Herlena Purnama Sari Huriati Khaira Ichlas Djuazva Inna Auliya Jihe Chen Juwita Juwita Khairani, Putri Rahmatun Lilis Sulistiawati Media Rosha Media Rosha Meira Parma Dewi Melly Kurniawati Miftahurrahmi, Syifa Minora Longgom Mohammad Reza febrino Mudjiran Mudjiran Muhammad Tibri Syofyan Mukhti, Tessy Octavia nabillah putri Nadha Ovella Syaqhasdy Natasya Dwi Ovalingga, natasyalinggaa Nini Erdiani Nur Fadillah, Nur Nurhizrah Gistituati Okia Dinda Kelana Oktaviani, Bernadita Permana, Dony Prida Nova Sari Puti Utari Maharani Rahma, Dzakyyah Resti Febrina Retsya Lapiza Rizki Amalia, Annisa Rizqia Salsabila Rusdinal Rusdinal Saddam Al Aziz Safitri, Melda Salma, Admi Seif Adil El-Muslih Shavira Asysyifa S Sondriva, Wilia Sujantri Wahyuni Suparman Suparman Swithania Rizka Putri Syafriandi Syafriandi Syafriandi Syafriandi Syafriandi Syahfitrri, Nindi Tamur, Maximus Tessy Octavia Mukhti Tri Wahyuni Nurmulyati Venny Oktarinda Viola Yuniza Wella Saputri Wulan Septya Zulmawati Yarman Yarman, Yarman Yenni Kurniawati Yulia Pertiwi Zamahsary Martha Zilla Zalila Zilrahmi, Zilrahmi