A’yunin Sofro
Department Of Actuarial Science, Faculty Of Mathematics And Natural Science, Universitas Negeri Surabaya, Indonesia

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

PREDIKSI SUHU UDARA DI JAWA TENGAH MENGGUNAKAN EXTREME VALUE THEORY Wildan Habibulloh; A'yunin Sofro
MATHunesa: Jurnal Ilmiah Matematika Vol. 11 No. 03 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v11n3.p489-495

Abstract

Peningkatan suhu dunia atau global warming merupakan bentuk ketidakseimbangan suhu rata-rata di bumi. Peningkatan suhu udara tersebut akan menyebabkan peningkatan risiko bencana dengan frekuensi kejadian yang lebih tinggi di masa depan. Diperkirakan bahwa peningkatan suhu global akan mengakibatkan perubahan yang berpotensi fatal, seperti mencairnya es di kutub utara dan selatan, kepunahan flora dan fauna, serta meningkatnya intensitas fenomena cuaca yang ekstrem. Berdasarkan dampak negatif yang dapat mengakibatkan banyak permasalahan dari perubahan suhu yang ekstrem, maka perubahan suhu di suatu daerah merupakan hal yang penting untuk dikaji bagaimana pola suhu yang terjadi dan hasil yang diperoleh sangat bermanfaat sebagai bahan informasi dan bahan acuan guna mengantisipasi dampak negatif yang kemungkinan terjadi dimasa depan. Salah satu pendekatan yang dapat digunakan ialah teori nilai ekstrem (Extreme Value Theory) dengan metode Block Maksima (BM). Hal ini akan memungkinkan untuk mendapatkan return level atau nilai prediksi temperatur suhu udara. Dalam proses mengestimasi parameter, pendekatan yang digunakan adalah Estimasi Maksimum Likelihood (MLE). Data yang digunakan yaitu data temperatur suhu udara pada lima stasiun pengamatan suhu di Provinsi Jawa Tengah pada tahun 2014-2023. Return level yang digunakan secara berurutan adalah setiap 2 tahun, 4 tahun, dan 6 tahun. Nilai prediksi suhu udara tertinggi berada di sekitar stasiun Meteorologi Ahmad Yani sebesar 36.43939 oC, 37.19650 oC, dan 37.53990 oC pada tahun 2023-2024, 2025-2026, dan 2027-2028.
REGRESI ROBUST UNTUK PEMODELAN DEFORESTASI DI INDONESIA Ika Aprilia Azzahro; A'yunin Sofro
MATHunesa: Jurnal Ilmiah Matematika Vol. 11 No. 03 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v11n3.p496-507

Abstract

Deforestasi adalah proses penebangan atau penghilangan hutan secara besar-besaran yang menjadi masalah serius di seluruh dunia. Fenomena ini telah menjadi perhatian global karena dampak negatifnya terhadap lingkungan dan kehidupan manusia. Tinggi rendahnya tingkat deforestasi di Indonesia tentunya sangat penting, hal ini didukung dengan pentingnya memiliki data deforestasi setiap tahunnya untuk kemudian diteliti kembali deforestasi yang tidak stabil. Faktor-faktor yang diasumsikan berpengaruh terhadap deforestasi pada penelitian ini, yaitu produksi kayu bulat dan luas tanaman perkebunan. Metode yang digunakan untuk menganalisis data yang terkontaminasi oleh outlier dan memberikan hasil yang lebih fleksibel adalah regresi robust. Hasil yang diperoleh adalah model regresi robust dan faktor yang berpengaruh secara signifikan terhadap deforestasi di Indonesia sesuai dengan tujuan penelitian. Jenis penelitian yang dilakukan dalam penelitian ini adalah penelitian eksperimen dengan studi literatur. Variabel yang digunakan adalah data deforestasi di Indonesia, produksi kayu bulat dan luas tanaman perkebunan. Setelah itu diperoleh model regresi robust dengan estimasi maximum likelihood type (M). Diperoleh tinggi rendahnya deforestasi tahun 2017-2021 dipengaruhi oleh luas tanaman perkebunan.
Analisis Regresi Binomial Negatif untuk Pemodelan Angka Positif Penyakit Kusta di Jawa Timur Nadiya Mushma Dhahari; A'yunin Sofro
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 01 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n1.p49-56

Abstract

Kusta ialah penyakit kronis yang diakibatkan Mycobacterium leprae, yang melukai saraf tepi (fungsi sensorik, motorik, dan otonom). Perawatan yang tertunda dapat mengakibatkan kerusakan permanen dalam mata, tangan, dan kaki. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang memiliki pengaruh angka positif kusta di Jawa Timur. Faktor-faktor yang dapat mempengaruhi antara lain kepadatan penduduk, jumlah desa atau kelurahan yang memiliki fasilitas kesehatan, presentase penduduk dengan keluhan kesehatan, presentase masyarakat dengan fasilitas sanitasi memadai, presentase masyarakat miskin, jumlah tenaga kesehatan, serta presentase yang memiliki asuransi kesehatan. jumlah. Persentase pekerja dan mereka yang memiliki asuransi kesehatan. Metode yang digunakan adalah metode regresi binomial negatif. Ini adalah salah satu metode yang digunakan untuk mengatasi overdispersi data dalam regresi Poisson. Data penelitian ini menggunakan data yang diperoleh dari Badan Pusat Statistik dan Publikasi Dinas Kesehatan Jawa Timur tahun 2021. Hasil penelitian menunjukkan bahwa kepadatan penduduk, presentase penduduk dengan keluhan kesehatan, dan presentase penduduk miskin merupakan faktor yang mempengaruhi signifikansi penderita kusta di Jawa Timur tahun 2021. Kata Kunci: kusta, regresi poisson, overdispersi, regresi binomial negatif.
Penerapan Regresi Spatial Autoregressive (SAR) Untuk Tingkat Partisipasi Angkatan Kerja di Jawa Timur Raihan Puspita Aji; A'yunin Sofro
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 03 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p450-458

Abstract

Tingkat Partisipasi Angkatan Kerja (TPAK) merupakan indikator ketenagakerjaan yang memberikan gambaran tentang penduduk yang aktif secara ekonomi. Penelitian ini bertujuan untuk memodelkan Tingkat Partisipasi Angkatan Kerja (TPAK) pada 38 kabupaten/kota di Provinsi Jawa Timur tahun 2023 menggunakan regresi Spatial Autoregressive (SAR). Regresi SAR merupakan salah satu model dari regresi spasial dengan pendekatan area yang menggabungkan model regresi linear dengan spasial lag pada variabel respon menggunakan data cross section. Hasil penelitian menunjukkan bahwa berdasarkan nilai uji Indeks Moran dan uji Lagrange Multiplier terdapat autokorelasi spasial dan dependensi spasial lag pada variabel respon. Model yang didapatkan dalam penelitian ini yaitu y_i=38,6640+0,4499\sum_{j=1}^{k}\hairsp\hairsp w_{ij}y_j+0,1035x_{i1}-22,2280x_{i2}-0,9765x_{i3}-0,0007x_{i4}-0,3728x_{i5}+0,2597x_{i6},i=1,2,3,\ldots,n. . Kemudian variabel prediktor yang berpengaruh secara signifikan terhadap variabel respon pada model regresi SAR yaitu Tingkat Pengangguran Terbuka (TPT) (x3) dan persentase penduduk miskin (x5) .
PREDIKSI VALUE AT RISK PADA INVESTASI LOGAM MULIA EMAS MENGGUNAKAN EXTREME VALUE THEORY (EVT) Sita Rahajeng; A'yunin Sofro
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 03 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p459-464

Abstract

Investasi emas adalah investasi yang paling sederhana karena dapat dijangkau dari berbagai kalangan dan informasi mengenai emas mudah diperoleh. Investasi emas merupakan investasi paling aman karena fluktasi harga emas yang cenderung naik. Harga emas yang cenderung naik setiap tahunnya membuat investasi emas banyak diminati masyarakat. Selain itu, likuiditas emas juga sangatlah tinggi, karena dapat dikonversi ke uang tunai kembali dengan cepat. Value at Risk yaitu pengukuran statistika risiko yang memperkirakan kerugian maksimum yang mungkin dialami suatu aset investasi dengan tingkat kepercayaan tertentu selama periode tertentu. VaR dapat diestimasi menggunakan berbagai pendekatan salah satunya adalah Extreme Value Theory. EVT digunakan untuk mengidentifikasi risiko yang diperoleh dari peristiwa ekstrim yang memiliki dampak signifikan. Nilai ekstrim yang didapatkan dengan pendekatan block maxima akan mengikuti distribusi Generalized Extreme Value. Berdasarkan hasil pembahasan diketahui bahwa, kerugian maksimum dengan pendekatan GEV yang akan dialami investor logam mulia emas jika menginvestasikan dananya sebesar Rp50.000.000 dalam 2 tahun adalah sebesar Rp750.000 dengan return level sebesar 0.015.
PREDIKSI KELEMBABAN DAN CURAH HUJAN MAKSIMUM DI KABUPATEN MALANG MENGGUNAKAN BIVARIATE EXTREME VALUE LOGISTIC Astika Eka Kirana; A'yunin Sofro
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 03 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p465-474

Abstract

Demam Berdarah Dengue (DBD) merupakan penyakit akibat virus dengue yang ditularkan melalui vector nyamuk dengan gigitan. Penyebaran penyakit DBD sangat dipengaruhi oleh faktor lingkungan, terutama kondisi iklim seperti kelembaban dan curah hujan. Penelitian ini bertujuan untuk memprediksi nilai periode pengembalian kejadian ekstrem kelembaban dan curah hujan di Kabupaten Malang, Jawa Timur, Indonesia, yang merupakan kabupaten dengan kasus DBD tertinggi di Jawa Timur. Data historis kelembaban dan curah hujan dari periode 2022-2023 digunakan dalam analisis. Pendekatan yang digunakan adalah bivariate extreme value logistic. Hal ini memungkinkan untuk mendapatkan joint return period atau periode pengembalian bersama dari kelembaban dan curah hujan, dengan memperhatikan dependensi antar variabelnya. Hasil penelitian menunjukkan bahwa kejadian ekstrem dengan kelembaban dan curah hujan yang sangat tinggi bersamaan memiliki periode pengembalian yang jarang, dengan skenario "dan" menunjukkan nilai periode pengembalian meningkat dari 2,7180 bulan hingga 19,8521 bulan, sedangkan untuk skenario "atau" menunjukkan nilai periode pengembalian dari 1,0092 bulan hingga 1,6146 bulan. Temuan ini dapat digunakan sebagai dasar untuk pengambilan keputusan dalam upaya mitigasi dan adaptasi terhadap wabah DBD yang dapat dipengaruhi oleh kelembaban dan curah hujan ekstrem di Kabupaten Malang. Kata Kunci: kelembaban, curah hujan, nilai ekstrem, bivariate extreme velua logistic, periode pengembalian bersama
PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA JAWA TIMUR DENGAN REGRESI LOGISTIK ORDINAL Mohammad Dian Purnama; A'yunin Sofro
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 03 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p654-661

Abstract

Indeks Pembangunan Manusia (IPM) merupakan tolok ukur utama kemajuan dan kesejahteraan wilayah, serta indikator penting dalam menilai peningkatan mutu hidup manusia. Pada tahun 2023, IPM Jawa Timur mengalami kenaikan 3 tahun terakhir dengan nilai terakhir 73,38. Walaupun mengalami kenaikan, Jawa Timur merupakan provinsi dengan IPM terendah di Pulau Jawa dan Bali. Sehingga dari permasalahan tersebut tentunya diperlukan untuk memahami secara menyeluruh faktor-faktor yang berpengaruh terhadap IPM. Tujuan penelitian ini tentunya untuk memberikan gambaran tentang faktor-faktor yang mempengaruhi IPM dalam merancang kebijakan yang tepat di masa mendatang. Data yang digunakan merupakan tingkat IPM Jawa Timur 2023 dalam skala kategori ordinal. Untuk menginterpretasikan data ordinal, diperlukan metode yang sesuai yakni regresi logistik ordinal. Hasil penelitian menunjukkan bahwa variabel persentase penduduk miskin berpengaruh signifikan terhadap IPM.
PERBANDINGAN KINERJA MODEL DERET WAKTU ARIMA, LSTM, DAN GRU UNTUK PERAMALAN PM10 HARIAN DI JAKARTA: PERBANDINGAN KINERJA MODEL DERET WAKTU ARIMA, LSTM, DAN GRU UNTUK PERAMALAN PM10 HARIAN DI JAKARTA Khusnia Nurul Khikmah; A'yunin Sofro
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 02 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n02.p466-472

Abstract

Polusi udara khususnya partikulat matter kategori PM10 merupakan masalah lingkungan utama di kota besar seperti Jakarta. Dampaknya terhadap kesehatan masyarakat dan kebutuhan akan kebijakan mitigasi yang tepat menjadikan analisis kualitas udara sangat mendesak untuk dilakukan. Salah satu pendekatan yang dapat digunakan untuk menganalisis masalah ini adalah melalui peramalan konsentrasi PM10. Penelitian ini bertujuan membandingkan kinerja model statistik tradisional yaitu autoregressive integrated moving average (ARIMA) dengan model deep learning yaitu long short-term memory (LSTM) dan gated recurrent unit (GRU) dalam meramalkan konsentrasi PM10 harian di Jakarta. Data yang digunakan adalah data PM10 periode Januari 2010 hingga Februari 2025 dengan total 5538 observasi harian. Hasil penelitian menunjukkan bahwa model deep learning GRU kemudian LSTM memberikan hasil akurasi yang lebih baik dibanding model statistik tradisional ARIMA, yang dibuktikan secara berurutan melalui nilai RMSE (13,366, 13,441, dan 17,526), MAE (8,918, 8,958, dan 12,416), MSE (178,647, 189,674, dan 307,163), dan MAPE (21,211%, 21,361%, dan 31,228%). Hasil ini menunjukkan bahwa GRU dan LSTM lebih baik dalam menangkap pola non-linear dan ketergantungan jangka panjang pada PM10 dibandingkan metode ARIMA tradisional.