Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

3.355

P-Index

This Author published in this journals

All Journal BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Matematika Sains dan Teknologi JMPM: Jurnal Matematika dan Pendidikan Matematika Jurnal Pengabdian kepada Masyarakat Nusantara Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Forum Analisis Statistik STATISTIKA

Shantika Martha

Universitas Tanjungpura

Author-ID : 2682011

Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics Social Sciences Transportation Other

Published : 50 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1 2 3 4 5

PENERAPAN FUZZY TIME SERIES CHEN AVERAGE BASED PADA PERAMALAN CURAH HUJAN Vita Virgianti; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): 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.v10i4.50913

Fuzzy time series merupakan salah satu metode peramalan data yang dapat melihat pola dari data historis kemudian digunakan untuk memproyeksikan data yang akan datang. Metode tersebut merupakan konsep yang dikenal dengan istilah kecerdasan buatan dalam peramalan dimana data historis tersebut dibentuk dalam nilai-nilai linguistik. Penelitian ini menganalisis data curah hujan Kabupaten Melawi bulan Januari 2016 – Desember 2019 menggunakan fuzzy time series Chen untuk meramalkan curah hujan bulan Januari 2020. Pada proses ini penentuan panjang interval menggunakan metode average based, kemudian menentukan himpunan fuzzy, melakukan fuzzifikasi dan menentukan Fuzzy Logic Relations (FLR) serta Fuzzy Logic Relations Group (FLRG), selanjutnya melakukan defuzzifikasi nilai peramalan. Kemudian diperoleh hasil peramalan curah hujan pada bulan Januari 2020 yaitu 631 mm. Nilai ketepatan peramalan yang dihitung menggunakan Mean Absolute Percentage Error (MAPE) adalah 44,57%.Kata Kunci: Average based, fuzzy time series, peramalan

PEMBENTUKAN CLUSTER OPTIMUM BERDASARKAN METODE HIERARKI DIVISIVE Lidia Karnelia; Dadan Kusnandar; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): 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.v9i4.42276

Analisis cluster merupakan teknik multivariat yang mempunyai tujuan untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimiliki. Prosedur pengelompokan yang digunakan dalam analisis cluster yaitu metode hierarki dan non hierarki. Metode hierarki terdiri dari divisive dan alggomerative. Pembentukan jumlah cluster optimum yang tepat untuk digunakan diperoleh melalui identifikasi pola pergerakan varians pada cluster yang mencapai global optimum. Penemuan posisi cluster yang mencapai global optimum pada pola pergerakan varians diperoleh melalui penerapan metode valley-tracing. Pada penelitian, digunakan penerapan analisis cluster hierarki divisive untuk mengelompokkan 13 desa di Kecamatan Nanga Taman berdasarkan kelompok pendidikan yang ditamatkan tahun 2019. Dari hasil analisis pembentukan cluster optimum pada metode hierarki divisive, diperoleh sebanyak empat cluster. Informasi tersebut akan mempermudah pemerintah Kecamatan Nanga Taman dalam menanggulangi permasalahan pendidikan karena tidak meratanya jumlah penduduk berdasarkan kelompok pendidikan yang ditamatkan. Anggota cluster pertama Desa Nanga Taman tidak memiliki kemiripan dengan desa lainnya, karena jumlah penduduk tamatan sarjana, diploma dan SMA terbanyak. Anggota cluster kedua Desa Nanga Mentukak dan Sungai Lawak, memiliki kemiripan berdasarkan jumlah penduduk tamatan diploma dan pada kelompok pendidikan lainnya tidak jauh berbeda. Anggota cluster ketiga Desa Nanga Koman dan Lubuk Tajau, memiliki kemiripan berdasarkan jumlah penduduk tamatan sarjana dan pada kelompok pendidikan lainnya tidak jauh berbeda. Anggota cluster keempat Desa Rirang Jati, Senangak, Nanga Kiungkang, Tapang Tingang, Nanga Mongko, Nanga Engkulun, Pantok dan Meragun, memiliki kemiripan berdasarkan kelompok pendidikan tidak/belum tamat SD dan tamatan SD. Kata Kunci : Analisis Multivariat, Pendidikan, Global Optimum, Valley-Tracing.

ANALISIS TINGKAT INFLASI DAN BI RATE MENGGUNAKAN VECTOR ERROR CORRECTION MODEL Enis Rahayu; Yundari Yundari; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 1 (2021): 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.v10i1.44668

Vector error correction model (VECM) merupakan bentuk VAR yang terestriksi, karena itu VECM sering disebut sebagai VAR terbatas yang dirancang untuk digunakan pada data non stasioner yang diketahui memiliki hubungan kointegerasi.VECM berguna untuk memperkirakan adanya jangka pendek keduanya dan jangka panjang dari satu deret waktu lainnya. Penelitian ini bertujuan untuk mengetahui hubungan kausalitas tingkat inflasi dan BI Rate dalam jangka pendek dan jangka panjang. Penelitian ini menggunakan metode vector error correction model (VECM) yang diterapkan pada data deret waktu dari tingkat inflasi dan BI Rate beserta uji prasyarat yaitu uji stasioneritas data, uji lag optimal dan uji kointegrasi. Hasil uji stasioneritas menunjukkan tingkat inflasi dan BI Rate berada pada tingkat differensiasi pertama. Pengujian lag optimal menujukkan bahwa panjang lag optimal terletak pada lag 2. Sementara uji kointegrasi menujukkan tingkat inflasi dan BI rate memiliki hubungan jangka panjang (kointegrasi) satu dengan lainnya. Berdasarkan estimasi VECM maka diperoleh model VECM (2) sebagai model terbaik. Hasil model mengatakan bahwa ada hubungan kausalitas jangka pendek dan jangka panjang antara tingkat inflasi dan BI rate. Kata Kunci: Deret waktu, VECM, VAR, Kausalitas

PENGUKURAN VALUE AT RISK DENGAN PROSEDUR VOLATILITY UPDATING HULL AND WHITE BERDASARKAN ROBUST EXPONENTIALLY WEIGHTED MOVING AVERAGE Sumiarti Sumiarti; Shantika Martha; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): 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.v10i4.49685

Risiko adalah besarnya penyimpangan antara tingkat pembelian yang diharapkan dengan tingkat pengembalian sebenarnya. Salah satu alat untuk mengukur risiko adalah Value at Risk (VaR). VaR adalah pengukuran kemungkinan kerugian terburuk dalam kondisi pasar yang normal dengan probabilitas tertentu dan pada horizon waktu tertentu. Keberhasilan penggunaan VaR sangat bergantung pada estimasi volatilitas bersyarat dari return portofolio. Salah satu metode untuk menghitung volatilitas bersyarat adalah robust exponentially weighted moving average (robust EWMA). Robust EWMA adalah metode EWMA alternatif yang digunakan saat kondisi data return tidak berdistribusi normal dan bersifat heteroskedastik. VaR dihitung menggunakan metode historical simulation dengan data yang diperbarui dengan volatilitas Hull and White. Tujuan dari penelitian ini adalah untuk menentukan return yang deperoleh dengan prosedur volatility updating Hull and White dan menghitung VaR dengan metode robust EWMA. Data yang digunakan adalah data return saham dari saham PT. Jakarta Islamic Indeks, Tbk (JII) dan PT. Astra Internasional, Tbk. (ASII) penutupan harian pada periode 01 Agustus 2019 hingga 18 Agustus 2020. Berdasarkan hasil penelitian ukuran pembelian optimal untuk portofolio dua aset ASII dan JII dengan investasi awal sebesar Rp100.000.000,00,- investor diperkirakan tidak akan mengalami kerugian lebih dari Rp3.097.059 dalam jangka waktu satu hari setelah portofolio dibentuk dengan tingkat kesalahan α =0,05 dan λ = 0,94 . Kata Kunci: robust EWMA, VaR, volatility updating

PEWARNAAN TOTAL PADA GRAF RAJA Fransisca Febrianti Sundari; Neva Satyahadewi; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 3 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Pewarnaan total graf merupakan pewarnaan sisi dan simpul sehingga tidak terdapat dua sisi dan dua simpul yang saling bertetangga serta setiap sisi dan simpul saling bersisian memiliki warna yang sama. Pada pewarnaan total graf berlaku dengan adalah derajat maksimum graf dan adalah jumlah minimum warna yang diperlukan dalam pewarnaan total. Tujuan pewarnaan total adalah untuk menentukan jumlah warna minimum yang dapat digunakan untuk mewarnai setiap sisi dan simpul pada graf. Penelitian ini membahas tentang algoritma pewarnaan total serta pengaruh sisi dan simpul terhadap bilangan kromatik pada graf raja. Algoritma pewarnaan total pada graf raja meliputi pembentukan graf raja, penentuan himpunan bebas sisi dengan syarat gabungan semua himpunan bebas sisi sama dengan himpunan sisi, pemberian warna pada sisi berdasarkan himpunan bebas sisi, pemberian warna pada simpul dan penentuan bilangan kromatik berdasarkan pada kaidah pewarnaan total. Graf raja dilambangkan dengan dengan adalah banyaknya baris dan adalah banyaknya kolom pada papan catur. Berdasarkan penelitian ini diperoleh bahwa bilangan kromatik pada graf raja yaitu untuk dan untuk dan , bilangan kromatik pada graf raja yaitu untuk dan untuk dan , bilangan kromatik pada graf raja yaitu untuk dan untuk , bilangan kromatik pada graf raja yaitu untuk dan bilangan kromatik pada graf raja yaitu untuk . Selain itu juga diperoleh bahwa sisi dan simpul sangat berpengaruh terhadap bilangan kromatik pewarnaan total pada graf raja.Kata Kunci : bilangan kromatik, derajat maksimum, algoritma.

PEMODELAN MARKOV SWITCHING AUTOREGRESSIVE (MSAR) PADA DATA INFLASI DI INDONESIA Bartolomius Bartolomius; Shantika Martha; Siti Aprizkiyandari
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): 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.v10i4.50930

Inflasi adalah kenaikan harga secara umum yang berlangsung secara terus-menerus selama periode tertentu. Inflasi memiliki dua kondisi (state) yang sering berubah, yaitu ketika inflasi mengalami kenaikan atau penurunan. Pemodelan data deret waktu biasanya menggunakan model ARIMA, ARCH, dan GARCH. Akan tetapi ketiga model tersebut tidak memperhitungkan adanya perubahan struktur. Salah satu model alternatif yang dapat digunakan untuk menganalisis data yang mengalami perubahan struktur adalah model Markov switching autoregressive (MSAR). Data yang digunakan pada penelitian ini adalah data tingkat inflasi di Indonesia periode Januari 2005 sampai Desember 2020. Adapun tujuan dari penelitian ini adalah membentuk model MSAR serta mengetahui nilai peluang transisi setiap state pada data inflasi di Indonesia. Tahapan analisis dimulai dengan input data, melakukan deskripsi data, uji stasioneritas data dan melakukan pemodelan Box-Jenkins. Langkah selanjutnya yaitu melakukan uji perubahan struktur dan uji heteroskedastisitas yang dilanjutkan dengan estimasi parameter model MSAR serta membentuk matriks transisi. Hasil penelitian diperoleh bahwa model MSAR terbaik ialah model MS(2)-AR(1) dengan nilai peluang transisi inflasi tetap berada pada state 1 adalah sebesar 0,666668. Meskipun demikian, ada peluang sebesar 0,333332 dimana kondisi inflasi akan berpindah ke state 2. Demikian juga halnya untuk kasus state 2, dimana besaran peluang transisi inflasi tetap berada pada state 2 adalah sebesar 0,961672 dan peluang transisi inflasi berpindah dari state 2 ke state 1 adalah sebesar 0,038328. Kata Kunci: msar, inflasi, deret waktu, matriks peluang transisi, perubahan struktur, state.

ANALISIS FAKTOR YANG MEMPENGARUHI LAMA MASA STUDI MAHASISWA FMIPA UNTAN MENGGUNAKAN MODEL PROBIT Yude Anggreni; Dadan Kusnandar; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): 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.v10i2.45879

Model probit (probability unit) adalah model yang digunakan ketika variabel dependen (Y) berbentuk dikotomi atau biner dan galatnya diasumsikan berdistribusi normal. Penelitian ini bertujuan untuk menganalisis faktor yang mempengaruhi lama masa studi mahasiswa FMIPA Untan dengan menggunakan model probit. Data yang digunakan adalah data kelulusan mahasiswa FMIPA Untan angkatan 2011. Untuk mengestimasi parameter model probit digunakan Maximum Likelihood Estimation (MLE). Kemudian lakukan uji kebaikan dengan tiga tahapan, yaitu uji serentak, uji parsial, serta koefisien determinasi. Hasil dari ketiga uji menunjukkan bahwa model probit dapat digunakan untuk menganalisis faktor yang mempengaruhi lama masa studi mahasiswa FMIPA Untan dengan variabel independennya jenis kelamin, TUTEP (Tanjungpura University Test of English Proficiency), IPK (Indek Prestasi Mahasiswa) dan Jurusan. Berdasarkan hasil dari pengujian menunjukkan bahwa faktor yang mempengaruhi lama masa studi FMIPA Untan adalah variabel independen IPK (X3), dengan nilai McFadden R-square ( ) sebesar 0,1745.Kata kunci: Model Probit, Uji Serentak, Uji Parsial, McFadden R-square.

PREDIKSI DATA JUMLAH PENUMPANG KERETA DENGAN EFEK VARIASI KALENDER PADA MODEL SARIMAX Hayati Hayati; Naomi Nessyana Debataraja; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 4 (2021): 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.v10i04.49536

Kereta api menjadi salah satu transportasi alternatif masyarakat untuk melakukan aktivitasnya dalam hal pekerjaan maupun pariwisata untuk jarak tempuh yang jauh. Untuk menjaga kenyamanan penumpang, PT Kereta Api Indonesia (KAI) harus terus meningkatkan sarana dan prasarananya. Oleh karena itu, diperlukan prediksi jumlah penumpang untuk membantu PT KAI mempersiapkan fasilitas-fasilitas serta mengantisipasi kenaikan jumlah penumpang. Penelitian ini bertujuan memprediksi jumlah penumpang kereta dengan model SARIMAX. Data yang digunakan yaitu data jumlah penumpang kereta pada tahun 2014 hingga 2018. Data tersebut memiliki pola musiman pada hari raya keagamaan dan libur akhir tahun. Hari raya keagamaan termasuk efek variasi kalender, karena selalu bergeser setiap tahunnya. Tahapan pengerjaan dimulai dari membagi data menjadi in-sample dan out-sample. Selanjutnya dilakukan uji stasioner untuk mengetahui apakah data sudah stasioner atau tidak. Pada data yang sudah stasioner, dilakukan pemodelan SARIMA. Kemudian, ditambahkan variabel dummy pada model SARIMA yang telah diperoleh. Uji signifikansi dilakukan pada variabel dummy. Setelah itu, dilakukan uji estimasi parameter dan uji diagnostik pada model SARIMA yang sudah ditambahkan variabel dummy. Model yang diperoleh untuk memprediksi data jumlah penumpang kereta wilayah Sumatera adalah model SARIMAX (1,1,1)(1,1,0)^12 dengan nilai MAPE sebesar 3,54%. Ini berarti model yang digunakan dalam kategori sangat baik.Kata Kunci : Kereta, SARIMAX, runtun waktu

PENERAPAN MODEL NEURO-GARCH PADA PERAMALAN DATA RETURN SAHAM Nova Andaresta; Shantika Martha; Dwi Marisa Midyanti
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 2 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Heteroskedastisitas merupakan masalah yang sering terjadi dalam proses peramalan pada data keuangan. Model generalized autoregressive conditional heteroscedasticity (GARCH) merupakan model runtun waktu yang dapat digunakan untuk data yang mengalami heteroskedastisitas. Model lain yang dapat digunakan untuk memodelkan data dengan fluktuasi yang sangat besar dan tidak tetap adalah jaringan saraf tiruan (JST). Dalam penelitian ini kedua model digabungkan menjadi sebuah model yang disebut Neuro-GARCH. Tujuan penelitian ini membentuk arsitektur jaringan model terbaik dan membandingkan hasil peramalan dengan data aktual return saham pada tanggal 11 Juli 2018 sampai dengan 28 Februari 2019. Data yang digunakan adalah data return saham PT Bank Central Asia Tbk penutupan harian pada periode Januari 2017 sampai dengan Februari 2019. Adapun langkah-langkah dalam penelitian ini diawali dengan pembentukan model box jenkins. Residual model box jenkins terbaik digunakan untuk mendeteksi heteroskedastisitas menggunakan uji lagrange multiplier (ARCH-LM). Data residual yang memiliki heteroskedastisitas dimodelkan ke dalam model GARCH. Variabel bebas pada model GARCH kemudian dijadikan input pada model JST dan targetnya adalah data return (aktual). Hasil analisis menunjukkan bahwa bentuk jaringan terbaik adalah (2-5-1) dengan nilai MSE pengujian sebesar 0,00014955. Hasil peramalan selama 167 hari mengalami fluktuasi, dengan return tertinggi yaitu pada tanggal 14 September 2018 sebesar 0,0128467 dan terendah terjadi pada tanggal 13 Juli 2018 sebesar -0,0049574. Kata Kunci: ARIMA, heteroskedastisitas, JST, backpropagation

PENDEKATAN METODE BAYESIAN GELF PADA MODEL SURVIVAL EKSPONENSIAL UNTUK MENENTUKAN PREMI TUNGGAL PADA ASURANSI Santi Santi; Shantika Martha; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Model survival didefinisikan sebagai suatu distribusi probabilitas untuk variabel random yang berkaitan dengan usia serta ketahanan suatu produk ataupun jiwa. Model survival dalam penelitian ini membahas tentang fungsi ketahanan hidup dari suatu individu. Model survival diaplikasikan untuk mendapatkan nilai premi asuransi jiwa dwiguna. Premi asuransi dwiguna didapatkan dengan pendekatan metode Bayesian. Metode Bayesian adalah metode yang digunakan untuk menentukan distribusi posterior. Langkah yang dilakukan untuk mendapatkan distribusi posterior yaitu mengalikan fungsi likelihood dengan distribusi prior. Kemudian diperoleh distribusi posterior yang digunakan untuk mengestimasi metode Bayesian GELF (General Entropy Loss Function) pada model survival, dan diaplikasikan ke APV (Actuarial Present Value) asuransi jiwa dwiguna. Berdasarkan penelitian diketahui bahwa premi asuransi jiwa dwiguna pada seseorang berusia 30 tahun dengan jangka waktu 10 tahun didapat harga premi sebesar Rp78.742.900. Kata kunci: Model survival, Metode Bayesian, Distribusi posterior.

Co-Authors Anggi Putri Dewi Anita Anita Ayu Dhita Putri Wulandari Bartolomius Bartolomius Bella Amalia David Jordy Dhandio Desa Ayu Natalia Dwi Marisa Midyanti Dwi Setiaji Eka Wahyuning Dhewanty Enis Rahayu Evy Sulistianingsih Fahiza Syanaya Fajri Anugrah Pratiwi Fery Prastio Fransisca Febrianti Sundari Hayati Hayati Hendra Perdana Hidayatun Nisa Ika Ayu Krismawanti Ika Novira Zulianti Indah Noviyanti Julianti Kastari Kunti Wijayanti Laksono Trisnantoro Lidia Karnelia Luh Putu Ratna Sundari Mariatul Kiftiah Marisi Aritonang Maya Rosalina Mega Putri Muhammad Septian Muthiara Anantha Simanjuntak Nanda Shalsadilla Naomi N. Debataraja Naomi Nessyana Debataraja Neva Satyahadewi Nova Andaresta Nurfitri Imro’ah Nurul Qomariyah NUR’AINUL MIFTAHUL HUDA Rizky Oktaviani Putri Santi Santi Selvy Putri Agustianto Setyo Wir Rizki Setyo Wira Rizki Silvana Rika Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sri Jumiati Sriyana Sriyana Suaibah Suaibah Sumiarti Sumiarti Supandi Supandi Susanti Susanti Sutro Sutro Syarifah Zela Hafizah Tamtama, Ray Thariq Thariq Vina Annisa Nurdiani Aji Vita Virgianti Wahyudio Hariadi Warzuqna Olyan Wirda Andani Yogi Pratama Yosi Yosi Yude Anggreni Yundari, Yundari Yundari, Yundari

Title Search

Found 42 Documents Search Journal : BIMASTER

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 42 Documents
Search
Journal : BIMASTER