Claim Missing Document
Check
Articles

PEMODELAN AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) DALAM MEMPREDIKSI HARGA CRUDE PALM OIL (CPO) Ika Ayu Krismawanti; Shantika Martha; Naomi Nessyana Debataraja
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 4 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (536.299 KB) | DOI: 10.26418/bbimst.v8i4.35886

Abstract

Kelapa sawit merupakan salah satu komoditas perkebunan yang dapat berpengaruh terhadap perekonomian Indonesia. Salah satu hasil olahan tanaman kelapa sawit yaitu minyak kelapa sawit mentah (CPO). CPO memiliki peran strategis dalam perekonomian negara khususnya dalam bidang ekspor ke berbagai negara terutama negara India. Harga CPO yang cenderung mengalami peningkatan dan penurunan akan berpengaruh terhadap penghasilan negara dan masyarakat khususnya petani kelapa sawit. Peningkatan dan penurunan harga CPO yang tidak menentu memerlukan peramalan untuk mengetahui harga CPO dimasa yang akan datang. Peramalan merupakan kegiatan dalam memperkirakan kejadian dimasa depan dengan pengambilan data-data dimasa lalu. Dalam analisis runtun waktu terdapat data yang memiliki ciri proses jangka pendek dan data yang memiliki ciri proses jangka panjang. Model yang dapat menangani kedua jenis data ini adalah model autoregressive fractionally integrated moving average (ARFIMA). Model ARFIMA merupakan pengembangan dari model ARIMA, dengan differencing bernilai pecahan. Penelitian ini bertujuan untuk menentukan model ARFIMA pada data harga CPO. Data yang digunakan dalam penelitian ini merupakan data harga CPO dari periode 1 Januari 2012 sampai 10 Maret 2019. Berdasarkan analisis dapat disimpulkan bahwa model ARFIMA terbaik yang didapat adalah ARFIMA (1; 0,17; 0) dengan nilai AIC sebesar 7,999 dan nilai MAPE sebesar 1,37%. Kata Kunci: CPO, peramalan, ARFIMA
ANALISIS KOINTEGRASI DAN ERROR CORRECTION MODEL INDEKS HARGA KONSUMEN KOTA PONTIANAK DAN SINGKAWANG Eka Wahyuning Dhewanty; Evy Sulistianingsih; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (296.503 KB) | DOI: 10.26418/bbimst.v8i1.30602

Abstract

Indeks harga konsumen digunakan sebagai tolak ukur inflasi. Data indeks harga konsumen yang sering kali tidak stasioner menyebabkan pengambilan keputusan yang berkaitan dengan data tidak valid. Uji kointegrasi dipakai untuk menganalisis kemungkinan hubungan jangka panjang antara variabel yang tidak stasioner. Tujuan penelitian ini adalah menemukan hubungan jangka panjang antara indeks harga konsumen kota Pontianak dan kota Singkawang dengan metode kointegrasi dan hubungan jangka pendek dengan metode model koreksi kesalahan. Penelitian ini menggunakan data indeks harga konsumen kota Pontianak dan kota Singkawang dalam periode waktu bulanan. Berdasarkan hasil penelitian yang diperoleh dapat disimpulkan bahwa indeks harga konsumen Kota Pontianak dan Kota Singkawang tidak stasioner tetapi kombinasi linier keduanya stasioner dengan kata lain terdapat hubungan jangka panjang antara indeks harga konsumen kota Singkawang terhadap indeks harga konsumen kota Pontianak.Kata Kunci : indeks harga konsumen, stasioneritas, kointegrasi.
ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI PARETO - GAMMA DENGAN METODE BAYESIAN LINEX LOSS FUNCTION Mega Putri; Shantika Martha; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 2 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (343.939 KB) | DOI: 10.26418/bbimst.v8i2.32788

Abstract

Data survival merupakan data yang menunjukkan waktu suatu individu atau objek dapat bertahan hidup hingga terjadinya suatu kejadian tertentu. Data dikatakan tersensor apabila data yang diamati tidak lengkap karena hilangnya objek penelitian atau sampai akhir penelitian objek tersebut belum mengalami suatu kejadian tertentu. Tujuan dari penelitian ini adalah menentukan estimasi parameter model survival yang berdistribusi Pareto pada data tersensor dengan metode Bayesian LINEX Loss Function menggunakan prior Gamma. Data yang digunakan adalah data sekunder pasien kanker paru-paru dari penelitian yang dilakukan oleh Kalbfleisch dan Prentice pada tahun 1980. Berdasarkan hasil estimasi metode Bayesian LINEX Loss Function untuk studi kasus penderita kanker paru-paru  dapat diketahui peluang seorang penderita kanker paru-paru untuk bertahan hidup semakin lama semakin kecil (mendekati nol), hingga akhirnya mengalami kematian. Nilai MAPE yang diperoleh dari fungsi Survival distribusi Pareto dengan pendekatan Bayesian LINEX Loss Function adalah sebesar 19,66%. Hal ini berarti bahwa metode Bayesian LINEX Loss Function memiliki kemampuan peramalan yang baik dalam mengestimasi peluang hidup pasien penderita kanker paru-paru.Kata Kunci : Distribusi Pareto, Bayesian, LINEX Loss Function, MAPE.
PENERAPAN METODE TOPSIS DALAM MENENTUKAN PENERIMA BERAS MISKIN Dwi Setiaji; 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.v10i1.44683

Abstract

Beras miskin (raskin) merupakan subsidi pangan sebagai upaya pemerintah untuk meningkatkan ketahanan pangan dan memberikan perlindungan pada keluarga miskin melalui pendistribusian beras yang diharapkan mampu menjangkau keluarga miskin. Banyaknya warga miskin dengan beragam kondisi mengakibatkan penentuan penerima raskin semakin sulit. Oleh karena itu, dibutuhkan metode yang dapat memudahkan pihak terkait untuk menyelesaikan permasalahan tersebut, salah satunya dengan metode TOPSIS (technique for order preference by similarity to ideal solution). TOPSIS adalah metode pengambilan keputusan multikriteria dengan ide dasarnya alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif. Penelitian ini bertujuan sebagai bahan pertimbangan/rekomendasi untuk pihak Desa dalam menentukan penerima raskin. Pengambilan keputusan menggunakan tujuh kriteria antara lain umur, pekerjaan, penghasilan, luas bangunan, tanggungan, biaya tagihan listrik dan konsumsi daging. Hasil dari penelitian, direkomendasikan 10 orang penerima raskin dari 30 orang berdasarkan nilai kedekatan relatif dari urutan terbesar hingga terkecil. Nilai kedekatan relatif calon penerima raskin yang telah diurutkan tersebut dapat dijadikan pertimbangan dalam proses penyeleksian penerima raskin di Desa X Kabupaten Mempawah. Kata kunci:  MADM, Prioritas, TOPSIS, Matriks
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

Abstract

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

Abstract

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

Abstract

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

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1924.005 KB) | DOI: 10.26418/bbimst.v9i3.41096

Abstract

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

Abstract

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.