Article Per Year (5 Year)
p-Index From 2020 - 2025
1.347
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI MUST: Journal of Mathematics Education, Science and Technology Jurnal Aplikasi Statistika & Komputasi Statistik Jurnal Informatika dan Sistem Informasi Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
Christopher Andreas
Universitas Airlangga
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Mathematics

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Analisis Pengaruh BI 7-Days Repo Rate Terhadap Indeks Harga Saham Gabungan Menggunakan Pendekatan Regresi Nonparametrik Berdasarkan Estimator Least Square Spline Christopher Andreas; Feevrinna Yohannes Harianto; Elfhira Juli Safitri; Nur Chamidah
Jurnal Matematika, Statistika dan Komputasi Vol. 17 No. 3 (2021): May, 2021
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/j.v17i3.13101

Abstract

During the Covid-19 pandemic, the Indonesia stock market was under great pressure, so that the value of the Jakarta Composite Index (JCI) fluctuated greatly. To maintain economic stability, Bank Indonesia has regulated monetary policy such as setting the BI 7-Days Repo Rate. Analysis of this effect is important to formulate the right policy. This study aims to design the best model in describing the relationship between JCI value and BI 7-Days Repo Rate. The analysis was carried out by using parametric regression approach based on the ordinary least square method and nonparametric regression approach based on least square spline estimator. The results showed that the parametric regression models failed to meet the classical assumptions. Meanwhile, nonparametric regression can produce an optimal model with high accurate prediction, with an overall mean absolute percentage error value of 3.16%. Furthermore, mean square error, coefficient of determination, and mean absolute deviation also show good results. Thus, the effect of the BI 7-Days Repo Rate on the JCI value forms a quadratic pattern, in which a positive relationship is formed when the BI 7-Days Repo Rate is set at more than 4.25% and vice versa for a negative relationship.
Penerapan Model ARIMAX-GARCH dalam Pemodelan dan Peramalan Volume Transaksi Uang Elektronik di Indonesia Christopher Andreas; Sediono Sediono; Elly Ana; Suliyanto Suliyanto; M. Fariz Fadillah Mardianto
MUST: Journal of Mathematics Education, Science and Technology Vol 6, No 2 (2021): DECEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v6i2.11214

Abstract

Di era ekonomi digital, berbagai aktivitas ekonomi telah banyak memanfaatkan penggunaan uang elektronik. Penggunaan uang elektronik memberi berbagai dampak positif terhadap perekonomian dan pertumbuhan ekonomi. Untuk itu, perkembangan ekonomi digital terus didorong dalam upaya untuk meningkatkan pertumbuhan ekonomi seperti salah satu pilar tujuan dari Sustainable Development Goals (SDGs). Hal ini menunjukkan bahwa pemodelan dan peramalan volume transaksi uang elektronik sangat penting untuk dilakukan karena volume transaksi uang elektronik tersebut merupakan salah satu indikator perkembangan ekonomi digital di Indonesia. Penelitian ini bertujuan untuk menciptakan model statistika yang memiliki akurasi tinggi guna meramalkan volume transaksi uang elektronik di Indonesia. Dalam hal ini, pemodelan dilakukan dengan mempertimbangkan dua variabel eksogen yaitu infrastruktur uang elektronik dan kondisi pandemi Covid-19. Penelitian ini dilakukan dengan melakukan analisis data berdasarkan data yang bersumber dari Bank Indonesia. Dengan menerapkan model ARIMAX-GARCH, diperoleh model statistika yang memiliki akurasi tinggi dalam meramalkan volume transaksi uang elektronik di Indonesia. Hal ini ditandai melalui nilai Mean Absolute Percentage Error (MAPE) sebesar 11,33%. Selain itu, kedua variabel eksogen yaitu infrastruktur uang elektronik dan kondisi pandemi Covid-19 berpengaruh signifikan terhadap volume transaksi uang elektronik di Indonesia. Penelitian ini bermanfaat sebagai landasan dalam melakukan evaluasi kebijakan terkait perkembangan ekonomi digital khususnya penggunaan uang elektronik di Indonesia.
Peningkatan Kompetensi Guru SMA/MA di Kecamatan Bungah dalam Sistem Pembelajaran Daring Menggunakan Learning Management System Menuju Terbentuknya Sekolah Digital Siti Maghfirotul Ulyah; Elly Pusporani; Toha Saifudin; Christopher Andreas; Ayuning Dwis Cahyasari
MUST: Journal of Mathematics Education, Science and Technology Vol 6, No 2 (2021): DECEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v6i2.10667

Abstract

SMA ASSA’ADAH dan MA MA’ARIF NU ASSA’ADAH merupakan sekolah-sekolah yang berlokasi di Kecamatan Bungah, Kabupaten Gresik. Dalam pelaksanaan pembelajaran jarak jauh, sekolah-sekolah tersebut memiliki permasalahan seperti belum efektifnya penggunaan fitur-fitur pada platform pembelajaran online dikarenakan keterbatasan keterampilan guru dan keterbatasan sinyal internet peserta didik dan guru. Oleh karena itu, perlu diberikan pelatihan penggunaan fitur-fitur platform pembelajaran online yang efektif dan interaktif. Tujuan dari penelitian ini adalah untuk mengetahui apakah ada peningkatan kompetensi guru sesudah dilakukan pelatihan tersebut. Penelitian ini dilakukan dengan metode kuantitatif, yaitu dengan mengaplikasikan uji-T berpasangan pada data hasil pre-test dan post-test. Hasil penelitian menunjukkan bahwa rata-rata nilai post-test lebih tinggi daripada nilai pre-test. Hasil pengujian dengan uji-T berpasangan juga menunjukkan bahwa terdapat perbedaan yang signifikan antara kompetensi peserta sebelum dan sesudah pelatihan. Hal ini menunjukan bahwa proses pelatihan efektif meningkatkan kompetensi peserta.
Peningkatan Kualitas Guru SMP di Kabupaten Kediri dalam Penyusunan Soal AKM melalui Pendampingan Intensif Sediono Sediono; M. Fariz Fadillah Mardianto; Siti Maghfrotul Ulyah; Christopher Andreas; Helda Urbhani Rosa; Naufal Ramadhan Al Akhwal Siregar
MUST: Journal of Mathematics Education, Science and Technology Vol 6, No 2 (2021): DECEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v6i2.10178

Abstract

Riset yang dilakukan Organization for Economic Cooperation and Development (OECD) pada tahun 2018 menunjukkan bahwa kemampuan literasi dan matematika siswa di Indonesia cukup rendah. Kebijakan Ujian Nasional (UN) sebagai alat ukur evaluasi kualitas pendidikan di Indonesia dinilai perlu dievaluasi. Untuk itu, pemerintah menetapkan kebijakan baru pengganti UN yaitu Asesmen Kompetensi Minimum (AKM) dan survei karakter yang mulai diterapkan tahun 2021. Namun, sebagian besar guru belum memiliki wawasan yang cukup mengenai AKM dan survei karakter. Oleh karena itu, diadakan kegiatan workshop dan pendampingan intensif mengenai peningkatan kompetensi guru dalam memahami dan merancang soal berbasis AKM kategori literasi, numerasi, dan survei karakter. Dalam hal ini, sasaran kegiatan tersebut adalah guru Matematika dan IPA tingkat SMP di Kabupaten Kediri. Lebih lanjut, kemampuan seluruh guru diukur sebelum dan sesudah mengikuti kegiatan. Melalui pengujian hipotesis median dengan uji Wilcoxon pada dua sampel berpasangan, diperoleh kesimpulan bahwa terjadi peningkatan kompetensi yang signifikan pada seluruh peserta kegiatan dalam hal pemahaman, perancangan soal AKM kategori literasi, numerasi, dan survei karakter yang masing – masing meningkat sebesar 1.5; 31.5; 25.5; dan 26.5 poin. Melalui kegiatan ini, diharapkan kompetensi guru bertambah guna mendukung peningkatan kualitas pendidikan di Indonesia yang merupakan target Sustainable Development Goals (SDGs).
Analisis Hubungan Media Sosial dan Media Massa dalam Penyebaran Berita Hoaks berdasarkan Structural Equation Modeling-Partial Least Square Christopher Andreas; Sakinah Priandi; Antonio Nikolas Manuel Bonar Simamora; M. Fariz Fadillah Mardianto
MUST: Journal of Mathematics Education, Science and Technology Vol 6, No 1 (2021): JULY
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v6i1.8816

Abstract

Kebebasan pers adalah salah satu fokus yang terus diwujudkan dalam Sustainable Development Goals (SDGs). Dengan didukung era digital, kebebasan pers telah menciptakan keterbukaan dan penyebaran informasi yang cepat dan luas. Namun, hal tersebut diikuti dengan perkembangan berita hoaks di media sosial dan media massa yang terus tumbuh dan menjadi masalah serius di Indonesia. Perkembangan tersebut membuat analisis hubungan media sosial dan media massa dalam penyebaran berita hoaks di Indonesia penting dilakukan. Penelitian ini bertujuan untuk membentuk model struktural yang menjelaskan hubungan kedua media tersebut dalam penyebaran berita hoaks. Variabel yang digunakan dalam penelitian ini adalah perkembangan berita hoaks di media sosial dan media massa yang dianalisis dengan mempertimbangkan dua model struktural menggunakan metode Structural Equation Modeling-Partial Least Square (SEM-PLS). Hasil penelitian menunjukkan bahwa perkembangan berita hoaks di media sosial dan media massa saling berpengaruh signifikan. Melalui penelitian ini, rekomendasi kebijakan terkait upaya menekan perkembangan berita hoaks di media sosial dan media massa berbasis hasil pemodelan SEM-PLS dapat dirumuskan sehingga perkembangan berita hoaks dapat diminimalisir.
PEMODELAN PREVALENSI PENYAKIT KUSTA DI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION Christopher Andreas; Horidah Horidah; Rizza Sulistiana; Dhyana Venosia; Nur Chamidah
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.351

Abstract

Indonesia merupakan penyumbang kasus baru penyakit kusta tiga terbesar lingkup dunia, dengan Jawa Timur sebagai provinsi yang berkontribusi tertinggi. Hal ini membuat pemerintah menetapkan target rencana aksi guna mengeliminasi kusta di Indonesia. Penyakit kusta tergolong penyakit menular sehingga penyebaran penyakit ini dipengaruhi faktor lingkungan geografis. Oleh sebab itu, digunakan metode Geographically Weighted Regression (GWR) untuk pemodelan prevalensi penyakit kusta di Jawa Timur, dengan persentase rumah tangga yang menggunakan fasilitas mandi, cuci, kakus bersama , persentase rumah tangga yang belum memiliki akses terhadap sanitasi layak , dan jumlah penduduk miskin  memberi pengaruh signifikan terhadap prevalensi penyakit kusta di Jawa Timur, dengan sebaran kabupaten dan kota yang dipengaruhi secara signifikan masing – masing sebanyak 26,32%, 18,42%, dan 39,47%. Selain itu, hasil pemodelan GWR menunjukkan akurasi dan kebaikan model yang lebih baik daripada model regresi global. Pada penelitian ini, diketahui bahwa prevalensi penyakit kusta tertinggi di Jawa Timur terjadi di Kabupaten Sumenep dengan nilai prevalensi sebesar 2,06. Untuk mencapai target eliminasi kusta yang ditetapkan pemerintah, maka Pemerintah Kabupaten Sumenep dapat menurunkan nilai persentase rumah tangga yang belum memiliki akses terhadap sanitasi layak  hingga mencapai 12,01% dan jumlah penduduk miskin  hingga mencapai 13,215 ribu jiwa.
Comparison study of transfer function and artificial neural network for cash flow analysis at Bank Rakyat Indonesia Anifatul Faricha; Siti Maghfirotul Ulyah; Rika Susanti; Hawwin Mardhiana; Muhammad Achirul Nanda; Ilma Amira Rahmayanti; Christopher Andreas
International Journal of Electrical and Computer Engineering (IJECE) Vol 12, No 6: December 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v12i6.pp6635-6644

Abstract

The cash flow analysis is essential to examine the economic flows in the financial system. In this paper, the financial dataset at Bank Rakyat Indonesia was used, it recorded the sources of cash inflow and outflow during a particular period. The univariate time series model like the autoregressive and integrated moving average is the common approach to build the prediction based on the historical dataset. However, it is not suitable to estimate the multivariate dataset and to predict the extreme cases consisting of nonlinear pairs between independent-dependent variables. In this study, the comparison of using two types of models i.e., transfer function and artificial neural network (ANN) were investigated. The transfer function model includes the coefficient of moving average (MA) and autoregressive (AR), which allows the multivariate analysis. Furthermore, the artificial neural network allows the learning paradigm to achieve optimal prediction. The financial dataset was divided into training (70%) and testing (30%) for two types of models. According to the result, the artificial neural network model provided better prediction with achieved root mean square error (RMSE) of 0.264897 and 0.2951116 for training and testing respectively.
Implemantasi K-Means Clustering untuk Pengelompokan Analisis Rasio Profitabilitas dalam Working Capital N Harianto Kristanto; Andreas Christopher; Halim Budi
Jurnal Informatika dan Sistem Informasi Vol. 2 No. 1 (2016): Jurnal Informatika dan Sistem Informasi
Publisher : Universitas Ciputra Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1019.634 KB)

Abstract

Rasio profitabilitas merupakan rasio untuk mengetahui kemampuan perusahaan dalam menghasilkan laba selama periode tertentu dan juga memberikan gambaran tentang tingkat efektifitas manajemen perusahaan dalam melaksanakan kegiatan operasinya. Rasio profitabilitas diperoleh dari laporan keuangan tahunan perusahaan dengan melakukan perhitungan dari data penjualan yang terdapat di dalam laporan tahunan. Masalahnya bagaimana mengelompokkan emiten-emiten yang punya kemiripan dalam rasio profitabilitas.. Dalam penelitian ini akan dibangun sistem berbasis desktop dengan menerapkan metode k-means clustering. Sistem akan mengelompokkan rasio profitabilitas semua perusahaan pada sektor pertambangan dan sektor industri barang konsumsi dalam 1 tahun. Hasilnya berupa cluster dari perusahaan mana yang memiliki kesamaan paling mirip pada rasio profitabilitasnya, hasil cluster juga disajikan dalam bentuk diagram scatter. Pada penelitian ini dilakukan uji coba terhadap centroid 2 hingga centroid 5. Setelah dilakukan uji coba terhadap jumlah centroidnya, dapat ditarik kesimpulan bahwa semakin banyak jumlah centroid dalam setiap proses clustering, maka makin spesifik kelompok cluster yang dihasilkan. Dengan demikian pengambilan kesimpulan kesamaan dalam kelompok cluster makin mudah.
Perbandingan Pendekatan Statistika dan Machine Learning dalam Peramalan Data Time Series Christopher Andreas
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 4 (2025): EDISI JULI 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i4.11429

Abstract

Peramalan data time series berfungsi sebagai alat penting untuk memahami pola temporal dan memproyeksikan hasil di masa mendatang, terutama dalam konteks menghadapi ketidakpastian global. Secara umum, peramalan dapat dilakukan dengan menggunakan pendekatan statistika atau machine learning (pembelajaran mesin). Studi ini membandingkan kinerja peramalan metode statistika (dengan AutoRegressive Integrated Moving Average atau ARIMA) dan metode pembelajaran mesin (dengan Support Vector Regression atau SVR). Variabel yang diteliti dalam studi ini adalah harga emas dunia. Estimasi parameter untuk model ARIMA dilakukan dengan menggunakan teknik Conditional Least Squares, sedangkan parameter untuk model SVR dipilih melalui metode grid search. Hasilnya menunjukkan bahwa kedua model menghasilkan prediksi yang sangat akurat, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 6,59% untuk ARIMA dan 2,38% untuk SVR. Namun, terdapat perbedaan antara kedua pendekatan tersebut dalam hal asumsi model yang mendasari dan prosedur inferensi. Oleh karena itu, pilihan metode peramalan harus mempertimbangkan sejumlah faktor, tidak hanya karakteristik data, tetapi juga tujuan dan persyaratan khusus yang ditetapkan peneliti.
Co-Authors Ana, Elly Anifatul Faricha Antonio Nikolas Manuel Bonar Simamora Ayuning Dwis Cahyasari Dhyana Venosia Elfhira Juli Safitri Elly Pusporani Feevrinna Yohannes Harianto Halim Budi Hawwin Mardhiana Helda Urbhani Rosa Horidah Horidah Ilma Amira Rahmayanti M. Fariz Fadillah Mardianto N Harianto Kristanto Nanda, Muhammad Achirul Naufal Ramadhan Al Akhwal Siregar Nur Chamidah Rika Susanti Rizza Sulistiana Sakinah Priandi Sediono, Sediono Siti Maghfirotul Ulyah Siti Maghfrotul Ulyah Suliyanto Toha Saifudin