Article Per Year (5 Year)
p-Index From 2021 - 2026
2.177
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) EKSAKTA: Journal of Sciences and Data Analysis Jurnal Ilmu Komputer dan Informasi MATEMATIKA Jurnal Sains dan Seni ITS IPTEK Journal of Science IPTEK Journal of Proceedings Series IPTEK The Journal for Technology and Science TELKOMNIKA (Telecommunication Computing Electronics and Control) Journal of Natural A Seminar Nasional Informatika (SEMNASIF) Science and Technology Indonesia Jurnal Matematika: MANTIK Syntax Literate: Jurnal Ilmiah Indonesia Business and Finance Journal Jurnal Ilmiah Matematika dan Pendidikan Matematika (JMP) Indonesian Journal of Electrical Engineering and Computer Science Inferensi Proceeding ISETH (International Summit on Science, Technology, and Humanity) Sewagati PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON DATA SCIENCE AND OFFICIAL STATISTICS
Nur Iriawan
Departemen Statistika Institut Teknologi Sepuluh Nopember
Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Inferensi

 1 
Pemodelan Harga Cryptocurrency Menggunakan Markov Switching Autoregressive Akhmad Ridho Ashariansyah; Nur Iriawan; Adatul Mukarromah
Inferensi Vol 3, No 2 (2020): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j27213862.v3i2.7726

Abstract

Perdagangan merupakan sebuah kegiatan tukar menukar barang atau jasa yang dilakukan manusia untuk memenuhi kebutuhan hidup. Perkembangan sistem pembayaran yang dilakukan umat manusia dimulai dari sistem pertukaran barang atau barter, logam mulia seperti emas dan perak, koin, uang kartal, uang giral, dan uang elektronik (e-money). Selain itu, muncul cryptocurrency yaitu mata uang digital dengan sistem kriptografi dalam setiap proses transaksi datanya tanpa melalui pihak ketiga. Namun cryptocurrency memiliki kelemahan perubahan harga yang sangat besar dalam waktu yang sangat cepat. Pergerakan harga yang berfluktuasi sangat tinggi tersebut menyebabkan kekhawatiran pemilik aset kripto mengalami kerugian, maka pemodelan harga cryptocurrency sangat penting untuk dilakukan agar meminimalisir risiko kerugi-an. Berdasarkan pola pergerakan harga yang berfluktuasi sangat tinggi yang berbeda tiap periodenya maka dilakukanlah pemodelan harga cryptocurrency mengguna-kan Markov Switching Autoregressive (MSAR) dengan algoritma Expectation Maximization. Selain meminimkan risiko kerugian, penelitian ini juga ingin mengetahui model MSAR mana yang mampu mengklasifikasikan state dengan baik. Data yang digunakan yaitu harga harian cryptocurrency dengan nilai kapitalisasi pasar terbesar dari September 2015 hingga Januari 2020. Hasil penelitian menunjukkan bahwa bitcoin dan ripple menggunakan model MS(8)AR(1), sedangkan ethereum menggunakan model MS(9)AR(1). Selain itu model MS(8)AR(1) pada data ripple menjadi model dengan nilai akurasi tertinggi dibandingkan model lainnya dalam hal klasifikasi state.
Generalized Additive Logistic Pada Pemodelan Faktor-Faktor Yang Mempengaruhi Keuntungan PT. PDC Kartika Fithriasari; Soehardjoepri Soehardjoepri; Nur Iriawan
Inferensi Vol 1, No 1 (2018): Inferensi
Publisher : Department of Statistics ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (293.023 KB) | DOI: 10.12962/j27213862.v1i1.6720

Abstract

Generalized Additive Models (GAM) merupakan kombinasi dari model additive dan generalized linear models (GLMs). GAM dengan variabel respon bertipe biner disebut model generalized additive logistic. Perbedaan hasil  model regresi logistik pada GLMs dan GAM didapatkan pada pemodelan faktor-faktor yang mempengaruhi keuntungan PT.PDC. Dari studi kasus PT.PDC. terlihat bahwa GLMs hanya menangkap hubungan linier antara log-odds dan variabel prediktor, sedangkan GAM dapat menangkap hubungan kuadratik yang digambarkan dalam grafik prediksi parsial.  Sehingga dapat disimpulkan bahwa GAM mampu memodelkan hubungan yang lebih kompleks dibanding GLMs.
Co-Authors Achmad Nuruddin Syaifulloh Adam Fahmi Fandisyah Adatul Mukarromah Agus Suharsono Ahyudanari, Ervina Akhmad Ridho Ashariansyah Almuhayar, Mawanda Ani Budi Astuti Ani Budi Astuti Anindya Apriliyanti Pravitasari Ari Purwanto Sarwo Prasojo Bani Unggul, Didik Brodjol Sutija Suprih Ulama Dwi Atmono AW Edijatno Edijatno Eko Fajariyanto Entin Hidayah Ferriastuti, Widiana Fithriasari, Kartika Hady Suryono Heri Kuswanto I Nyoman Latra Indira Swa Buana Irhamah Irhamah - Irwan Susanto Jupita Sari Ika Hanugraheni Mahendrawathi Mahendrawathi Mohammad Naufal Abdullah Muhammad Fajar Nadjadji Anwar Ni Luh Putu Ika Candrawengi Nitivijaya, Maulidiah Oktaviana, Pratnya Paramitha Pratnya Paramitha O Pratnya Paramitha Oktaviana Probo Prasetya, Andyk Purhadi Purhadi Rina Wahyuningsih, Rina Rinda Nariswari Santi Wulan Purnami Setiawan Sinta Septi Pangastuti Soehardjoepri Soehardjoepri Suci Astutik Suhartono Suhartono Sulhan Sulhan Susi Tri Wahyuni Taufik Azmi Tiza Ayu Virania Ulfa Siti Nuraini Viera Wardhani Wahyuni Suryaningtyas, Wahyuni Wijaya, Elizabeth Meiliana Wirajaya Kusuma Wiwiek Setya Winahju Wiyli Yustanti Zainiyah Hilda Paramita