Claim Missing Document
Check
Articles

Found 26 Documents
Search

Workshop Analisis Regresi Logistik untuk Penelitian di bidang Ilmu Sosial dan Pendidikan Dhoriva Urwatul Wutsqa; Kismiantini Kismiantini; Rosita Kusumawati; Syarifah Inayati; Sahid Sahid; Ezra Putranda Setiawan
Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Vol 4, No 2 (2020): Vol 4, no 2 (2020)
Publisher : Yogyakarta State University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jpmmp.v4i2.59733

Abstract

Penelitian-penelitian di bidang ilmu sosial dan pendidikan seringkali melibatkan variabel-variabel respon dengan tipe kategorik, yang memerlukan analisis menggunakan regresi logistik. Dibandingkan regresi linear, model regresi logistik lebih kompleks dalam hal pengolahan maupun interpretasinya. Oleh karena itulah, dilakukan kegiatan Pengabdian kepada Masyarakat dalam bentuk workshop analisis regresi logistik untuk penelitian di bidang ilmu sosial dan pendidikan. Kegiatan ini diikuti oleh praktisi lulusan S1 dan mahasiswa berbagai program studi pascasarjana di Indonesia. Workshop dilaksanakan secara daring selama dua hari dengan metode pemberian materi dan demo program R secara langsung. Pelatihan ini diawali dengan visualisasi data kategorik lalu dilanjutkan materi regresi logistik biner dengan prediktor kontinu pada hari pertama. Pada hari kedua, materi yang disampaikan adalah regresi logistik biner dengan prediktor kategorik dan regresi logistik dengan prediktor kategorik dan kontinu. Data yang digunakan sebagai contoh adalah data dalam penelitian ilmu sosial dan pendidikan. Berdasarkan hasil angket, pengamatan dan tanya jawab dengan peserta pelatihan, tampak bahwa peserta bersemangat mengikuti kegiatan pelatihan ini. Peserta dapat menggunakan perintah-perintah analisis regresi logistik untuk data penelitian ilmu sosial dan pendidikan serta dapat memberikan interpretasi dari output program R secara tepat.
Hybrid Autoregressive Integrated Moving Average-Support Vector Regression for Stock Price Forecasting Hanan Albarr; Rosita Kusumawati
Jurnal Matematika Sains dan Teknologi Vol. 24 No. 2 (2023)
Publisher : LPPM Universitas Terbuka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33830/jmst.v24i2.4983.2023

Abstract

Stock investment provides high-profit opportunities but also has a high risk of loss. Investors use various decision-making methods to minimize this risk, such as stock price forecasting. This research aims to predict daily closing stock prices using a hybrid Autoregressive Integrated Moving Average (ARIMA)-Support Vector Regression (SVR) model and compare it with the single model of ARIMA and SVR, as well as compiling the R-shiny web for the hybrid ARIMA-SVR model which makes it easier for investors to use the model to support investment decision making. The hybrid ARIMA-SVR model is composed of two components: the linear component from the results of stock price forecasting using the Autoregressive Integrated Moving Average (ARIMA) model and the nonlinear components from the residual forecasting results of the ARIMA model using the Support Vector Regression (SVR) model. The data used was closing stock price data from April 1, 2019, to April 1, 2021, from PT Unilever Indonesia Tbk (UNVR.JK), PT Perusahaan Gas Negara Tbk (PGAS.JK), and PT Telekomunikasi Indonesia Tbk (TLKM.JK), from the Yahoo Finance website. The research results conclude that the hybrid ARIMA-SVR model has excellent capabilities in forecasting stock prices with the MAPE values ​​for UNVR, PGAS, and TLKM stocks, respectively of 0.797%, 2.213%, and 0.993%, which are lower than the MAPE values of ARIMA-GARCH and SVR models. The hybrid model can be an alternative model with excellent capabilities in forecasting stock prices.
Mapping Indonesia's Covid-19 Death Case with Comorbidities Using Correspondence Analysis Melinda Putri Utami; Rosita Kusumawati
Jurnal Matematika Sains dan Teknologi Vol. 24 No. 2 (2023)
Publisher : LPPM Universitas Terbuka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33830/jmst.v24i2.5142.2023

Abstract

This research aims to map and identify COVID-19 deaths with comorbidities in Indonesia using correspondence analysis. The data collection technique involved the analysis of 6231 samples of COVID-19 death cases with comorbidities in Indonesia from the official website of the COVID‑19 Response Acceleration Task Force. The variables used were the number of COVID-19 deaths with comorbid hypertension, diabetes mellitus, cardiovascular disease, chronic obstructive pulmonary disease, kidney disease, immune disorders, liver disease, cancer, asthma, pregnancy, tuberculosis, and other respiratory disorders. The findings from this study divide four groups of provinces with characteristics: Group One with the characteristics of COVID-19 death cases with comorbid hypertension, diabetes mellitus, heart disease, kidney disease, lung disease, immune disorders, and cancer; Group Two with the characteristics of COVID-19 death cases with comorbid pregnancy, liver disease, and tuberculosis; Group Three with the characteristics of COVID-19 death cases with comorbid asthma; and Group Four with the characteristics of COVID-19 death cases with other comorbid respiratory disorders.
APLIKASI MODEL SUKU BUNGA STOKASTIK BLACK-DERMAN-TOY DENGAN FORWARD INDUCTION DALAM PENGHITUNGAN ANUITAS Chandra Nugroho Erlangga; Rosita Kusumawati
Jurnal Kajian dan Terapan Matematika Vol 5, No 5 (2016): Jurnal Matematika
Publisher : Jurnal Kajian dan Terapan Matematika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penghitungan  nilai  anuitas  sering  dilakukan  dengan  suku  bunga  konstan  (deterministik),  padakenyataannya  suku bunga berubah-ubah sesuai dengan waktu (stokastik). Penelitian ini bertujuan untuk menerapkan model suku bunga stokastik dalam penghitungan anuitas. Model suku bunga stokastik yang digunakan adalah model Black-Derman-Toy yang diselesaikan dengan metode  forward-induction  untuk memodelkan kemungkinan-kemungkinan suku bunga sesaat. Data yang digunakan adalah data imbal hasil harian obligasi tanpa kupon United States Treasury Zero Coupon Yield Rate  tahun 2010.  Suku bunga sesaat yang diperoleh digunakan untuk menghitung nilai sekarang dan nilai masa depan anuitas. Nilai sekarang dan nilai masa depan tersebut dibandingkan dengan nilai sekarang dan nilai masa depan  yang dihitung menggunakan suku bunga aktual untuk tahun 2010-2014 dan menghasilkan nilai MAPE dan MSE sebesar 1,2147%  dan  0,004358  untuk  nilai  sekarang  anuitas  serta  MAPE  sebesar  1,3655%  dan  MSE  sebesar 0,007974 untuk nilai masa depan anuitas.Kata kunci: Black-Derman-Toy, suku bunga stokastik, anuitas, forward-induction
FUZZY FEED FORWARD NEURAL NETWORK UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN ALGORITMA GENETIKA MENGGUNAKAN VARIASI SELEKSI Bhiwararasrtri Galuh Ar Rizka; Rosita Kusumawati
Jurnal Kajian dan Terapan Matematika Vol 6, No 3 (2017): Jurnal Matematika
Publisher : Jurnal Kajian dan Terapan Matematika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Fuzzy Feed Forward Neural Nework (Fuzzy FFNN) merupakan model FFNN dengan input-output berupa himpunan fuzzy. Tujuan dari penelitian ini adalah menjelaskan prosedur pembentukan Fuzzy FFNN dengan algoritma backpropagation yang kemudian dilanjutkan dengan algoritma genetika menggunakan variasi seleksi Roullete Wheel dan Rank-based untuk meramalkan Indeks Harga Saham Gabungan (IHSG). Prosedur pembentukan model tersebut antara lain penentuan input, pembagian data training dan testing, fuzzifikasi, pembentukan model FFNN, optimasi bobot model FFNN dengan algoritma genetika, peramalan, dan defuzzifikasi.Model Fuzzy FFNN dengan algoritma genetika diterapkan pada data IHSG bulan Januari 2007-Juli 2016 dengan variabel input nilai IHSG, Indeks Dow Jones, Indeks Hang Seng, Tingkat Bunga, Tingkat Inflasi, dan Nilai Tukar Rupiah terhadap USD. Hasil MAPE training yang diperoleh dalam penelitian ini secara berturut-turut untuk Fuzzy FFNN, Fuzzy FFNN menggunakan algoritma genetika seleksi Roulette Wheel, dan Fuzzy FFNN menggunakan algoritma genetika seleksi Rank-based yaitu 8,6605%, 7,8736%, dan 7,7220%. Sedangkan untuk MAPE testing sebesar 5,4216%, 4,9087%, dan 4,9139%.Kata kunci: Fuzzy Feed Forward Neural Network, Algoritma Genetika, Peramalan
OPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA Geri Wiliansa; Rosita Kusumawati
Jurnal Kajian dan Terapan Matematika Vol 6, No 3 (2017): Jurnal Matematika
Publisher : Jurnal Kajian dan Terapan Matematika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tujuan penelitian ini adalah memprediksi kurs IDR/USD dengan model Fuzzy Backpropagation Neural Network (FBPNN) yang dioptimasi dengan Algoritma Genetika. Variabel input yang digunakan adalah data kurs IDR/USD, inflasi, jumlah uang beredar, dan suku bunga Indonesia. Semua data diperoleh dari http://www.bi.go.id pada periode Januari 2006 hingga Juli 2016. Pemodelan FBPNN terdiri dari penentuan input dengan melihat autokorelasi yang signifikan pada plot ACF sehingga terpilih 33 variabel input, data input dibagi menjadi 2 dengan komposisi 75% data training dan 25% data testing, fuzzifikasi dengan menggunakan fungsi keanggotaan kurva S pertumbuhan, estimasi model terbaik dengan fungsi aktivasi sigmoid biner (logsig) pada lapisan tersembunyi dan lapisan output sehingga terpilih model dengan 4 variabel input, 14 neuron pada lapisan tersembunyi, dan 1 output, selanjutnya defuzifikasi. Prosedur optimasi FBPNN dengan Algoritma Genetika adalah pembentukan populasi awal yang berupa bobot dari hasil pemodelan FBPNN dan bilangan acak, menghitung nilai fitness masing-masing individu, individu dengan nilai fitness terbaik disimpan, menyeleksi individu dengan teknik seleksi ranking, pindah silang dengan teknik pindah silang aritmatika, mutasi dengan teknik random mutation, pembentukan populasi baru. Optimasi FBPNN dengan Algoritma Genetika memberikan nilai MAPE yang lebih kecil dibanding FBPNN tanpa Algoritma Genetika. Prediksi kurs IDR/USD untuk bulan Agustus 2016 hingga Januari 2017 secara berurutan adalah sebesar Rp14.280, Rp14.388, Rp14.431, Rp14.457, Rp14.460, dan Rp14.497 dengan MAPE sebesar 8,04%.Kata kunci: FBPNN, Algoritma Genetika, prediksi
Analisis Kesulitan Siswa SMP dalam Menyelesaikan Masalah Matematika Ditinjau Dari Gaya Kognitif Reflektif dan Impulsif Kusumawati, Rosita; Sudargo, Sudargo; Nizaruddin, Nizaruddin
Imajiner: Jurnal Matematika dan Pendidikan Matematika Vol 6, No 1 (2024): Imajiner: Jurnal Matematika dan Pendidikan Matematika
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/imajiner.v6i1.16856

Abstract

Penelitian ini bertujuan untuk mengetahui analisis kesulitan siswa dalam menyelesaikan masalah matematika ditinjau dari gaya kognitif reflektif dan impulsif siswa SMP. Penelitian ini merupakan penelitian deskriptif kualitatif. Subjek penelitian dipilih berdasarkan tes gaya kognitif (MFFT) yaitu 1 siswa dengan Reflektif, dan 1 siswa dengan Impulsif. Dalam penelitian yaitu tes gaya kognitif (MFFT), tes pemecahan masalah, dan pedoman wawancara. Keabsahan data menggunakan triangulasi teknik yaitu membandingkan hasil informasi yang diperoleh melalui sumber yang berbeda. Hasil yang diperoleh menunjukkan siswa dengan gaya kognitif reflektif  mampu menerapkan prosedur yang sesuai dengan benar dan cenderung tidak mengalami kesulitan dalam memahami masalah, menerjemahkan masalah, dan menentukan stategi untuk menjawab suatu masalah. Sedangkan siswa dengan gaya kognitif impulsif tidak mampu menerapkan  prosedur yang sesuai dengan benar dan memiliki kesulitan dalam memahami masalah, mengalami kesulitan dalam menerjemahkan masalah, mengalami kesulitan dalam menentukan strategi.Kata Kunci : Analisis, Kesulitan, Pemecahan Masalah Matematika, GayaKognitif Reflektif dan Implusif.  
PENERAPAN MODEL-BASED CLUSTERING PADA PENGELOMPOKAN SAHAM BERDASARKAN RASIO KEUANGAN Hasnida, Irena Sekar Dwi; Kusumawati, Rosita
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 1 (2023): Journal of Statistical Application and Computational Statistics
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v15i1.510

Abstract

Untuk meminimalkan kerugian dengan tingkat keuntungan tertentu, investor perlu memilih saham potensial agar keuntungan yang diperoleh optimal. Penelitian ini bertujuan untuk mengetahui penerapan Model-Based Clustering (MBC) dalam mengelompokkan perusahaan berdasarkan kinerja keuangan saham. Indikator keuangan yang digunakan yaitu data rasio likuiditas, profitabilitas, dan solvabilitas tahun 2020 untuk perusahaan yang terdaftar pada indeks LQ45. Dari proses clustering, terbentuk 6 cluster dengan nilai BIC -709,3757 dan model optimal terpilih VEV. Berdasarkan nilai rata-rata setiap rasio, cluster 6 merupakan cluster terbaik karena memiliki mayoritas rasio likuiditas dan profabilitas terbaik serta rasio solvabilitas terrendah. Cluster 6 memiliki kemampuan yang tinggi dibandingkan perusahaan cluster lain untuk membiayai kegiatan operasional perusahaan dan memenuhi kewajiban keuangannya jangka pendek.
EVALUASI DISTRIBUSI GABUNGAN MENGGUNAKANALGORITMA KONVOLUSI DAN REKURSI PANJER Kusumawati, Rosita
PYTHAGORAS Jurnal Pendidikan Matematika Vol 7, No 1: Juni 2012
Publisher : Department of Mathematics Education, Faculty of Mathematics and Natural Sciences, UNY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (155.059 KB) | DOI: 10.21831/pg.v7i1.2834

Abstract

Evaluasi distribusi gabungan merupakan bagian penting dalam matematika asuransi dan manajemenresiko. Perbandingan evaluasi distribusi gabungan menggunakan algoritma Konvolusi dan rekursi Panjerakan dikaji dalam tulisan ini.Keywords: distribusi gabungan, konvolusi, rekursi panjer
Analisis Pertumbuhan Ekonomi di Jawa Tengah dengan Geographically Weighted Regression Model dengan Pembobot Kernel Gaussian Naibaho, Reynaldi Komtua; Kusumawati, Rosita
Jurnal Statistika dan Sains Data Vol 1, No 1 (2023): Jurnal Statistika dan Sains Data
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan ekonomi suatu daerah dapat dipengaruhi oleh berbagai faktor-faktor seperti tingkat pendidikan, infrastruktrur pendukung, tingkat kesehatan. Faktor-faktor yang mempengaruhi pertumbuhan ekonomi suatu daerah dapat berbeda dengan daerah lain. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi pertumbuhan ekonomi suatu daerah dan apakah faktor geografis juga mempengaruhi pertumbuhan ekonomi suatu daerah dengan menggunakan model Geographically Weighted Regression (GWR). Model GWR merupakan pengembangan dari model regresi berganda yang ketika asumsi heterogenitas tidak terpenuhi pada model regresi berganda maka dilakukan pembobotan dengan metode Weighted Least Regression (WLS). Pada penelitian ini pembobot yang digunakan adalah lokasi geografis dengan fungsi pembobot fixed kernel gaussian dan adaptive kernel gaussian. Diperoleh model GWR terbaik adalah model GWR dengan fungsi pembobot adaptive kernel gaussian yang ditunjukkan dengan nilai JKG =1,014040e+16,AIC =1270,36, ????2=0,56 dan nilai p sebesar 0,443. Model GWR ini menghasilkan 35 model lokal. Model lokal yang diperoleh dapat dikelompokkan menjadi 5 kelompok berdasarkan variabel-variabel independen yang berpengaruh secara signifikan terhadap variabel dependen