Article Per Year (5 Year)
p-Index From 2021 - 2026
2.994
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Saintek Pythagoras: Jurnal Matematika dan Pendidikan Matematika Jurnal Sains Dasar AdMathEdu : Jurnal Ilmiah Pendidikan Matematika, Ilmu Matematika dan Matematika Terapan Jurnal Matematika Sains dan Teknologi Indonesian Journal of Applied Statistics BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Jambura Journal of Informatics Jurnal Aplikasi Statistika & Komputasi Statistik Imajiner: Jurnal Matematika dan Pendidikan Matematika Jurnal Statistika dan Sains Data Jurnal Kajian dan Terapan Matematika
Rosita Kusumawati
Universitas Negeri Yogyakarta
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Physics Transportation Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
Analisis Biplot komponen utama untuk pemetaan daya saing global negara anggota APEC Harmantyas, Vinny Fadyoga; Kusumawati, Rosita
Jurnal Statistika dan Sains Data Vol 1, No 2 (2024): Jurnal Statistika dan Sains Data
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jssd.v1i2.19678

Abstract

Indeks daya saing global negara anggota APEC terdiri dari 12 pilar dengan skala skor 1-100. Untuk mengoptimalkan potensi integrasi ekonomi di kawasan Asia Pasifik, pemetaan karakteristik negara anggota APEC berdasarkan 12 pilar pembentuk indeks daya saing global dapat dilakukan dengan metode analisis biplot komponen utama. Penelitian ini dapat memberikan informasi tentang gambaran pemetaan dan perkembangan karakteristik berdasarkan indeks daya saing global negara anggota APEC tahun 2018-2019 dengan tahapan analisis yaitu menyusun matriks data, standarisasi matriks, menghitung koefisien matriks korelasi, pengujian statistik KMO dan uji Bartlett, menghitung nilai eigen dan vektor eigen, menghitung bobot komponen utama, menghitung skor komponen utama, menguraikan matriks dengan metode SVD, membentuk grafik biplot, menghitung nilai keragaman biplot, membentuk kelompok, dan interpretasi hasil pemetaan biplot komponen utama. Hasil penelitian menunjukkaan bahwa terbentuk 2 kelompok negara. Pada kelompok 1, variabel dengan nilai karakteristik tertinggi yaitu pilar stabilitas makroekonomi dan variabel dengan nilai karakteristik terendah yaitu pilar pasar barang dan jasa. Sedangkan pada kelompok 2, variabel dengan nilai karakteristik tertinggi yaitu pilar stabilitas makroekonomi dan variabel dengan nilai karakteristik terendah yaitu pilar kemampuan inovasi. Pada tahun 2019 tidak terjadi perubahan peta karakteristik sehingga peta karakteristik sama dengan tahun 2018. Namun, untuk persentase keragaman mengalami penurunan yaitu 77,6% pada tahun 2018 dan 76,7% pada tahun 2019.
PERBANDINGAN FUZZY TIME SERIES MARKOV CHAIN DAN CHENG UNTUK MERAMALKAN HARGA SAHAM Ramadhan, Mochamad Firman; Kusumawati, Rosita
Jurnal Kajian dan Terapan Matematika Vol 10, No 2 (2024): Jurnal Kajian dan Terapan Matematika (Juli)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i2.19849

Abstract

AbstrakSeorang investor saham harus bisa memprediksi pergerakan harga saham. Menurut Ilafi et al. (2020), seorang pemilik saham harus bisa membuat keputusan kapan waktu yang tepat untuk menjual atau mempertahankan saham. Hal itu merupakan suatu kewajiban bagi pemilik saham atau investor karena apabila investor salah dalam mengambil keputusan, maka investor akan mengalami kerugian. Dari permasalahan tersebut maka para investor memerlukan suatu metode prediksi guna memprediksi arah pergerakan saham yang akurat pada kurun waktu kedepan. Penelitian ini bertujuan untuk membandingkan metode metode Fuzzy Time Series Markov Chain dan Fuzzy Time Series Cheng untuk meramalkan harga saham dalam hal ini adalah saham PT. Bank Central Asia Tbk. Data yang digunakan pada penelitian ini adalah data mingguan harga pembukaan saham PT. Bank Central Asia Tbk yang bersumber dari https://finance.yahoo.com/dalam periode waktu 3 Januari 2023-29 Mei 2023. Hasil dari penelitian ini menunjukkan bahwa metode fuzzy time series Markov Chain meramalkan harga saham dengan lebih baik dibandingkan metode fuzzy time series Cheng yang disimpulkan dari nilai MAPE (Mean Absolute Percentage Error) dan MSE (Mean Square Error) berturut-turut yaitu  dan . Sedangkan, metode fuzzy time series Cheng mendapatkan tingkat error dengan nilai MAPE dan MSE secara berturut-turut yaitu  dan .Kata kunci: saham, PT. Bank Central Asia Tbk,  fuzzy time series, Markov Chain, Cheng. 
Analisis Sentimen Komentar YouTube terhadap Pemindahan Ibu Kota Negara Menggunakan Metode Naïve Bayes Huwaida, Shafira Faira; Kusumawati, Rosita; Isnaini, Bayutama
Jambura Journal of Informatics VOL 6, N0 1: APRIL 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v6i1.24718

Abstract

Pemindahan Ibu Kota Indonesia berupa pembangunan IKN Nusantara di Kabupaten Penajam Paser Utara, Kalimantan Timur dimulai pada pertengahan Maret 2022 dengan target pemindahan bertahap mulai tahun 2024 hingga 2045. Hal tersebut mengundang berbagai reaksi dari masyarakat hingga meramaikan media sosial termasuk YouTube. Penelitian ini menggunakan  algoritma  naïve bayes dengan dan tanpa teknik SMOTE untuk mengetahui sentimen pengguna YouTube tentang pemindahan ibu kota negara. Data yang digunakan berupa komentar dari video yang ada di YouTube. Terpilih tiga video teratas berdasarkan kriteria relevansi dengan keyword dan jumlah komentar. Tahapan pre-processing data meliputi drop duplicates, case folding, tokenizing, cleaning, stemming, convert slangword, removal stopword, dan drop missing value. Pelabelan data teks terbagi menjadi 3 kelas sentimen yaitu Positif, Netral, dan Negatif menggunakan bantuan kamus vader lexicon. Pembagian data train dan test dilakukan mengggunakan tiga perbandingan, yaitu 70%:30%, 80%:20%, dan 90%:10%. Hasil penelitian menunjukkan bahwa performa terbaik diperoleh dari penerapan SMOTE naive bayes pada perbandingan data train 90% dengan data test 10%. Model SMOTE naïve bayes mampu memberikan nilai balanced accuracy 76,01%, AUC Score 0,8711, dan G-mean 0,8089.
Workshop on Visual Data Analysis with R Program Wutsqa, Dhoriva Urwatul; Kismiantini, Kismiantini; Kusumawati, Rosita; Subekti, Retno; Setiawan, Ezra Putranda; Isnaini, Bayutama; Brilliant, Indira Ihnu
Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Vol. 8 No. 2 (2024): Vol 8, No 2 (2024)
Publisher : Yogyakarta State University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jpmmp.v8i2.71583

Abstract

Statistics data analysis generally focuses more on mathematical procedures than visual. Visual analysis is very useful for research and this is still very limited to study at Universitas Mercu Buana Yogyakarta, so the UNY Statistics lecturer's service activity is holding visual data analysis workshop with the R program, where this program is open source and is complete for visual analysis. The material for this activity is about procedures and uses for visual data analysis, introduction to the R program, data management with the R program, visual data analysis for group descriptions and comparisons, and visual data analysis for relationships between variables. Evaluation of participants' ability to understand the material is measured through 14 questions with four Likert Scale responses. Based on 40 questionnaires, 27,86% answered "Strongly Agree", 71,96% "Agree", and 0,18% "Disagree" regarding understanding and applying visual data analysis techniques with the R program. Therefore, it can be concluded that the majority of participants could understand the workshop material and follow the training well.
Analisis tingkat kemsikinan Provinsi Jawa Tengah dengan Geographically Weighted Regression Anwar, Mukhamad Syaiful; Kusumawati, Rosita
Jurnal Statistika dan Sains Data Vol 2, No 1 (2024): Jurnal Statistika dan Sains Data
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jssd.v2i1.20194

Abstract

Kemiskinan merupakan permasalahan hampir semua negara di dunia, terutama di negara berkembang, menurut bank dunia salah satu sebab kemiskinan adalah karena kurangnya pendapatan dan asset untuk memenuhi kebutuhan dasar seperti makanan, pakaian dan perumahan. Faktor yang mempengaruhi kemiskinan disuatu daerah dapat berbeda antara daerah satu dengan daerah lain. Penelitian ini bertujuan untuk melihat faktor-faktor apa saja yang mempengaruhi tingkat kemiskinan di suatu kabupaten/kota di Jawa Tengah menggunakan metode geographically weighted regression (GWR). Data yang digunakan dalam penelitian ini adalah data sekunder yang diambil dari website BPS Provinsi Jawa Tengah tahun 2020. Hasil dari penelitian ini adalah model terbaik untuk memodelkan tingkat kemiskinan di Provinsi Jawa Tengah tahun 2020 adalah model GWR dengan fungsi pembobot adaptive gaussian kernel, menghasilkan nilai JKG , AIC , dan 06 dan nilai  sebesar . Model GWR ini menghasilkan 35 model lokal. Model lokal yang diperoleh dapat dikelompokkan menjadi 3 kelompok berdasarkan variabel-variabel independen yang berpengaruh secara signifikan terhadap variabel dependen.  Kelompok pertama merupakan kelompok yang dipengaruhi oleh indek keparahan kemiskinan, pengeluaran perkapita, dan morbiditas. Kelompok pertama ini terdiri dari Kabupaten Cilacap, Banyumas, Purbalingga, Banjarnegara, Kebumen, Purworejo,  Wonosobo, Magelang, Wonogiri, Jepara, Temanggung, Kendal, Batang, Pekalongan, Pemalang, Tegal, Brebes, Kota Magelang, Kota Surakarta, Kota Pekalongan, Kota Tegal. Kelompok kedua dipengaruhi oleh indek keparahan kemiskinan. Kelompok kedua ini terdiri dari Kabupaten Sragen, Grobogan, Blora. Kelompok ketiga dipengaruhi oleh indek keparahan kemiskinan dan morbiditas. Kelompok ketiga ini terdiri dari Kota Salatiga, Kota Semarang, Kabupaten Demak, Semarang, Rembang, Pati, Kudus, Boyolali, Klaten, Sukoharjo, Karanganyar.
AN ORDINAL LOGISTIC REGRESSION MODEL FOR ANALYZING RISK ZONE STATUS OF COVID-19 SPREAD Dewi, Tessya Mutiara; Kusumawati, Rosita
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 16 No 3 (2022): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (487.591 KB) | DOI: 10.30598/barekengvol16iss3pp853-860

Abstract

Coronavirus disease 2019 (COVID-19) is a new type of virus that has been found to have infected human since it first appeared in Wuhan, China, in December 2019. This study aims to determine the factors that influence the risk zone status of COVID-19 spread in Indonesia using ordinal logistic regression. The ordinal logistic regression model in this study uses proportional odds model because the researcher assumes probability of predictor variable coefficients is the same for each respond category. The response variable is secondary data from the COVID-19 Handling Task Force, namely the status of the risk zone for the spread of COVID-19 who has 4 categorical levels, namely high, medium, low, and no cases. Predictor variables are elderly population, COVID-19 referral hospital, diabetes mellitus, hypertension, hand washing behavior, male population, and smoking habits. Based on results of the analysis, variables that significantly affect the risk zone status of COVID-19 spread in Indonesia are elderly population and diabetes mellitus. The Odds proportional figure shows that the higher percentage of the elderly population, the higher chance of an area with high-risk zone status (OR=1.171). The higher percentage of comorbidities diabetes mellitus, the higher chance of an area with high-risk zone status (OR=1.569).
Estimasi parameter distribusi Mixture Normal dengan algoritma MCMC untuk optimasi portofolio Qurbani, Ayuning Maretania; Kusumawati, Rosita
Jurnal Statistika dan Sains Data Vol 3, No 1 (2025): Jurnal Statistika dan Sains Data
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jssd.v3i1.19536

Abstract

Pembentukan portofolio optimal dengan diversifikasi saham dapat dilakukan menggunakan metode Mean Variance dengan tujuan memaksimumkan meminimumkan tingkat risiko suatu portofolio dan membutuhkan estimasi return dengan asumsi berdistribusi normal. Asumsi distribusi normal tidak selalu terpenuhi dalam data estimasi return saham yang sebenarnya, sehingga dibutuhkan pembentukan model mixture normal. Pada penelitian ini digunakan algotima MCMC untuk mengestimasi parameter distribusi mixture normal. Data yang digunakan yaitu data saham Bisnis-27 periode 1 Januari 2020 s.d. 31 Desember 2022 yang akan dipilih beberapa melalui klasterisasi K-means. Langkah-langkah yang dilakukan dalam penelitian ini yaitu pertama klasterisasi menggunakan data rasio keuangan saham, kedua estimasi parameter dengan algoritma MCMC Metropolis Hasting, ketiga pembentukan portofolio optimal melalui mean-variance, keempat pengukuran kinerja portofolio melalui backtesting. Penelitian ini menghasilkan portofolio yang disusun dari 4 saham dari langkah klasterisasi yaitu saham dengan jarak terdekat terhadap pusat klaster. Hasil dari pembentukan portofolio optimal berdasarkan estimasi parameter distribusi mixture normal dengan algortima MH dan perhitungan bobot melalui metode MV yaitu portofolio yang terdiri dari 23.12% saham Charoen Pokphand Indonesia, 21.27% saham Kalbe Farma, 25.93% saham Tower Bersama Infrastructure, dan 29.68% perusahaan Sumber Alfaria Trijaya. Portofolio optimal tersebut memiliki kinerja yang baik berdasarkan hasil penerapan metode backtesting dalam 4 jenis pengukuran.
Analisis Pertumbuhan Ekonomi Provinsi Jawa Timur Beserta Faktor-Faktornya Menggunakan Model Robust Geographically Weighted Regression-Pendugaan M Halimah Nur Mushaharah; Rosita Kusumawati; Bayutama Isnaini
Indonesian Journal of Applied Statistics Vol 7, No 2 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.13057/ijas.v7i2.90381

Abstract

Economic growth is a successfull benchmark of nation-building and plays a role in a nation’ welfare. Economic growth in districts/cities measured by gross regional domestic product at constant prices (GRDP constant prices). East Java is the second province after DKI Jakarta as the biggest contributor to the Indonesian economy in 2022 with  economic growth rate values calculated by GRDP constant prices. However, East Java’s economic growth has gaps. As 23 of 38 districts/cities in East Java have economic growth values lower than national economic growth. Glaring gaps could be identified as an outlier and it could happen by many factors. This study aims to model economic growth and its factors with a robust analysis model against an outlier called robust geographically weighted regression-M estimation (RGWR-M). This study used secondary data from BPS Provinsi Jawa Timur and KEMENKEU’s SIKD data portal namely HDI, public health center, population density, economic activity, capital expenditure, and GRDP constant prices in East Java Province in 2022. The result showed that RGWR-M is the best model when an outlier is detected compared to OLS and GWR in analyzing factors that are suspected to affect economic growth in East Java Province in 2022 with  MAD’s values. RGWR-M model produces six mapping groups of significantly influential variables and one group of uninfluential variables. The groups formed to have different parameter estimation results in each district/cities.Keywords: GRDP constant prices; outlier; RGWR-M.
Co-Authors Ade Latif Anita Nur Vitriana Anwar, Mukhamad Syaiful Bayutama Isnaini Bayutama Isnaini Bayutama Isnaini Bhiwararasrtri Galuh Ar Rizka Brilliant, Indira Ihnu Chandra Nugroho Erlangga Dewi, Tessya Mutiara Dhoriva Urwatul Wustqa Dhoriva Urwatul Wutsqa Endang Listyani Ervin Indarwati Ezra Putranda Setiawan Geri Wiliansa Halimah Nur Mushaharah Hanan Albarr Harmantyas, Vinny Fadyoga Hasnida, Irena Sekar Dwi Huwaida, Shafira Faira Inayati, Syarifah Isnaini, Bayutama Kismiantini Kismiantini Mathilda Susanti Melinda Putri Utami Muhammad Fauzan Muhammad Fauzan Naibaho, Reynaldi Komtua Neswin Indara Widiarsi Nikenasih Binatari Nizaruddin Nizaruddin Qurbani, Ayuning Maretania Rahmat Fatoni Ramadhan, Mochamad Firman Retno Subekti Sahid Sahid Sahid Sahid Sudargo Vitriana, Anita Nur Widiarsi, Neswin Indara