Article Per Year (5 Year)
p-Index From 2020 - 2025
1.182
P-Index
This Author published in this journals
All Journal Jurnal Matematika dan Statistika serta Aplikasinya (Jurnal MSA) JTAM (Jurnal Teori dan Aplikasi Matematika) Jurnal Pengabdian Kepada Masyarakat (Mediteg) Enthusiastic : International Journal of Applied Statistics and Data Science Journal of Mathematics: Theory and Applications Journal of Data Science Theory and Application
Hayati MT, Ma’rufah
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Mathematics Medicine & Pharmacology Social Sciences

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Analisis Jumlah Penerimaan Pajak Bumi dan Bangunan di Kecamatan Gunung Labuhan Way Kanan Reni Permata Sari; Ma’rufah Hayati MT
JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 3, No 1 (2019): April
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (906.277 KB) | DOI: 10.31764/jtam.v3i1.756

Abstract

Abstrak: Penelitian ini bertujuan untuk menganalisis data Penerimaan Pajak Bumi dan Bangunan di Kecamatan Gunung Labuhan yang terdiri dari 19 Desa atau Kelurahan Tahun 2012 dan 2013. Dengan melihat fluktasi atau naik turunnya jumlah penerimaan Pajak Bumi dan Bangunan di Kecamatan Gunung Labuhan Way Kanan.  Metode yang digunakan adalah dengan analisis statistika deskriptif menggunakan software Minitab 16.  Berdasarkan hasil penelitian diperoleh : Penerima Pajak Bumi dan Bangunan paling banyak tahun 2012 yaitu pada Kelurahan Banjar Ratu sebesar Rp12.800.448 dan paling sedikit pada Kelurahan Gunung Baru yaitu sebesar Rp2.360.961. Untuk  Penerima Pajak Bumi dan Bangunan paling banyak tahun 2013 yaitu pada Kelurahan Banjar Ratu sebesar Rp13.233.132 dan paling sedikit pada Kelurahan Gunung Baru yaitu sebesar Rp2.591.518. Nilai rata-rata Penerima Pajak Bumi dan Bangunan tahun 2012 yaitu Rp5.353.008 sedangkan tahun 2013 yaitu Rp5.717.279Abstract:  This study aims to analyze data on land and building tax receipts in Gunung Labuhan sub-district consisting of 19 villages in 2012 and 2013. By looking at fluctuations or the ups and downs in the amount of land and building tax revenues. The Method used is descriptive statistical analysis with Software Minitab 16. Based on the result of the study it can be concluded: The most revenue from land and building tax in 2012 is in the Banjar Ratu sub-district of IDR12.800.448 and at least in the Kelurahan Gunung Baru, which is IDR2.360.961. The most acceptance of land and building tax in 2013 is in the Banjar Ratu sub-district of IDR13.233.132 and the least in the Gunung Baru sub-district is IDR2.591.518. The average land and building tax revenue in 2012 was IDR5.353.008 while in 2013 it was IDR5.717.279.
Pemodelan Jumlah Kasus HIV/AIDS di Provinsi Lampung Menggunakan Regresi Binomial Negatif Tri Fatmala, Cici; Hayati, Marufah; Permatasari, Reni; Hudori, Mahfuz; Yuliana Dalimunthe, Desy
Journal of Mathematics: Theory and Applications Vol 6 No 2 (2024)
Publisher : Program Studi Matematika Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jomta.v6i2.4069

Abstract

Tujuan penelitian ini adalah pemilihan metode terbaik untuk memodelkan jumlah kasus penderita HIV/AIDS di propinsi Lampung dengan membandingkan antara regresi Poisson dan Binomial negative. Data yang digunakan dalam penelitian ini diperoleh dari badan pusat statistik (BPS) provinsi Lampung dan Dinas Kesehatan Provinsi Lampung. Generalized Linier Model (GLM) adalah kerangka statistik yang memperluas model regresi linier sehingga memungkinkan variabel dependen memiliki distribusi yang tidak normal. GLM merupakan model yang sangat fleksibel, mencakup berbagai model regresi umum seperti regresi linier, regresi logistik, dan regresi poisson. Hasil analisis menunjukkan bahwa perbandingan antara model regresi Poisson dan model regresi Binomial Negatif diperoleh bahwa model regresi Binomial Negatif memiliki nilai AIC lebih kecil sehingga, model Binomial Negatif lebih baik digunakan dalam memodelkan jumlah kasus HIV/AIDS dibandingkan model regresi Poisson di provinsi Lampung
PERBANDINGAN METODE MOVING AVERAGE DAN EXPONENTIAL SMOOTHING UNTUK PERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLLAR (USD) Hayati, Ma’rufah; Febby Yuliana Sari; Rahmawati Azizah; Reni Permata Sari; Mahfuz Hudori
Journal of Data Science Theory and Application Vol. 4 No. 1 (2025): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/qpmrgg07

Abstract

Setiap negara memiliki mata uang yang berbeda, sehingga menimbulkan kesulitan dalam melakukan transaksi antarnegara. Oleh karena itu, diperlukan proses penukaran mata uang, yang dikenal sebagai nilai tukar, untuk mempermudah transaksi internasional. Kurs atau nilai tukar mata uang adalah elemen penting yang berperan dalam menjaga stabilitas ekonomi suatu negara. Penelitian ini bertujuan untuk meramalkan nilai tukar rupiah terhadap dolar Amerika Serikat (USD) menggunakan metode Moving Average dan Exponential Smoothing. Data sekunder yang digunakan merupakan data time series nilai tukar rupiah dari Januari 2021 hingga September 2024 yang diperoleh dari Kementerian Perdagangan Republik Indonesia. Analisis dilakukan dengan metode Moving Average 3 bulanan, Single Exponential Smoothing, dan Double Exponential Smoothing. Evaluasi akurasi peramalan dilakukan menggunakan dua indikator, yaitu Mean Absolute Deviation (MAD) dan Mean Squared Error (MSE). Hasil penelitian menunjukkan bahwa metode Moving Average 3 bulanan memberikan akurasi terbaik dengan nilai MAD sebesar 0.2549683 dan MSE sebesar 0.1151229. Dengan hasil ini, metode Moving Average 3 bulanan direkomendasikan sebagai alat peramalan yang efektif untuk memprediksi nilai tukar rupiah di masa mendatang. Hasil peramalan ini dapat digunakan sebagai dasar dalam pengambilan kebijakan ekonomi yang lebih tepat oleh pemerintah.
Sosialisasi dan Penerapan Prediksi Curah Hujan Tweedie-PCA untuk Mitigasi Bencana dan Pengelolaan Iklim di BMKG Lampung Hayati, Ma'rufah; Hudori, Mahfuz; Sari, Reni Permata
Jurnal Pengabdian Kepada Masyarakat (MEDITEG) Vol. 10 No. 1 (2025): Jurnal Pengabdian Kepada Masyarakat (MEDITEG)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Tanah Laut (Politala)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/mediteg.v10i1.362

Abstract

Global climate change and rising extreme weather events necessitate mitigation efforts using precise data. This community service program introduces a rainfall prediction model based on the Tweedie Mixture with PCA reduction at BMKG Lampung. The model addresses asymmetric rainfall data, which often contains many zero values, while optimizing predictor data through PCA-based dimension reduction. Conducted at BMKG’s Climatology Station in Lampung, the program engaged employees and technical staff through workshops, training, and prediction simulations. Participants learned the Tweedie Mixture and PCA theory, statistical software usage, and model applications for climate risk mitigation, such as planting schedules and water management. Evaluations show the Tweedie Mixture outperforms conventional methods in accuracy, enhancing BMKG’s climate analysis and weather forecasting.
ANALISIS DATA KEMISKINAN DI PROVINSI LAMPUNG 2023 MENGGUNAKAN MODEL REGRESI LINEAR BERGANDA Miftahul Irfan; Ma’rufah Hayati; Anggi Desnanti
Journal of Data Science Theory and Application Vol. 4 No. 2 (2025): JASTA
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/ez3fb180

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh faktor-faktor ekonomi dan sosial terhadap tingkat kemiskinan di Provinsi Lampung pada tahun 2023. Variabel independen yang dikaji meliputi Upah Minimum Provinsi (UMP), Indeks Pembangunan Manusia (IPM), Pertumbuhan Ekonomi, dan Tingkat Pengangguran Terbuka (TPT). Metode analisis yang digunakan adalah regresi linear berganda untuk mengidentifikasi dan mengukur pengaruh simultan variabel-variabel tersebut terhadap tingkat kemiskinan sebagai variabel dependen. Data yang digunakan merupakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Lampung dan instansi terkait. Hasil penelitian menunjukkan bahwa UMP, IPM, dan Pertumbuhan Ekonomi berpengaruh signifikan terhadap tingkat kemiskinan, sedangkan TPT tidak menunjukkan pengaruh yang signifikan. Temuan ini memberikan wawasan penting mengenai determinan kemiskinan di Provinsi Lampung dan dapat dijadikan dasar dalam perumusan kebijakan yang berorientasi pada peningkatan kesejahteraan masyarakat melalui perbaikan upah minimum, pengembangan kualitas sumber daya manusia, dan penguatan ekonomi daerah
Perbandingan Model Regresi Data Panel Untuk Analisis Umur Harapan Hidup Di Provinsi Lampung Tahun 2021-2023 Hayati, Marufah
Journal of Mathematics: Theory and Applications Vol 7 No 2 (2025): Volume 7, Nomor 2, 2025
Publisher : Program Studi Matematika Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jomta.v7i2.4870

Abstract

Umur Harapan Hidup adalah angka rata-rata tahun yang diharapkan bisa dijalani seseorang setelah mencapai usia tertentu. Umur Harapan Hidup digunakan sebagai indikator untuk mengevaluasi seberapa efektif pemerintah dalam meningkatkan kesejahteraan masyarakat secara keseluruhan, terutama dalam upaya meningkatkan kesehatan. Penelitian ini bertujuan untuk menentukan model regresi data panel terbaik, dengan model yang dibandingkan yaitu Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM). Variabel yang digunakan terdiri dari Umur Harapan Hidup sebagai variabel dependen (Y), serta Rumah tangga memiliki sumber air minum layak (X1), Rumah tangga memiliki akses hunian layak (X2), dan Rumah tangga memiliki akses sanitasi layak (X3) sebagai variabel independen yang mencakup 15 Kabupaten di Provinsi Lampung dari tahun 2021 hingga 2023. Hasil penelitian menunjukkan bahwa model terbaik adalah Random Effect Model (REM) dengan variabel independent yang signifikan berpengaruh terhadap umur harapan hidup (Y) adalah rumah tangga dengan akses sanitasi layak (X3).
Premium Estimation Using a Spliced Gamma-Gamma Distribution for Long-Tail Insurance Claims Simanjuntak, Erica Grace; Madonna, Nora; Hayati, Ma'rufah
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 13 No 2 (2025): VOLUME 13 NO 2, 2025
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v13i2.60648

Abstract

Determining fair premiums that accurately reflect actual risks is a crucial element in insurance risk management, particularly when claim data exhibits long-tail characteristics that are challenging to model using a single distribution. This study aims to develop a premium estimation model using the spliced Gamma-Gamma distribution, which can capture the behavior of small to large claims more flexibly. This model is applied to a collective risk model framework, focusing on calculating the expected value and variance of aggregate claims as the basis for premium estimation. Premium estimation is conducted using three actuarial principles: the expected value principle, the variance principle, and the standard deviation principle. The research indicates that the standard deviation principle yields the most accurate premium estimation, as it accurately reflects the risk level while striking a balance between premium adequacy and affordability for policyholders. This approach considers both the expected loss and its volatility, making it more adaptive to extreme claim risks. This study demonstrates that claim modelling using splicing distributions, combined with volatility-based premium estimation principles, can be a practical and realistic approach to managing risk and estimating premiums more accurately.
Generalized Linear Mixed Model and Lasso Regularization for Statistical Downscaling Hayati, Ma'rufah -; Muslim, Agus
Enthusiastic : International Journal of Applied Statistics and Data Science Volume 1 Issue 1, April 2021
Publisher : Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1319.375 KB) | DOI: 10.20885/enthusiastic.vol1.iss1.art6

Abstract

Rainfall is one of the climatic elements in the tropics which is very influential in agriculture, especially in determining the growing season. Thus, proper rainfall modeling is needed to help determine the best time to start cultivating the soil. Rainfall modeling can be done using the Statistical Downscaling (SDS) method. SDS is a statistical model in the field of climatology to analyze the relationship between large-scale and small-scale climate data. This study uses response variables as a small-scale climate data in the form of rainfall and explanatory variables as a large-scale climate data of the General Circulation Model (GCM) output in the form of precipitation. However, the application of SDS modeling is known to cause several problems, including correlated and not stationary response variables, multi-dimensional explanatory variables, multicollinearity, and spatial correlation between grids. Modeling with some of these problems will cause violations of the assumptions of independence and multicollinearity. This research aims to model the rainfall in Indramayu Regency, West Java Province using a combined regression model between the Generalized linear mixed model (GLMM) and Least Absolute Selection and Shrinkage Operator (LASSO) regulation (L1). GLMM was used to deal with the problem of independence and Lasso Regulation (L1) was used to deal with multicollinearity problems or the number of explanatory variables that is greater than the response variable. Several models were formed to find the best model for modeling rainfall. This research used the GLMM-Lasso model with Normal spread compared to the GLMM model with Gamma response (Gamma-GLMM). The results showed that the RMSE and R-square GLMM-Lasso models were smaller than the Gamma-GLMM models. Thus, it can be concluded that GLMM-Lasso model can be used to model statistical downscaling and solve the previously mentioned constraints. Received February 10, 2021Revised March 29, 2021Accepted March 29, 2021
Co-Authors Anggi Desnanti Febby Yuliana Sari Hudori, Mahfuz Irfan, Miftahul Madonna, Nora Mahfuz Hudori Muslim, Agus Permatasari, Reni Rahmawati Azizah Reni Permata Sari Reni Permata Sari Sari, Reni Permata Simanjuntak, Erica Grace Tri Fatmala, Cici Yuliana Dalimunthe, Desy