Claim Missing Document
Check
Articles

PENERAPAN DISTRIBUSI STASIONER RANTAI MARKOV PADA DATA BANYAKNYA ORANG TERKONFIRMASI POSITIF COVID-19 DI JAWA BARAT Tubagus Robbi Megantara; Ayun Sri Rahmani; Budi Nurani Ruchjana
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (900.551 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.363-370

Abstract

Corona virus disease (COVID-19) memiliki tingkat infeksi yang sangat cepat sehingga perlu adanya kebijakan yang terencana. Perencanaan kebijakan untuk menangani penyebaran COVID-19 dapat dibantu oleh adanya peramalan dan prediksi beberapa hari ke depan mengenai kasus harian. Peramalan dan prediksi dapat digunakan untuk memperkirakan lama waktu pembatasan sosial berskala besar yang diperlukan serta memperkirakan besar dana bantuan untuk masyarakat yang terdampak dalam selang waktu tertentu. Analisis jangka panjang menggunakan rantai Markov waktu diskrit dengan distribusi stasioner seringkali digunakan sebagai alat prediksi. Tujuan penelitian ini menganalisis prediksi jangka panjang kasus terkonfirmasi positif COVID-19 di Jawa Barat menggunakan rantai Markov waktu diskrit dengan distribusi stasioner. Metodologi penelitian menggunakan studi literatur dan studi eksperimen melalui pengolahan data terkonfirmasi positif COVID-19 di Jawa Barat. Perhitungan ditentukan dengan dua keadaan sehingga diperoleh matriks transisi dengan kriteria: jika data ke-n lebih kecil dari rata-rata (0), dan jika data ke-n lebih besar dari ratarata (1). Hasil analisis prediksi jangka panjang menunjukkan peluang terjadinya kasus terkonfirmasi positif COVID-19 di Jawa Barat sebesar 64,77% dan peluang tidak terjadi kasus terkonfirmasi positif COVID-19 di Jawa Barat sebesar 35,23%. Hasil penelitian diharapkan dapat menjadi pertimbangan untuk instansi terkait, dalam mengambil kebijakan agar tetap memperhatikan protokol kesehatan dalam pencegahan penyebaran COVID-19.
PENERAPAN MODEL VECTOR AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (VARIMA) UNTUK PRAKIRAAN INDEKS HARGA SAHAM GABUNGAN DAN KURS RUPIAH TERHADAP USD Ani Pertiwi; Lucy Fitria Dewi; Toni Toharudin; Budi Nurani Ruchjana
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1278.157 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.431-442

Abstract

Informasi mengenai pergerakan Indeks Harga Saham Gabungan (IHSG) dan perubahan nilai Kurs Rupiah terhadap USD dapat digunakan para investor untuk melihat perkembangan harga saham yang dimiliki dari waktu ke waktu. Penelitian ini bertujuan untuk menerapkan model dan memprakirakan data IHSG dan nilai kurs dengan menggunakan Vector Autoregressive Integrated Moving Average (VARIMA). Data yang digunakan dalam penelitian ini berupa data sekunder yaitu data harian IHSG dan nilai Kurs Rupiah terhadap USD selama 15 bulan (1 Januari 2020 s.d 31 Maret 2021). Pada tahap uji stasioneritas, diketahui bahwa data tidak stasioner, sehingga dilakukan differencing pertama untuk memenuhi syarat stasioneritas. Hasil penelitian menunjukkan bahwa model yang memenuhi semua asumsi dan memiliki nilai AIC minimum sebesar 17.68992 adalah model VARIMA (3,1,1). Estimasi parameter menggunakan Metode Maximum Likelihoodmemberikan hasil prakiraan dengan nilai MAPE kurang dari 10%. Hal ini menunjukkan bahwa model VARIMA memiliki tingkat akurasi yang sangat baik.
MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) UNTUK PERAMALAN BANYAKNYA KASUS TERKONFIRMASI DAN KASUS SEMBUH COVID-19 DI INDONESIA Sri Indra Maiyanti; Mahrudinda Mahrudinda; Al Fataa W Haq; Budi Nurani Ruchjana
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1267.181 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.523-532

Abstract

Pandemi Coronavirus disease 2019 (COVID-19) telah melanda dunia, termasuk Indonesia. Di Indonesia, banyaknya kasus terkonfirmasi positif terus bertambah, kadang turun kadang naik secara drastis, demikian juga dengan banyaknya kasus sembuh yang mengalami fluktuasi setiap harinya. Hubungan variabel banyaknya kasus terkonfimasi positif COVID-19 dengan banyaknya kasus sembuh setiap harinya tersebut menunjukkan trend yang berkesinambungan. Model Vector Autoregressive Integrated (VARI) dapat digunakan untuk memodelkan hubungan banyaknya kasus terkonfirmasi dan sembuh COVID 19 secara simultan dan meramalkan amatan di waktu mendatang. Penelitian ini bertujuan untuk membentuk model prediksi hubungan variabel banyaknya kasus terkonfirmasi positif dan kasus sembuh COVID-19 harian di Indonesia dengan model VARI. Data kasus COVID-19 yang digunakan mulai dari tanggal 1 November 2020 sampai dengan 17 Mei 2021. Pengolahan data dilakukan dengan program R. Hasil penelitian menunjukkan korelasi antara kedua variabel pengamatan bernilai 0,77, yangberarti adanya hubungan positif yang kuat antara kedua variabel. Hasil uji kestasioneran memperlihatkan kedua variabel tidak stasioner, sehingga dilakukan differencing sebanyak satu kali. Hasil analisis data menunjukkan model terbaik yang diperoleh adalah model VARI (7,1). Pencocokan model dilakukan menggunakan Mean Absolute Percentage Error (MAPE), diperoleh nilai MAPE untuk untuk kasus terkonfirmasi adalah sebesar 20% dan untuk kasus sembuh sebesar 11%, yang berarti bahwa model VARI (7,1) memberikan hasil yang baik untuk peramalan di waktu mendatang terhadap kedua variabel. Banyaknya kasus terkonfirmasi COVID-19 dipengaruhi oleh kasus terkonfirmasi pada hari –hari sebelumnya tapi tidak dipengaruhi oleh kasus sembuh pada hari-hari sebelumnya. Sedangkan banyaknya kasus sembuh COVID-19 dipengaruhi oleh banyaknya kasus terkonfirmasi dan kasus sembuh pada hari – hari sebelumnya
MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DAN PENERAPANNYA PADA DATA PERKEMBANGAN HARGA ECERAN BERAS DI TIGA IBU KOTA PROVINSI WILAYAH PULAU JAWA Zulfa Hidayah Satria Putri; Asri Yuniar; Toni Toharudin; Budi Nurani Ruchjana
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1200.168 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.533-544

Abstract

Beras merupakan komoditas pangan yang sangat penting karena merupakan bahan makanan pokok bagi sebagian besar penduduk Indonesia. Harga beras sangat mempengaruhi tingkat kesejahteraan peduduk. Model Vector Autoregressive Integrated (VARI) merupakan salah satu model time series multivariat yang digunakan untuk menentukan peramalan. Model VARI dipengaruhi oleh variabel itu sendiri pada periode sebelumnya dengan kondisi data non stasioner. Proses yang dilakukan dalam membentuk model VARI, yaitu differencing, identifikasi model time series, kestasioneran data, mengestimasi parameter, diagnostic test, dan peramalan. Tujuan dari penelitian ini adalah membentuk model peramalan untuk rata-rata harga beras eceran bulanan pada tiga ibu kota provinsi, yaitu: DKI Jakarta, Jawa Barat, dan Banten. Data yang digunakan adalah data rata-rata harga beras bulanan pada tiga ibu kota provinsi tersebut mulai dari Januari 2014 sampai dengan Desember 2019. Hasil penelitian menunjukkan model terbaik yang diperoleh dengan nilai AIC terkecil adalah VARI(1,1) yang artinya model VAR orde satu dengan proses differencing pertama. Hasil uji diagnostik juga menunjukkan bahwa setiap lokasi saling berkorelasi dan asumsi white noise terpenuhi. Dari ketiga model estimasi yang signifikan secara simultan, model untuk Ibu Kota DKI Jakarta memiliki tingkat signifikansi tertinggi dengan variabel yang signifikan mempengaruhi adalah rata-rata harga beras eceran bulanan pada Ibu Kota Provinsi DKI Jakarta dan Banten pada periode sebelumnya. Ketepatan model secara keseluruhan memiliki tingkat akurasi yang sangat baik dengan MAPE sebesar 5,202%
SIMULASI PERGERAKAN HARGA SAHAM MENGGUNAKAN MODEL GERAK BROWN GEOMETRIK DENGAN R STUDIO Ahmad Fawaid Ridwan; Rizki Apriva Hidayana; Budi Nurani Ruchjana
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (980.48 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.559-564

Abstract

Saham merupakan surat berharga sebagai bukti penyertaan atau kepemilikan individu maupun instansi dalam suatu perusahaaan. Keuntungan berinvestasi saham dapat dilihat dari besarnya return saham. Model matematis dapat diterapkan untuk memodelkan pergerakan harga saham agar investor memiliki pengetahuan untuk memprediksi harga saham di masa mendatang. Salah satu pemodelan yang dapat digunakan untuk melihat pergerakan harga saham yaitu dengan model gerak Brown geometrik. Penelitian ini bertujuan untuk mengetahui tingkat akurasi prediksi pergerakan harga saham menggunakan gerak Brown geometrik. Gerak Brown merupakan sebuah proses stokastik yang bersifat kontinu dan sering disebut sebagai proses Wiener. Gerak Brown dapat dibentuk dari sebuah Random Walk yang simetris, yaitu dengan mencari nilai limit dari distribusi Random Walk tersebut. Model Gerak Brown Geometrik merupakan modifikasi dari gerak Brown dimana perubahan relatifnya berbentuk kombinasi dari pertumbuhan deterministik ditambah dengan perubahan acak yang berdistribusi normal. Metode penelitian menggunakan studi literatur dan studi eksperimental melalui simulasi pada data sekunder berupa data harian harga saham suatu perusahaan dari tanggal 4 Mei 2020 sampai 30 April 2021. Simulasi data menggunakan gerak Brown geometrik dengan R Studio menunjukkan bahwa data return saham berdistribusi normal serta menghasilkan prediksi pergerakan harga saham dengan tingkat akurasi yang baik. Hal ini ditunjukkan dengan nilai rata-rata MAPE dari 20 kali percobaan simulasi menggunakan R Studio, yaitu sebesar 13,904 %. Oleh karena itu, model gerak Brown geometrik dapat digunakan oleh para investor atau manager investasi untuk memprediksi pergerakan harga saham suatu perusahaan dalam rentang waktu tertentu
FORECASTING COVID-19 IN INDONESIA WITH VARIOUS TIME SERIES MODELS Gumgum Darmawan; Dedi Rosadi; Budi Nurani Ruchjana; Resa Septiani Pontoh; Asrirawan Asrirawan; Wirawan Setialaksana
MEDIA STATISTIKA Vol 15, No 1 (2022): Media Statistika
Publisher : Department of Statistics, Faculty of Science and Mathematics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/medstat.15.1.83-93

Abstract

In this study, Covid-19 modeling in Indonesia is carried out using a time series model. The time series model used is the time series model for discrete data. These models consist of Feedforward Neural Network (FFNN), Error, Trend, and Seasonal (ETS), Singular Spectrum Analysis (SSA), Fuzzy Time Series (FTS), Generalized Autoregression Moving Average (GARMA), and Bayesian Time Series. Based on the results of forecast accuracy calculation using MAPE (Mean Absolute Percentage Error) as model evaluation for confirmed data, the most accurate case models is the bayesian model of 0.04%, while all recovered cases yield MAPE 0.05%, except for FTS = 0.06%. For data for death cases SSA and Bayesian Models, the best with MAPE is 0.07%.
PENERAPAN MODEL VECTOR AUTOREGRESSIVE ORDE TIGA PADA DATA SUHU UDARA RATA-RATA DI KABUPATEN MALANG DAN KABUPATEN SIDOARJO Salsabila Salsabila; Dianne Amor Kusuma; Budi Nurani Ruchjana
Teorema: Teori dan Riset Matematika Vol 7, No 2 (2022): September
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/teorema.v7i2.7200

Abstract

Perubahan iklim berdampak sangat luas pada kehidupan masyarakat. Salah satu unsur yang memengaruhi perubahan iklim yaitu suhu udara. Perubahan iklim di beberapa wilayah tidak hanya dipengaruhi oleh satu waktu. Perubahan iklim di suatu wilayah dapat dipengaruhi oleh dua atau tiga waktu sebelumnya. Perubahan iklim dari waktu ke waktu dapat diketahui melalui analisis deret waktu. Penelitian ini bertujuan untuk menaksir parameter model Vector Autoregressive orde tiga (VAR (3)) menggunakan metode Ordinary Least Squares (OLS) serta menerapkan model VAR (3) pada data suhu udara rata-rata di Kabupaten Malang dan Kabupaten Sidoarjo. Nilai peramalan yang diperoleh selama 10 periode telah mendekati nilai aktual dengan nilai MAPE berturut-turut adalah  dan . Berdasarkan kriteria nilai MAPE, nilai MAPE  menunjukkan hasil peramalan sangat akurat sehingga penelitian ini dapat menjadi bahan referensi bagi lembaga peneliti, perguruan tinggi, maupun peneliti lain dalam menerapkan model VAR (3) pada data suhu udara rata-rata dengan menggunakan bantuan software R.
Peramalan Return Saham Menggunakan Model Integrated Moving Average Rizki Apriva Hidayana; Budi Nurani Ruchjana
Jambura Journal of Mathematics Vol 5, No 1: February 2023
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3360.988 KB) | DOI: 10.34312/jjom.v5i1.17381

Abstract

A popular investment that is in great demand among investors is stocked. Stocks are another type of financial instrument offering returns but carrying a higher risk level. Price time series are more difficult to manage than return time series. To equip investors with the knowledge to forecast future stock prices, mathematical models can be used to simulate stock price fluctuations. The time series method, especially the Integrated Moving Average (IMA) model, is a model that can be used to observe changes in stock prices. The Integrated Moving Average (IMA) model will be used in this study to simulate stock returns. The Integrated Moving Average (IMA) model is a Moving Average model that is carried out with a differencing process or an Autoregressive Integrated Moving Average model with a value of Autoregressive being zero. This study uses secondary data simulations from secondary sources, such as data on daily business stock prices for one year, to conduct a literature review and test experiments. The Integrated Moving Average (IMA) model is used in data processing, especially to test the differencing data process. The results obtained are the IMA (1,1) model with the following equation Zˆt = Zt-1 + 0, 5782at-1, which can be used to anticipate future stock returns. Based on these results, it is expected that investors can predict the value of shares within a certain period of time.
MENGUKUR KERAGAMAN WARISAN BUDAYA TAKBENDA INDONESIA DENGAN INDEKS GINI Rizka Pradita Prasetya; Dian Islamiaty Puteri; Putri Monika; Atje Setiawan Abdullah; Budi Nurani Ruchjana
Jurnal Matematika UNAND Vol 12, No 1 (2023)
Publisher : Departemen Matematika dan Sains Data FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmua.12.1.95-107.2023

Abstract

Indeks gini merupakan alat mengukur derajat ketidakmerataan distribusi yang didasarkan pada kurva Lorenz. Indeks Gini berkisar dari nol hingga satu, di mana nol mewakili kesetaraan sempurna dan satu mewakili keberagaman yang hampir sempurna. Dalam penelitian ini, indeks gini digunakan untuk melihat kemerataan distribusi keragaman warisan budaya takbenda Indonesia. Hasil analisis menunjukkan bahwa indeks gini Warisan Budaya Takbenda yang telah ditetapkan lebih besar dibandingkan Warisan Budaya Takbenda yang tercatat.
Spatial Analysis of Dengue Disease in Jakarta Province Muhamad Sobari; I Gede Nyoman Mindra Jaya; Budi Nurani Ruchjana
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 7, No 4 (2023): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/ca.v7i4.17423

Abstract

Dengue disease is a virus-borne illness spread by the bite of the female Aedes aegypti mosquito. Jakarta Province has a vulnerability to dengue disease due to high population density and percentage of urban slum households. This study applied a spatial autoregressive (SAR) model to identify the risk factors that affect the number of dengue disease cases in Jakarta Province. The spatial dependency was accounted for using the queen contiguity spatial weight matrix. The number of flood-prone points, the number of slum neighborhood associations, the population density, the number of hospitals and the number of public health centers per 1,000 population and spatial lag significantly impact the number of dengue disease cases in Jakarta Province. When dengue disease cases increase in one sub-district, the number of dengue disease cases in the sub-districts around it will increase as well because of the positive and significant spatial lag coefficient. Based on the direct impact, each addition of one percent of flood-prone points in one sub-district will increase the number of dengue disease cases in that sub-district by 3.86 cases
Co-Authors Ahdian, Muhammad Rhafi Ahmad Fawaid Ridwan Akmaliah, Syifani Al Fataa W Haq Al Madani, Aulia R. Al Madani, Aulia Rahman Alawiyah, Mutik Almeira Tsanawafa Anggraeni A Ani Pertiwi Annisa Alma Yunia Annisa Nur Falah, Annisa Nur Annisafiya, Nadira Arisya Maulina Bowo Asep Kurnia Permadi Asep Kurnia Permadi Asri Yuniar Asrirawan Atika Tresna Arianto Atje Setiawan Abdullah Auliyazhafira, Shabira A. Ayu Indriani Ayun Sri Rahmani Bambang Suhandi Bambang Suhandi Bowo, Arisya Maulina Chotimah, Husnul Dedi Rosadi Delvi Rutania Prama Desiyanti, Armalia Devi Munandar, Devi Devi Yanti, Devi Diah Chaerani Dian Islamiaty Puteri Dianne Amor Kusuma Dicky Muslim Dwipriyoko, Estiyan Eddy Hermawan Emah Suryamah Emah Suryamah, Emah Endang Rusyaman Endang Soeryana Hasbullah Fadhilah, Dila Nur Fajriatus Sholihah Falah, Annisa N. Gumgum Darmawan Gumgum Darmawan Hamim Tsalis Soblia Hardianto A Hendarmawan Hendarmawan Hendarmawan Hendarmawan, Hendarmawan Hera Khoirunnisa Husein Hernadi Bahti I Gede Nyoman Mindra I Gede Nyoman Mindra Jaya I Gede Nyoman Mindra Jaya Ibrahim, Riza Andrian Iin Irianingsih Kaerudin, Nandira Putri Kankan Parmikanti Kartika Sari Khafsah Joebaedi Khoirunnisa Rohadatul Aisy Muslihin Khoirunnisa Rohadatul Aisy Muslihin Kusuma, Dianne Amor Lucy Fitria Dewi Mahrudinda Mahrudinda Maryanto Rompon Mindra, I Gede Nyoman Monika, Putri Muhamad Sobari Muhammad Herlambang Prakasa Yudha Muthalib A nadhira, valda azka Najwa, Sandrina Nauli, Theresia S. Novi - Saputri Nur Hamid NUR HAMID Nurdeni, Nurdeni Nurul Gusriani, Nurul Permana, Pandu Permatasari, Noverlina Putri Pratiwi, Dhanti Aurilia Pratomo, Firdaus Ryan Puteri, Dian Islamiaty Putri Monika Putri Monika Putri, Fariza A. Putri, Salsabila Eka Resa Septiani Pontoh Rizka Pradita Prasetya Rizki Apriva Hidayana Salsabil, Tsuroyya Salsabila Salsabila Setialaksana, Wirawan - Shailla Rustiana Sobari, Muhamad Soetikno, Christophorus Sri Adi Widodo Sri Indra Maiyanti Suhandi, Bambang Sutawanir Darwis Tarigan, Wenny Srimeinda Tegar Bratasena WKM Tilas Notapiri Toni Toharudin Tsanawafa, Almeira Tsuroyya Salsabil Tubagus Robbi Megantara Viona Prisyella Balqis Vivian Wilhelmina Vivian Wilhelmina WKM, Tegar Bratasena Yunia, Annisa Alma Zahra, Nabila Zulfa Hidayah Satria Putri