Article Per Year (5 Year)
p-Index From 2020 - 2025
3.764
P-Index
This Author published in this journals
All Journal BIMASTER International Journal of Computing Science and Applied Mathematics ComTech: Computer, Mathematics and Engineering Applications GERVASI: Jurnal Pengabdian kepada Masyarakat JUDIKA (JURNAL PENDIDIKAN UNSIKA) Jurnal Matematika UNAND Jurnal Pengabdian kepada Masyarakat Nusantara Tensor: Pure and Applied Mathematics Journal Jurnal Abdimas Bina Bangsa Jurnal Eurekamatika
NUR’AINUL MIFTAHUL HUDA
Universitas Tanjungpura
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
THE PSYCHOLOGICAL IMPACT (POSITIVE AND NEGATIVE) AND BEHAVIOURAL CHANGES IN ONLINE LEARNING ON STUDENTS USING FACTOR ANALYSIS Nur'ainul Miftahul Huda; Nurfitri Imro'ah
JUDIKA (JURNAL PENDIDIKAN UNSIKA) Vol 9 No 2 (2021): JUDIKA (JURNAL PENDDIDIKAN UNSIKA)
Publisher : Universitas Singaperbangsa Karawang

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

Abstract

The psychological impact of a pandemic is one focus that cannot be ignored. One of the objects most impacted is students (in this study, it is focused on university students). The covid-19 pandemic has changed everything that could previously be held face-to-face into online learning. Mobility is forced to be reduced; students are asked to be more independent and must be able to adapt quickly to online learning methods. These changes cause many psychological impacts that arise, starting from positive, negative, and behavioural changes. This study provides an overview of the psychological effects of students on learning during the pandemic. The view regarding the gender of students, whether it impacts the psychological impact, is also considered in this study. The most important thing discussed is grouping the psychological effects on students into several factors using factor analysis. The data used is questionnaire data to students who experience learning methods from offline to online learning. The results show consecutively two, three, and four main factors: positive impact, negative impact, and behaviour change.
PENGARUH DOMISILI MAHASISWA TERHADAP KESEHATAN MENTAL SAAT PEMBELAJARAN DARING MASA PANDEMI Nurfitri Imro'ah; Nur'ainul Miftahul Huda
JUDIKA (JURNAL PENDIDIKAN UNSIKA) Vol 9 No 2 (2021): JUDIKA (JURNAL PENDDIDIKAN UNSIKA)
Publisher : Universitas Singaperbangsa Karawang

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

Abstract

Penelitian ini menganalisis hubungan antara domisili mahasiswa terhadap dampak psikologi yang dirasakan selama pembelajaran daring pada masa pandemi menggunakan analisis korespondensi. Beberapa dampak yang dirasakan mahasiswa yaitu rasa khawatir, takut, sedih, marah, merasa bersalah, terlalu banyak menghabiskan waktu serta banyak meluangkan waktu. Berdasarkan analisis yang dilakukan diperoleh beebrapa dampak yang sangat dominan dirasakan oleh mahasiswa, yaitu rasa khawatir, takut, sedih dan marah. Dampak-dampak tersebut sebagian besar dirasakan oleh mahasiswa yang berdomisili di Kabupaten Melawi, Kabupaten Kapuas Hulu dan Kabupaten Landak. Hal ini dikarenakan lokasi kabupaten yang jauh dari pusat kota, sehingga sangat berpengaruh pada kondisi jaringan internet yang merupakan komponen penting pada pembelajaran daring.
ANALISIS KEBIJAKAN PEMERINTAH TERHADAP KASUS COVID-19 DI BALI MENGGUNAKAN MODEL DERET WAKTU DENGAN FAKTOR INTERVENSI NURFITRI IMRO’AH; NUR’AINUL MIFTAHUL HUDA
Jurnal Matematika UNAND Vol 10, No 3 (2021)
Publisher : Jurusan Matematika FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmu.10.3.369-378.2021

Abstract

Kebijakan mengenai kewajiban pelaku perjalanan domestik yang datang ke Bali untuk menunjukkan hasil negatif tes swab Polymerase Chain Reaction (PCR) merupakan salah satu bentuk intervensi dalam menekan banyaknya penambahan kasus positif Coronavirus Disease 2019 (Covid-19) di Bali. Penelitian ini menggunakan model deret waktu dengan faktor intervensi dalam menganalisis dampak setelah dikeluarkannya kebijakan tersebut. Selain itu, penelitian ini juga memprediksi banyaknya kasus Covid-19 di Bali mulai 29 - 31 Maret 2021. Hasil dari penelitian ini menunjukkan bahwa kebijakan yang dikeluarkan oleh Pemerintah Provinsi Bali merupakan salah satu langkah tepat dalam menangani penambahan kasus harian positif Covid-19 di Bali. Hal itu terlihat dari penurunan banyaknya kasus positif di Bali hingga akhir Maret 2021.Kata Kunci: Covid-19, Kebijakan, Deret waktu, Intervensi
ANALISIS SPASIAL MODEL INVERSE DISTANCE WEIGHTING PADA PENYEBARAN KASUS POSITIF COVID-19 PER KABUPATEN DI PULAU JAWA Nur'ainul Miftahul Huda; Nurfitri Imro'ah
Jurnal Matematika UNAND Vol 11, No 1 (2022)
Publisher : Jurusan Matematika FMIPA Universitas Andalas Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jmu.11.1.64-73.2022

Abstract

Suatu lokasi saling berhubungan satu dengan yang lainnya dan sesuatu yang berjarak dekat memiliki pengaruh yang lebih dibandingkan dengan lokasi yang jauh. Hal ini yang mendasari adanya keterkaitan suatu kejadian antar lokasi atau disebut autokorelasi spasial. Salah satu metode yang dapat digunakan untuk melihat pola keterkaitan tersebut adalah metode Inverse Distance Weighting (IDW). Metode ini menggunakan faktor parameter pengaruh yaitu power (p) dalam melihat pengaruh lokal antar titik lokasi. Semakin besar niai p berarti nilai titik tak tersampel menjadi lebih terlokalisasi dan sebaliknya. Input yang digunakan pada model ini adalah koordinat titik untuk titik tersampel beserta nilai dari setiap titik yang akan diestimasi. Pada penelitian ini kasus yang digunakan adalah kasus terkonfirmasi positif virus Covid-19 per 76 kabupaten/kota di Pulau Jawa hingga tanggal 26 Februari 2022. Penelitian ini bertujuan untuk melihat pemetaan kasus terkonfirmasi positif di Pulau Jawa per kabupaten melalui peta kontur menggunakan model IDW. Kabupaten/kota yang tidak dijadikan lokasi tersampel dapat diestimasi melalui model ini. Langkah pertama adalah membuat peta grid, kemudian menghitung jarak antar lokasi tersampel. Selanjutnya jarak tersebut digunakan untuk menghitung bobot setiap lokasi tersampel. Langkah berikutnya adalah estimasi nilai di lokasi tak tersampel menggunakan nilai power. Nilai power yang digunakan pada penelitian ini adalah 0,5;1;2;3;4;5. Pemilihan nilai power yang tepat didasarkan pada nilai RMSE terkecil. Hasilnya diperoleh nilai power yang optimal adalah saat p=2 dan diperoleh estimasi kasus positif Covid-19 di lokasi tak tersampel sehingga diperoleh peta kontur.
Analysis of the Changes in 2019-nCov Before and After the Implementation of the "Required Swab PCR-Test for Entry into West Kalimantan via Air Transport" Policy nurainul Miftahul Huda; Nurfitri Imroah
Tensor: Pure and Applied Mathematics Journal Vol 2 No 1 (2021): Tensor : Pure And Applied Mathematics Journal
Publisher : Department of Mathematics, Faculty of Mathematics and Natural Sciences, Pattimura University, Ambon, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/tensorvol2iss1pp33-44

Abstract

Implementing policies during the 2019-nCov pandemic are expected to reduce the number of cases added every day. West Kalimantan is one of the provinces that implements a policy of obliging to include negative results on the PCR-test swab every time they use air transportation to West Kalimantan. In this study, we wanted to know whether there were differences in data behavior before and after implementing the policy. These differences can be analyzed simply by looking at the descriptive statistics of the data. Furthermore, in this study, a time series analysis was also carried out, and the data patterns and the suitable models representing the data. Time series analysis is also needed to predict the next 5 days related to the addition of 2019-nCov cases in West Kalimantan. In modeling, modifications have been made by partitioning the data into two data, namely data before the policy is implemented and the rest is data after the policy is implemented. The result shows that the suitable model for before and after the policy is applied is ARIMA (1,0,0) and ARIMA (7,0,0)(1,0,0)7, respectively. This model shows a better performance in translating problems than using the entire data as input in modeling. The smaller MSE value indicates this than using the ARIMA model (1,0,0) for the entire data (without partition). Therefore, in the prediction stage, a model with partitioned data is used. The results showed that there was a decrease in daily cases in the next five days.
ANALISIS AUTOKORELASI SPASIAL KASUS POSITIF COVID-19 MENGGUNAKAN INDEKS MORAN DAN LISA Rika Mailanda; Dadan Kusnandar; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55447

Abstract

Autokorelasi spasial merupakan salah satu analisis spasial untuk menentukan pola hubungan atau korelasi antar lokasi amatan. Pada kasus positif Covid-19 di Pulau Jawa, metode ini memberikan informasi penting dalam menganalisis hubungan karakteristik kasus positif Covid-19 antar lokasi. Dengan demikian, dalam penelitian ini dilakukan analisis autokorelasi spasial antarprovinsi di Pulau Jawa menggunakan data kasus positif Covid-19 dari 11 Januari 2021 hingga 3 Januari 2022. Data harian yang diperoleh dipartisi berdasarkan kebijakan yang ditetapkan pemerintah. Kebijakan tersebut meliputi penerapan pembatasan kegiatan masyarakat (PPKM), PPKM Mikro, PPKM Mikro Darurat, PPKM level 1-4 dan perpanjangan dari masing-masing kebijakan tersebut. Pada 11 Januari 2021 hingga 3 Januari 2022, ada 30 partisi berdasarkan kebijakan yang diberlakukan. Metode yang digunakan adalah Indeks Moran dan Local Indicator of Spatial Autocorrelation (LISA). Pembobot spasial yang digunakan adalah Inverse Distance Weight. Hasil analisis menggunakan Indeks Moran dengan tingkat signifikansi α = 5% menunjukkan ada hubungan kasus positif Covid-19 antar provinsi di Pulau Jawa pada saat pemerintah menerapkan kebijakan perpanjangan PPKM Mikro (23 Maret - 5 April 2021). Nilai Indeks Moran saat kebijakan tersebut adalah 0,197 yang mengindikasikan adanya autokorelasi spasial positif (pola mengelompok). Selanjutnya menggunakan LISA, terdapat autokorelasi spasial di provinsi Jawa Barat saat kebijakan perpanjangan PPKM Mikro (23 Maret - 5 April 2021) dan di provinsi Banten saat PPKM Level 3, 2 dan 1 (14 Desember 2021 - 3 Januari 2022). Hal ini ditunjukkan oleh nilai Z(LJawa Barat) sebesar 1,978 dan Zα/2 sebesar 1,96 (1,978 > 1,96), dan nilai Z(LBanten) sebesar -1,976 dan Zα/2 sebesar 1,96 (1,976 > 1,96). Kata Kunci : Autokorelasi Spasial, Indeks Moran, LISA, Covid-19.
ESTIMASI DATA SPASIAL BERPENCILAN PADA LAJU INFLASI DI PULAU JAWA MENGGUNAKAN METODE ROBUST KRIGING Erna Yulianti; Dadan Kusnandar; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55951

Abstract

Inflasi adalah keadaan perekonomian suatu negara dengan kecenderungan naiknya harga barang dan jasa yang pada umumnya berlangsung secara terus-menerus. Perhitungan inflasi di Indonesia dilakukan setiap bulannya oleh Badan Pusat Statistik berdasarkan perubahan Indeks Harga Konsumen (IHK) antar periode waktu. Namun, perhitungan inflasi masih terbatas hanya pada beberapa kabupaten/kota, sehingga untuk mengatasi ketidaktersediaan data pada lokasi yang tidak dilakukan perhitungan dapat diketahui menggunakan analisis Geostatistik yaitu dengan metode Kriging. Estimasi kriging pada suatu data spasial dapat menghasilkan estimasi yang kurang tepat apabila terdapat pencilan dalam data. Penelitian ini bertujuan mengestimasi laju inflasi di wilayah Pulau Jawa menggunakan metode Robust Kriging. Robust Kriging merupakan pengembangan dari metode Ordinary Kriging yang mentransformasikan bobot semivariogram klasik menjadi semivariogram yang robust terhadap pencilan dalam data. Banyaknya observasi dalam penelitian ini berjumlah 26 kabupaten/kota yang ada di Pulau Jawa. Berdasarkan hasil analisis dan pembahasan diperoleh bahwa model semivariogram teoritis laju inflasi terbaik adalah semivariogram teoritis model Gaussian dengan nilai MSE sebesar 0,00107. Hasil estimasi laju inflasi menggunakan semivariogram terbaik diperoleh nilai estimasi terendah berada di Kota Semarang yaitu sebesar 0,57% dan hasil estimasi laju inflasi tertinggi berada di Kota Probolinggo yaitu sebesar 0,76%.  Kata Kunci : Inflasi, Pulau Jawa, Geostatistik, Robust Kriging.
PENERAPAN METODE EXTENDED KALMAN FILTER PADA KASUS PERTUMBUHAN PENDUDUK DI KOTA PONTIANAK Siti Masitah; Yundari Yundari; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55448

Abstract

Pertumbuhan penduduk adalah bertambah atau berkurangnya jumlah penduduk di suatu daerah. Jumlah penduduk memiliki pengaruh penting diantaranya dalam hal tingkat pengangguran dan pertumbuhan ekonomi, sehingga perlu adanya estimasi jumlah penduduk sebagai salah satu cara dalam hal perencanaan kesejahteraan masyarakat. Penelitian ini bertujuan untuk mengestimasi pertumbuhan penduduk Kota Pontianak dengan metode Extended Kalman Filter (EKF). Estimasi ini dilakukan dengan membandingkan dua asumsi model yaitu model persamaan pertumbuhan logistik dengan asumsi linier dan model persamaan pertumbuhan logistik dengan asumsi parabolik terbuka ke bawah.Hasil estimasi didapatkan dengan melakukan beberapa langkah, yaitu melakukan pengumpulan data jumlah penduduk Kota Pontianak tahun 1990-2020, menentukan laju pertumbuhan penduduk dan ambang batas populasi, melakukan diskritisasi pada model pertumbuhan logistik menggunakan metode beda hingga maju, menghitung matriks Jacobi dan menambahkan noise pada model pertumbuhan logistik, mengimplementasikan algoritma EKF, serta menganalisis hasil simulasi penggunaan metode EKF. Simulasi dilakukan sebanyak tiga kali menggunakan 7, 15 dan 31 data pengukuran. Analisis yang dilakukan adalah membandingkan model pertumbuhan logistik yang digunakan. Hasil simulasi menunjukkan bahwa model pertumbuhan logistik dengan asumsi fungsi populasi parabolik lebih sesuai dengan pertumbuhan penduduk Kota Pontianak pada keseluruhan simulasi yang dilakukan dan hasil estimasi jumlah penduduk menggunakan metode EKF dengan data pengukuran yang lebih besar memberikan hasil yang relatif lebih baik. Kata Kunci:  Penduduk, Pertumbuhan Logistik, Extended Kalman Filter
PREDIKSI REALISASI PENERIMAAN PAJAK BUMI DAN BANGUNAN PROVINSI KALIMANTAN BARAT DENGAN MODEL GREY-MARKOV(1,1) Dea Rizki Darmawanti; Yundari Yundari; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 11, No 3 (2022): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v11i3.55449

Abstract

Pajak Bumi dan Bangunan (PBB) merupakan salah satu pajak yang wajib dibayar warga negara Indonesia hanya satu kali dalam setahun. Pengoptimalan penerimaan PBB daerah Provinsi Kalimantan Barat, perlu dilakukan untuk kelancaran pembagunan di daerah Provinsi Kalimantan Barat. Badan Pusat Statistik (BPS) biasanya melakukan proyeksi realisasi penerimaan PBB. Pada data realisasi penerimaan PBB, data yang tersedia terbatas dan jumlahnya tidak terlalu besar. Model prediksi yang digunakan adalah Model Grey-Markov(1,1). Penelitian ini bertujuan mengkaji bentuk Model Grey-Markov(1,1)  dan memprediksi realisasi penerimaan PBB pada tahun 2021. Tahap awal dalam penelitian ini adalah membentuk data penerimaan PBB ke dalam bentuk barisan, tahap kedua menghitung nilai dengan mengakumulasi data penerimaan PBB atau Accumulated Generating Operation (AGO). Selanjutnya menentukan nilai tengah atau rata-rata dari dua data yang berdekatan atau Mean Generating Operation (MGO) dan menentukan nilai parameter Model Grey(1,1). Hasil peramalan Model Grey(1,1)  dimodifikasi dengan rantai markov dengan empat interval keadaan sehingga diperoleh hasil prediksi Model Grey-Markov(1,1). Hasil penelitian ini menunjukkan bahwa, pada tahun 2021 prediksi realisasi penerimaan PBB adalah Rp.447.889.085. Data prediksi ini memiliki nilai akurasi  yaitu 9,67% yaitu berarti model sangat baik.. Kata Kunci: Badan Pusat Statistik, Rantai Markov, Model Grey(1,1)
Forecasting The Production of Crude Palm Oil (CPO) in Indonesia 2022 using the Grey(1.1) Model Nur'ainul Miftahul Huda; Nurfitri Imro'ah; Dea Rizki Darmawanti
Tensor: Pure and Applied Mathematics Journal Vol 3 No 1 (2022): Tensor: Pure and Applied Mathematics Journal
Publisher : Department of Mathematics, Faculty of Mathematics and Natural Sciences, Pattimura University, Ambon, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/tensorvol3iss1pp1-10

Abstract

Crude Palm Oil (CPO) is a vegetable oil produced from oil palm fruit plants. Palm oil can be used for many things, including for various foods, cosmetics, hygiene products, and can also be used as a source of biofuel or biodiesel. Indonesia is a country with the most CPO production in the world. However, the development of CPO production must be appropriately managed to meet demand from other countries. Therefore, this study aims to predict CPO production in 2022. One of the appropriate statistical methods is the Grey(1.1) model. This model was chosen based on the availability of CPO production data by the Central Statistics Agency, which only presents annual data from 2017 - 2021. So, the number of observations that can be used to predict CPO production in Indonesia is only five observations. The Grey(1.1) model can cover problems in the availability of small amounts of data. There are three main steps in the modelling procedure with Grey(1,1) model, namely forming an Accumulated Generated Operation (AGO) sequence, then forming a Mean Generating Operation (MGO) sequence, and the last step is a prediction with Inverse AGO (1-AGO). This study obtained the 1-AGO sequence on the Grey(1.1) model for CPO production in Indonesia with outstanding accuracy, namely the Mean Absolute Percentage Error (MAPE) value of 0.01%. In addition, a prediction of CPO production in Indonesia for 2022 is made, which is 52590612.99 (an increase of 2339783.668 from 2021).
Co-Authors Abang Yogi Pratama Ahmad Fernanda Arini, Nani Fitria Bayu Prihandono Dadan Kusnandar Daniel Happy Putra Dea Rizki Darmawanti Eligia Helvianti Tri Lina P ERNA YULIANTI Evi Novian Evi Noviani Fahiza Syanaya Fansiskus Fran Fransiskus Fran Fransiskus Fran Helmi Helmi Helmi Imro'ah, Nurfitri Laurens Paskhia Dirda Rusanditia Mariatul Kiftiah Meliana Pasaribu Mudinillah, Adam Muhammad Septian Nani Fitria Arini Naomi Nessyana Debataraja Nilamsari Kusumastuti Nurfitri Imro'ah Nurfitri Imro'ah Nurfitri Imroah NURFITRI IMRO’AH Nurfitri Imro’ah Rika Mailanda Sari Devi Asri Shantika Martha Theresia Resi Trydini Umairah, Tarisa Utami, Dewi Setyo Wirda Andani Yudhi Yundari, Yundari Yusi Sania