Article Per Year (5 Year)
p-Index From 2021 - 2026
3.316
P-Index
This Author published in this journals
All Journal JPMS (Jurnal Pendidikan Matematika dan Sains) Jurnal Penelitian Saintek Pythagoras: Jurnal Matematika dan Pendidikan Matematika Jurnal Ilmu Dasar Jurnal Sains Dasar TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Riset Pendidikan Matematika AKSIOMA: Jurnal Program Studi Pendidikan Matematika JPPM (JURNAL PENELITIAN DAN PEMBELAJARAN MATEMATIKA) Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Jurnal Pendidikan Matematika (Kudus) AMM Jurnal Pendidikan dan Kebudayaan Jurnal Statistika dan Matematika (Statmat) Annals of Mathematical Modeling Annals of Mathematical Modeling Jurnal Statistika dan Sains Data Jurnal Kajian dan Terapan Matematika Jurnal Pedagogi Matematika Journal on Mathematics Education
Dhoriva Urwatul Wutsqa
Universitas Negeri Yogyakarta
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 50 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 50 Documents
Search

 1   2   3   4   5 
Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Nusa Tenggara Barat dengan Menggunakan Regresi Spasial Puspita, Maya Novia; Wutsqa, Dhoriva Urwatul
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 | DOI: 10.21831/jssd.v1i1.19423

Abstract

Kemiskinan adalah masalah global yang paling besar dihadapi di Indonesia, khususnya daerah timur yaitu Nusa Tenggara Barat. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi kemiskinan di Provinsi Nusa Tenggara Barat. Data yang digunakan berupa data spasial karena data pada penelitian ini adalah data berdasarkan Kabupaten/Kota di Provinsi Nusa Tenggara Barat tahun 2020. Teknik analisis data yang digunakan adalah analisis regresi spasial. Hasil dari penelitian ini menunjukkan bahwa Spatial Autoregressive Model (SAR) adalah model terbaik dan layak digunakan. Faktor-faktor yang secara signifikan mempengaruhi kemiskinan di provinsi Nusa Tenggara Barat adalah indeks pembangunan manusia, tingkat pengangguran terbuka, persentase buta huruf, laju pertumbuhan penduduk, kepadatan penduduk, persentase penduduk tidak bersekolah lagi, dan garis kemiskinan. Nilai koefisien determinasi yang dihasilkan adalah 99.97%, sehingga dapat disimpulkan bahwa faktor-faktor tersebut berpengaruh terhadap kemiskinan sebesar 99.97% dan sisanya dipengaruhi oleh faktor lainnya
PREDIKSI HARGA SAHAM PADA SEKTOR PERBANKAN MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY Janastu, I Nyoman Cerdas; Wutsqa, Dhoriva Urwatul
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.v1i2.19475

Abstract

Saham pada sektor perbankan merupakan salah satu pilihan yang banyak diminati oleh para investor. Pergerakan harga saham cepat berubah, sehingga untuk meminimalisir risiko kerugian perlu dilakukan prediksi harga saham. Tujuan penelitian ini adalah (1) mengetahui model Long Short-Term Memory (LSTM) dalam memprediksi harga saham pada sektor perbankan dan (2) mengetahui kinerja atau performa dari model Long Short-Term Memory (LSTM) dalam melakukan prediksi harga saham pada sektor perbankan. Data yang digunakan merupakan data hafrian harga penutupan saham pada sektor perbankan dari tanggal 4 Januari 2021 sampai 28 Maret 2023. Tahapan penelitian mencakup (1) input data untuk mengambil data harga penutupan saham; (2) pre-processing data untuk memeriksa nilai data yang hilang; (3) pembagian data untuk membagi data menjadi data training dan data testing dengan rasio 80:20; (4) normalisasi data untuk mengubah data menjadi skala yang sama; (5) rekonstruksi data untuk mengubah data menjadi bentuk sequence; (6) pelatihan model yang terdiri dari dua layer LSTM dan satu layer Dense menggunakan data training; dan (7) pengujian model pada data testing serta evaluasi hasil prediksi menggunakan MAPE dan RMSE. Hasil penelitian menunjukkan kinerja atau performa model yang sangat baik dalam melakukan prediksi harga saham pada sektor perbankan. Nilai MAPE testing pada BBCA, BBNI, BBRI, BBTN, dan BMRI masing-masing adalah 1,47%, 1,77%, 1,69%, 3,02%, dan 2,00%.
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.
PENGARUH KURS, SUKU BUNGA, DAN IHSG TERHADAP NILAI AKTIVA BERSIH REKSA DANA MENGGUNAKAN AUTOREGRESSIVE DISTRIBUTED LAG Hanifa, Amelia Rifka; Wutsqa, Dhoriva Urwatul; Setiawan, Ezra Putranda
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.v2i1.19863

Abstract

Saat ini masyarakat Indonesia memiliki minat yang cukup tinggi untuk investasi melalui reksa dana karena dirasa memberikan imbal hasil yang cukup tinggi. Untuk memaksimalkan hasil, investor perlu memilih reksa dana dengan kinerja yang baik. Kinerja reksa dana dapat diukur dengan menggunakan NAB reksa dana. NAB reksa dana dipengaruhi oleh faktor makroekonomi di Indonesia, misalnya Kurs, Suku Bunga, dan IHSG. Penelitian ini bertujuan untuk membuktikan pengaruh secara simultan dan parsial dari Kurs, Suku Bunga, dan IHSG terhadap NAB reksa dana tipe Fixed Income Fund, Global Fund, dan Money Market Fund. Data yang digunakan dalam penelitian ini yaitu data nilai Kurs, Suku Bunga, IHSG, dan NAB reksa dana tipe Fixed Income Fund, Global Fund, dan Money Market Fund. Penelitian ini dilakukan menggunakan Metode Autoregressive Distributed Lag(ADL). Adapun tahapan yang dilakukan yaitu pengujian stasioneritas, uji kointegrasi, pemilihan lag optimum, pemodelan ADL jika tidak terdapat kointegrasi, dan uji asumsi klasik. Hasil penelitian menunjukkan bahwa NAB Reksa Dana Fixed Income Fund dipengaruhi Suku Bunga secara negatif signifikan pada lag1 dan lag5, serta dipengaruhi suku bunga secara positif signifikan pada lag2. NAB Reksa Dana Global Fund tidak dipengaruhi secara signifikan oleh faktor ekonomi di Indonesia. NAB Money Market Fund dipengaruhi secara signifikan oleh NAB reksa dana Money Market Fund pada lag4, Suku Bunga pada lag5, Kurs pada lag1,dan IHSG pada lag3.
PENERAPAN METODE ENSEMBLE CLUSTERING PADA PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR BERDASARKAN INDIKATOR PEMBANGUNAN EKONOMI Priansyah, Syifa Nafi'ah; Wutsqa, Dhoriva Urwatul
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.v2i1.19804

Abstract

Pembangunan Ekonomi Regional merupakan pembangunan dimana pemerintah daerah dan warga negara bekerja sama untuk mengelola sumber daya yang ada. Pembangunan ekonomi pada Provinsi Jawa Timur mengalami ketimpangan yang terus berlanjut dikarenakan kesenjangan yang lebar antara kabupaten dan kota tertinggi dan terendah dalam hal PDRB per kapita. Berdasarkan fakta-fakta ini, pertumbuhan ekonomi di Provinsi Jawa Timur harus didistribusikan secara merata. Tujuan dari penelitian ini adalah menggunakan pendekatan Ensemble clustering untuk mengkategorikan dan mengidentifikasi fitur kabupaten dan kota Provinsi Jawa Timur menurut indikator pembangunan ekonomi. Penelitian ini memanfaatkan data sekunder yang dikumpulkan oleh Badan Pusat Statistik. Ada total tiga belas variabel yang terdiri dari sembilan numerik dan tiga kategori. Dimana pendekatan K-Means digunakan untuk data numerik dan metode K-modes untuk data kategorikal. Analisis yang dilakukan oleh pendekatan Ensemble clustering memanfaatkan hasil dari kedua metode tersebut. Penelitian ini menggunakan penggunaan Davies Bouldin Index (DBI) dan Pseudo F-Statistics untuk tujuan validasi. Hasil penelitian pengelompokan menggunakan metode Ensemble clustering didapatkan sebanyak 3 cluster dimana dilakukan pemeringkatan berdasarkan tingkatan. Dimana tingkat 3 memiliki 12 objek dengan tingkat pembangunan ekonomi tergolong rendah atau tingkat 3, dikarenakan memiliki nilai PDRB terendah dan angka kemiskinan yang tinggi. Sedangkan pada tingkat 1 terdapat 14 objek yang tergolong kedalam tingkat pembangunan ekonomi maju dimana pada cluster ini memiliki nilai PDRB tertinggi dan angka kemiskinan terendah. Selanjutnya tingkat yang terakhir yaitu tingkat 2 yang memiliki 12 objek dimana tingkat pembangunan ekonomi pada cluster ini tergolong menengah.
PENERAPAN ALGORITMA SELF ORGANIZING MAP DALAM PENGELOMPOKAN WILAYAH BERDASARKAN KETAHANAN PANGAN DI KABUPATEN BANTUL Prasari, An Naffila Putri; Wutsqa, Dhoriva Urwatul
Jurnal Kajian dan Terapan Matematika Vol 10, No 3 (2024): Jurnal Kajian dan Terapan Matematika (November)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v10i3.19961

Abstract

Penelitian ini bertujuan untuk mendeskripsikan hasil analisis cluster dan karakteristik cluster dari hasil clustering dengan metode Self Organizing Map dan Davies Bouldin Index (DBI) untuk pengelompokan wilayah di Kabupaten Bantul berdasarkan indikator ketahanan pangan. Ketahanan pangan merupakan faktor krusial dalam memastikan ketersediaan dan akses pangan yang cukup bagi masyarakat. Pada data indikator ketahanan pangan di Kabupaten Bantul perlu dilakukan analisis cluster untuk memetakan setiap kecamatan ke suatu cluster. Data yang digunakan adalah data indikator ketahanan pangan tahun 2021 yang diperoleh dari laman resmi BPS, dinas kabupaten, dan kementerian terkait. Hasil penelitian menunjukkan bahwa 4 cluster adalah jumlah cluster terbaik dengan nilai validasi DBI 0.6793819. Cluster ke-1 terdiri dari 13 anggota, cluster ke-2 terdiri dari 1 anggota, cluster ke-3 terdiri dari 2 anggota, dan cluster ke-4 terdiri dari 1 anggota. Setiap cluster memiliki karakteristik masing-masing. Secara berturut-turut dari cluster ke-1 s.d. cluster ke-4 dapat dikelompokkan sebagai cluster dengan wilayah tahan pangan, tidak tahan pangan, kurang tahan pangan, dan sangat tahan pangan.Kata Kunci: ketahanan pangan, clustering, self organizing map, davies bouldin index
Radial Basis Function Neural Network with ensemble clustering for modeling mathematics achievement in Indonesia based on cognitive and non-cognitive factors Wutsqa, Dhoriva Urwatul; Prihastuti, Pusparani Puan; Fauzan, Muhammad; Listyani, Endang
Journal on Mathematics Education Vol. 15 No. 3 (2024): Journal on Mathematics Education
Publisher : Universitas Sriwijaya in collaboration with Indonesian Mathematical Society (IndoMS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22342/jme.v15i3.pp751-770

Abstract

Mathematics achievement could be influenced by cognitive and non-cognitive factors. The potential variable of cognitive factor is metacognition, whereas non-cognitive factors include Economic, Social, and Cultural Status (ESCS), resilience, life satisfaction, happiness, pride, fear, sadness, and gender. Those variables involve numerical and categorical data. For this reason, this study aims to apply the Radial Basis Function Neural Network (RBFNN) model with ensemble clustering to model the relation between cognitive and non-cognitive aspects and mathematics achievement. The RBFNN is a soft computing approach based on the neural network model and has been shown as an effective model and free of assumption. The ensemble clustering is a process in RBFNN modeling to capture the independent variables involving the numerical and categorical data. It employs K-means clustering for the numerical data and K-modes for categorical data and combines the results of those two methods. The data used in this study are published by PISA (Program for International Student Assessment) 2018. The results show that the RBFNN with ensemble clustering deliver good performance in modeling the students’ mathematics achievement based on the cognitive and non-cognitive factors in terms of prediction accuracy.  Other than RBFNN model, the use of cognitive and non-cognitive factors involving in this study also contributes to the high accuracy prediction. This further emphasizes that these factors are good predictors of mathematic achievement. Additionally, we suggest the silhouette cluster validation in the clustering process, since it leads to the number of hidden neurons of the best RBFNN model.
PREDIKSI ARAH HARGA SAHAM PT TELEKOMUNIKASI INDONESIA TBK DENGAN METODE SUPPORT VECTOR MACHINE (SVM) Damayanti, Retno; Wutsqa, Dhoriva Urwatul
Jurnal Statistika dan Sains Data Vol 2, No 2 (2025): Jurnal Statistika dan Sains Data
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jssd.v2i2.18085

Abstract

Saham PT. Telekomunikasi Indonesia Tbk merupakan salah satu saham yang menjadi incaran banyak manajer investasi. Penelitian ini bertujuan untuk memprediksi arah harga saham PT. Telekomunikasi Indonesia Tbk dengan menggunakan metode Support Vector Machine (SVM). Variabel input yang digunakan dalam penelitian ini ada sebanyak sepuluh indikator teknikal yaitu simple 10-day moving average, weighted 10-day moving average, momentum, stochastic %K, stochastic %D, relative strength index, moving average convergence divergence, williams %R, accumulative/distribution oscillator, on balance volume. Metode SVM merupakan salah satu metode machine learning yang dapat digunakan untuk menyelesaikan masalah prediksi. Dalam penelitian ini menggunakan empat fungsi kernel yaitu linear, polinomial, RBF, dan sigmoid kernel. Hasil penelitian ini menunjukkan model terbaik adalah SVM dengan fungsi RBF kernel yang menghasilkan  nilai akurasi untuk data training sebesar 93,26% dan nilai akurasi untuk data testing sebesar 60,22%. Model SVM dengan fungsi RBF kernel dapat digunakan untuk memprediksi arah harga saham PT. Telekomunikasi Indonesia Tbk dengan nilai akurasi yang cukup baik untuk data testing, dan nilai akurasi yang sangat baik untuk data training.
Analisis Perbandingan Metode Fuzzy Time Series Model Singh dan Markov Chain untuk Prediksi Tingkat Penghunian Kamar Hotel Bintang di Yogyakarta Ihsan Aji Nugroho; Dhoriva Urwatul Wutsqa
STATMAT : JURNAL STATISTIKA DAN MATEMATIKA Vol 7 No 1 (2025)
Publisher : Math Program, Math and Science faculty, Pamulang University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/sm.v7i1.48599

Abstract

Sektor pariwisata mengalami peningkatan tren jumlah wisatawan dan tingkat penghunian kamar hotel setelah pandemi Covid-19. Dibutuhkan metode prediksi yang akurat, guna mendukung pengelolaan pariwisata serta kesiapan dalam menghadapi situasi darurat seperti pandemi Covid-19. Penelitian ini membandingkan akurasi metode Fuzzy Time Series model Singh dan Markov Chain dalam memprediksi tingkat penghunian kamar hotel bintang di Yogyakarta pascapandemi Covid-19. Data sekunder dari Badan Pusat Statistik (BPS) dibagi menjadi 80% data train dan 20% data test, kemudian dianalisis melalui fuzzifikasi, pembentukan Fuzzy Logic Relations (FLR) dan Fuzzy Logic Relations Grup (FLRG), serta defuzzifikasi dan prediksi dilakukan sesuai tahapan masing-masing model. Model Singh mempertimbangkan pola data historis tiga periode sebelumnya. Model Markov Chain menggunakan probabilitas transisi antar state. Nilai Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE) digunakan sebagai hasil evaluasi analisis model. Hasil menunjukkan model Singh lebih akurat dengan MSE 6,42 dan MAPE 5,57% pada train serta MSE 8,57 dan MAPE 4,75% pada test, dibandingkan model Markov Chain yang memiliki MSE 35,64 dan MAPE 14,68% pada data train serta nilai MSE 24,54 dan MAPE 6,11% pada data test. Oleh karena itu, model Singh dipilih untuk peramalan lima periode mendatang. Periode November 2024 memiliki nilai prediksi tingkat penghunian kamar sebesar 53,31 dan seterusnya.
PENERAPAN ALGORITMA KOHONEN SELF ORGANIZING MAP DALAM PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN DAMPAK BENCANA BANJIR Rohmah, Desti Nur; Wutsqa, Dhoriva Urwatul
Jurnal Kajian dan Terapan Matematika Vol 11, No 2 (2025): Jurnal Kajian dan Terapan Matematika (Juli)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v11i2.20068

Abstract

Self Organizing Map merupakan suatu metode dalam Neural Network yang digunakan untuk membagi pola masukan atau input ke dalam beberapa kelompok atau cluster. Penelitian ini bertujuan untuk mengetahui hasil cluster provinsi di Indonesia berdasarkan indikator dampak bencana banjir dengan algoritma Self Organizing Map serta mengetahui karakteristik dari setiap cluster yang terbentuk. Tahapan pertama adalah menentukan variabel input sebagai masukan jaringan yang selanjutnya di normalisasi dengan metode Min-Max Normalization. Langkah selanjutnya adalah melakukan pembelajaran dengan algoritma Self Organizing Map terhadap variabel input. Pada penelitian ini dilakukan beberapa pembentukan cluster yaitu pembentukan cluster dengan jumlah 2 cluster, 3 cluster dan seterusnya hingga 7 cluster. Pembentukan cluster dengan nilai Davies Bouldin Index terkecil dipilih sebagai jumlah cluster terbaik. Hasil penelitian ini menunjukkan bahwa pembentukan cluster menggunakan pembelajaran Self Organizing Map memberikan jumlah cluster terbaik adalah pada pembentukan 5 cluster dengan nilai Davies Bouldin Index (DBI) 0,6413. Pada pembentukan 5 cluster diperoleh 4 anggota pada cluster 1, 1 anggota pada cluster 2, 1 anggota pada cluster 3, 1 anggota pada cluster 4, dan 27 anggota pada cluster 5.
Co-Authors AA Sudharmawan, AA Agus Maman Abadi Alfizah Ayu Indria Sari Arifah Muzayyanah Arsyil Waritsman Ayu Aji Wedaring Tias Bayutama Isnaini Bayutama Isnaini Berta Nurwidyastuti Brilliant, Indira Ihnu Brodjol Sutijo Curie Putri Hijrihani Endang Listyani Ezra Putranda Setiawan Ezra Putranda Setiawan Ezra Putranda Setiawan Ezra Putranda Setiawan Firda Hariyanti Hanifa, Amelia Rifka Hanna Filen Sopia Ihsan Aji Nugroho Inayati, Syarifah Isnaini, Bayutama Janastu, I Nyoman Cerdas Karyati ' Karyati Karyati Kismiantini Kismiantini Konstantinus Denny Pareira Meke Manuela Visakha Maria Trisna Sero Wondo Muhammad Fauzan Muhammad fauzan Muhammad Fauzan Muhammad Istiqlal Muhammad Suhadak Muzayyanah, Arifah Netty Angie Nazamawati Nurlia Ningsih Prasari, An Naffila Putri Priansyah, Syifa Nafi'ah Prihastuti, Pusparani Puan Puspita, Maya Novia Rakhmat Wibowo Ratna Widianti Utami Retno Damayanti Retno Subekti Rifai Rifai Rina Susilowati Rinda Naviano Rohmah, Desti Nur Rosita Kusumawati Rosita Kusumawati Sahid Sahid Sahid Sahid Satriawan Satriawan Sri Rezeki subanar subanar Suhartono Suhartono Suhartono Suhartono Suryo Guritno Trisnawati Ulfa Lu’luilmaknun Usi Susanti Winda Dwi Astuti Yogya Ardi Winata Zanzawi Soejoeti