Article Per Year (5 Year)
p-Index From 2021 - 2026
3.096
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Dasar AKSIOMA: Jurnal Program Studi Pendidikan Matematika Jurnal Sains Matematika dan Statistika Jurnal Matematika Sains dan Teknologi Jurnal Aplikasi Statistika & Komputasi Statistik INSIST (International Series on Interdisciplinary Research) Buguh: Jurnal Pengabdian Kepada Masyarakat Jurnal Siger Matematika Sciencestatistics: Journal of Statistics, Probability, and Its Application Advance Sustainable Science, Engineering and Technology (ASSET)
Khoirin Nisa
Department Of Mathematics, Faculty Of Mathematics And Natural Sciences, University Of Lampung
Agriculture, Biological Sciences & Forestry Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Model EGARCH dan TGARCH untuk Mengukur Volatilitas Asimetris Return Saham Sofalina Nodra Brilliantya; Khoirin Nisa; Subian Saidi; Eri Setiawan
Jurnal Siger Matematika Vol 3, No 2 (2022): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v3i2.3111

Abstract

Model Generalized Autoregressive Conditional Heterocedasticity (GARCH) merupakan salah satu pemodelan data deret waktu yang digunakan untuk mengukur data yang memiliki varians residual yang tidak konstan atau bersifat heteroskedastisitas.  Heteroskedastisitas terjadi karena data deret waktu memiliki volatilitas yang tinggi.  Model Exponential GARCH (EGARCH) dan Threshold GARCH (TGARCH) adalah model-model GARCH yang dapat mengatasi efek asimetris pada volatilitas.  Data yang digunakan pada penelitian ini adalah data return saham harian PT KB Bukopin Tbk (BBKP).  Penelitan ini bertujuan untuk menerapkan model EGARCH dan TGARCH serta mendapatkan  model terbaik dalam mengukur volatilitas asimetris data return saham harian.  Pemilihan model terbaik didasarkan pada nilai Akaike Information Criterion (AIC) terkecil.  Hasil analisis menunjukan bahwa model EGARCH (2,1) adalah model terbaik untuk mengukur dan meramalkan volatilitas asimetris return saham yang digunakan.
IMPLEMENTATION OF DECISION TREE AND SUPPORT VECTOR MACHINE ON RAISIN SEED CLASSIFICATION Wardhani Utami Dewi; Khoirin Nisa; Mustofa Usman
AKSIOMA: Jurnal Program Studi Pendidikan Matematika Vol 12, No 1 (2023)
Publisher : UNIVERSITAS MUHAMMADIYAH METRO

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (402.668 KB) | DOI: 10.24127/ajpm.v12i1.6873

Abstract

In everyday life there are many complex and global problems, especially in terms of decision making. Machine learning (ML) which is built from the concepts of computer science statistics and mathematics can automatically solve problems without guidance from ordinary users. Decision tree (DT) and support vector machine (SVM) are two supervised learning methods among several classification algorithms in ML. Both algorithms are the most popular classification techniques due to their ability to change a complex decision-making process into a simple process. In this study, the accuracy of the DT and SVM algorithms is studied on classifying raisin seeds into the Besni class and the Kecimen class based on existing features. The raisin data are divided into training and testing data, and the evaluation of the two methods is done using the testing data. The results of the evaluation are compared based on the accuracy, sensitivity, specificity, and kappa levels of the DT and SVM algorithms. The results on classifying raisin seeds data show that the SVM algorithm is superior to DT, therefor the number of positive observations is more precise in the prediction.
Penerapan Adaptive Neuro Fuzzy Inference System (ANFIS) Menggunakan Fungsi Keanggotaan Generalized Bell Untuk Peramalan Data Time Series Rachma Adji Ramadanti; Nusyirwan Nusyirwan; Pandri Ferdias; Khoirin Nisa
Jurnal Sains Matematika dan Statistika Vol 9, No 2 (2023): JSMS Juli 2023
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v9i2.20789

Abstract

Analisis deret waktu merupakan teknik analisis dalam statistika yang menggunakan data observasi dari beberapa periode secara beruntun dalam interval waktu yang tetap.  Dalam analisis ini, model dibangun dan diidentifikasi dari pola data peristiwa dari masa lalu.  ANFIS merupakan salah satu metode yang dapat digunakan untuk melakukan peramalan data time series, ANFIS sendiri merupakan salah satu jenis neural network yang berbasis pada sistem inferensi fuzzy Takagi Sugeno.  Tujuan dari penelitian ini adalah menerapkan ANFIS untuk meramalkan data time series menggunakan fungsi keanggotaan generalized bell.  Selanjutnya menduga model ANFIS dan memperoleh tingkat akurasi dari model peramalan Indeks Harga Konsumen (IHK) dengan metode ANFIS.  Variabel prediktor yang digunakan adalah inflasi dan uang beredar, untuk variabel respon yang digunakan adalah IHK.  Model terbaik dipilih berdasarkan pada nilai RMSE.  Hasil analisis menunjukan bahwa penggunaan metode ANFIS sudah baik untuk peramalan data karena hasil prediksi sudah cukup mendekati data aktual dan RMSE model ANFIS dengan 2-cluster memberikan tingkat keakuratan yang baik untuk meramalkan IHK dengan nilai RMSE sebesar 5,29907. Kata Kunci:  data time series, ANFIS, indeks harga konsumen, peramalan
Kinerja Naive Nayes Classifier Pada Penyaringan Short Message Service (SMS) Spam Putri Apricia; Khoirin Nisa; Netti Herawati; Muslim Ansori
Jurnal Siger Matematika Vol 4, No 2 (2023): Jurnal Siger Matematika
Publisher : FMIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jsm.v4i2.12541

Abstract

Currently short messages or known as SMS (short message service) is one of the communication media that is often used by some irresponsible people to commit criminal acts of fraud. This type of SMS that is abused is called spam. To overcome this problem, SMS operators need to filter the type of incoming SMS to clients using a classification algorithm. One of the classification methods that can be used is the Naïve Bayes method. The Naïve Bayes method is a classification method in machine learning that involves the concept of probability. This method is a simple Bayes algorithm model and it can be used to classify text or document data. In this paper the Naïve Bayes method is applied for SMS data classification analysis. This method is used to classify the type of SMS whether it is "spam" or not spam (called "ham"). Based on the results of the analysis by trying several proportions of the distribution of training data and testing data, the best accuracy results were obtained at 97% using a training-testing data ratio of 60: 40.
PELATIHAN STATISTIKA DESKRIPTIF UNTUK DATA ADMINISTRATIF DESA DI KECAMATAN TANJUNG RAJA KABUPATEN LAMPUNG UTARA subian saidi; Netti Herawat; Misgiyati; Khoirin Nisa; Agus Sutrisno
BUGUH: JURNAL PENGABDIAN KEPADA MASYARAKAT Vol. 6 No. 1 (2026): Maret 2026
Publisher : Badan Pelaksana Kuliah Kerja Nyata Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/buguh.v6n1.3385

Abstract

Data administratif merupakan kumpulan data yang memiliki sifat nyata tentang sesuatu yang dianggap penting dan disimpan secara sistematis dalam sebuah sistem untuk mendapatkan suatu informasi tentang suatu hal yang berhubungan dalam ruang lingkup tertentu. Catatan administrasi Desa yang dikumpulkan mempunyai tujuan pengambilan keputusan tertentu, sehingga adanya satuan identitas yang memiliki kesesuaian dengan catatan tertentu sangat penting. Perlu dilakukan analisis terhadap data yang sudah diperoleh. Tujuannya adalah agar masyarakat dapat melihat gambaran jelas terkait data yang diperoleh dan juga memudahkan perangkat Desa untuk mengambil keputusan terkait kebijakan yang akan diambil. Oleh karena itu akan dilakukan pelatihan dan sosialisasi terkait pelatihan analisis data deskriptif bagi perangkat desa di kecamatan Tanjung Raja kabupaten Lampung Utara. Sehingga diharapkan kedepannya gambaran terkait data dapat dipublikasikan dalam bentuk yang mudah untuk dipahami yaitu dengan statistika deskrptif.
Sampling Survey Design Presidential Election Quick Count Sumatera Island Wardhani Utami Dewi; Warsono Warsono; Khoirin Nisa
Sciencestatistics: Journal of Statistics, Probability, and Its Application Vol. 1 No. 1 (2023): JANUARY
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/sciencestatistics.v1i1.3162

Abstract

The number of TPS on the island of Sumatra is very large, in order to save time and money in conducting surveys, a sampling survey design was created. The purpose of this study is to predict the results of the presidential election on the island of Sumatra. The TPS sample frame was obtained in four stages where each stage used a sampling technique, namely the first and second stages used stratified random sampling, the third stage used systematic random sampling, and the last used clusters. The results obtained are with different TPS sample sizes showing the same results. The victory in the presidential election on the island of Sumatra was won by candidate pair number two. Then compared with the overall TPS population in Sumatra. Based on the population, the second candidate pair is also superior. So it can be concluded that the use of a survey sampling design in this study is appropriate in predicting the results of the elected president election.
Penerapan Analisis Regresi Robust dalam Penentuan Faktor Dominan Cuaca Terhadap Penyebaran Covid-19 di Jawa Barat Aditya Putra Pradana; Khoirin Nisa
Sciencestatistics: Journal of Statistics, Probability, and Its Application Vol. 1 No. 1 (2023): JANUARY
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/sciencestatistics.v1i1.3181

Abstract

Penyebaran Corona Virus Disease-2019 (COVID-19) semakin mengkhawatirkan di dunia, khususnya di provinsi Jawa Barat, Indonesia. Selain penularan dari manusia ke manusia, parameter meteorologi dianggap menjadi faktor efektif dalam penyebaran virus tersebut. Parameter meteorologi tersebut diantaranya terkait dengan cuaca dan iklim di suatu daerah. Melalui kajian Badan Meterologi, Klimatologi, dan Geofisika (BMKG) Indonesia ditemukan bahwa cuaca dan iklim merupakan faktor pendukung terjadinya wabah COVID-19 sehingga sangat cocok apabila dilakukan penelitian dan analisis mengenai faktor yang paling berpengaruh terhadap penyebaran COVID-19. Pada penelitian ini, bertujuan untuk mengetahui faktor-faktor dominan apa saja yang mempengaruhi penyebaran COVID-19 di provinsi Jawa Barat. Metode analisis yang akan digunakan yaitu metode S-estimator yang merupakan salah satu metode analisis regresi robust, sebab terdapat data yang merupakan pencilan sehingga distribusi dari residu tidak normal. Data yang digunakan diambil dari situs resmi Badan Meteorologi, Klimatologi, dan Geofisika Indonesia dan situs Kawal COVID-19 dengan variabel bebas yaitu suhu, kelembaban udara, lama penyinaran matahari, kecepatan angin, dan curah hujan, serta variabel terikatnya yaitu jumlah penderita positif COVID-19. Software dalam analisis tersebut menggunakan software IBM SPSS Statistic versi 25dan software R 3.4.3. Berdasarkan hasil penelitiannya, terlihat bahwa nilai R-square (adjusted) dengan regresi robust S-estimator sebesar 56,79% dan variabel bebas suhu dan lamanya penyinaran matahari mempengaruhi variabel jumlah penderita positif COVID-19 sehingga dapat disimpulkan bahwa kedua variabel bebas tersebut merupakan faktor dominan yang mempengaruhi penyebaran COVID-19 di Jawa Barat.
Artificial Neural Network (ANN) Classification: Titanic Passenger Safety Juanda Juanda; Khoirin Nisa
Sciencestatistics: Journal of Statistics, Probability, and Its Application Vol. 1 No. 2 (2023): JULY
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/sciencestatistics.v1i2.5074

Abstract

Scientific and technological innovation has always been the main driver of economic growth and social progress. The rapid development of technology and advances in the internet have made it possible to disseminate information and interact more easily. With the rapid development of technology, a lot of information is shared every second, resulting in big data in terms of different, complex variables. ANN is the result of work in the computer field that is inspired by the capabilities of the human brain which consists of biological neural networks. In recent years, the use of artificial neural networks (ANN) has increased. The research carried out aims to analyze the survival capabilities of Titanic passengers who experienced an accident while sailing and sank. This research uses initial data of 1309 observations with 14 variables. From the research results, 2 hidden variables are the most accurate with an accuracy of 80.5%, compared to the number of hidden variables of 3 (79%) and 4 (79%). So it can be concluded that the number of hidden variables with the same number of hidden screens does not have a significant difference in accuracy
Penerapan Metode Geographically Weighted Panel Regression Pada Indeks Pembangunan Manusia di Indonesia Tahun 2017-2022 Deta Erviana; Mustofa Usman; Widiarti; Khoirin Nisa
Sciencestatistics: Journal of Statistics, Probability, and Its Application Vol. 2 No. 1 (2024): JANUARY
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/sciencestatistics.v2i1.5669

Abstract

Regresi linier merupakan metode statistik untuk memeriksa hubungan antara variabel respons dan satu atau lebih variabel prediktor. Dalam sebuah penelitian, satu unit observasi harus diteliti selama beberapa periode waktu, karena mempelajari satu unit dalam satu periode waktu tidaklah cukup. Oleh karena itu, sebuah pendekatan statistik yang disebut analisis regresi panel diciptakan untuk mengintegrasikan data cross-section dan data time series. Namun pada kenyataannya, perbedaan kondisi antar lokasi dipengaruhi oleh efek spasial yang menyebabkan terjadinya heterogenitas spasial. Dikembangkanlah metode Geographically Weighted Regression (GWR) untuk mengatasi masalah heterogenitas spasial. Berdasarkan kelebihan kedua metode tersebut maka berkembanglah suatu metode yang menggabungkan antara regresi data panel dan GWR yaitu Geographically Weighted Panel Regression (GWPR). Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor yang mempengaruhi indeks pembangunan manusia (IPM) di Indonesia tahun 2017-2022 dan menentukan model terbaik dengan membandingkan model regresi global dan GWPR. Model GWPR dengan pembobot adaptive bisquare merupakan model terbaik dengan nilai AIC terkecil dan R^2 terbesar. Secara keseluruhan semua variabel prediktor yang digunakan dalam penelitian berpengaruh signifikan terhadap IPM pada taraf signifikansi α=0,05. Persamaan model dan variabel yang berpengaruh signifikan yang dihasilkan dalam pemodelan GWPR berbeda untuk setiap provinsi. Berdasarkan kesamaan variabel yang mempengaruhi IPM di provinsi yang letaknya berdekatan membentuk 8 kelompok.
Perbandingan Pembobot Welsch dan Tukey Bisquare pada Regresi Robust S-estimator Fifi Nurhafifah; Khoirin Nisa; Nusyirwan; Rizki Agung Wibowo
Sciencestatistics: Journal of Statistics, Probability, and Its Application Vol. 2 No. 2 (2024): JULY
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/sciencestatistics.v2i2.6156

Abstract

Regresi robust merupakan sebuah metode yang dikembangkan untuk memiliki kinerja yang baik ketika data yang dianalisis menyimpang dari asumsi yang mendasari, misalnya terdapat pencilan yang dapat menyebabkan galat menjadi tidak berdistribusi normal. Salah satu metode estimasi pada regresi robust adalah S-estimator, metode ini memiliki fungsi pembobot antara lain pembobot Welsch dan Tukey Bisquare. Pada penelitian ini, kami membandingkan bobot-bobot pada metode S-estimator pada data berukuran: 30, 60, 100 dan 200 yang diberikan kontaminasi pencilan sebesar: 5%, 10%, 15%, 20%, 25% dan 30%. Berdasarkan hasil simulasi diperoleh bahwa kedua pembobot menghasilkan nilai MSE (Mean Square Error) dan bias yang serupa. Sehingga dapat disimpulkan bahwa kedua pembobot memberikan hasil yang sesuai dan sama baiknya pada regresi S-estimator. Robust regression is a method developed to have good performance when the analyzed data deviates from the underlying assumptions, for example, there are outliers that can cause errors to be not normally distributed. One of the estimation methods in robust regression is the S-estimator, this method has weighting functions, including the Welsch and Tukey Bisquare weights. In this study, we compared the weights in the S-estimator method on data sizes: 30, 60, 100 and 200 which were given outlier contamination of: 5%, 10%, 15%, 20%, 25% and 30%. Based on the simulation results, it is found that the two weights produce similar MSE (Mean Square Error) and bias values. So it can be concluded that the two weights provide appropriate and equally good results in the S-estimator regression
Co-Authors Aditya Putra Pradana Agus Sutrisno Agus Sutrisno Ahmad Faisol Alita, Debby Deta Erviana Dina Amelia Dorrah Azis Eri Setiawan Eri Setiawan Eri Setiawan Fifi Nurhafifah Hilda Venelia Juanda Juanda Misgiyati Misgiyati Misgiyati Mona Arif Muda Muhammad Luthfi Muslim Ansori Mustofa Usman Nadhia Az Zahra Naflah Faulina Netti Herawat Netti Herawati Netti Herawati Netti Herawati Netti Herawati Netti Herawati Netti Herawati Nusyirwan Nusyirwan Nusyirwan Nusyirwan Nusyirwan Nusyirwan Nusyirwan Pandri Ferdias Putri Apricia Rachma Adji Ramadanti Rizki Agung Wibowo Rizki Agung Wibowo Saidi, Subian Shabrina Novaindah Dwiyamti Siska Diah Ayu Larasati Sofalina Nodra Brilliantya Styawati Styawati subian saidi Tiryono Ruby Wardhani Utami Dewi Warsono Warsono Widiarti