Article Per Year (5 Year)
p-Index From 2021 - 2026
4.615
P-Index
This Author published in this journals
All Journal EKSAKTA: Journal of Sciences and Data Analysis JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Unisda Journal of Mathematics and Computer Science (UJMC) Jurnal Pengembangan Rekayasa dan Teknologi EIGEN MATHEMATICS JOURNAL Square : Journal of Mathematics and Mathematics Education Jurnal Statistika dan Aplikasinya JAMBURA JOURNAL OF PROBABILITY AND STATISTICS LOSARI: Jurnal Pengabdian Kepada Masyarakat Journal Of Human And Education (JAHE) Fraction: Jurnal Teori dan Terapan Matematika Journal Focus Action of Research Mathematic (Factor M) Journal of Data Insights Jurnal Pengabdian Masyarakat dan Riset Pendidikan Parameter: Jurnal Matematika, Statistika dan Terapannya Emerging Statistics and Data Science Journal Amalgamasi: Journal of Mathematics and Applications Scientific Journal of Computer Science
Ihsan Fathoni Amri
Universitas Muhammadiyah Semarang
Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search

 1   2   3   4 
PREDIKSI RATA-RATA KELEMBAPAN MENGGUNAKAN METODE SARIMAX DENGAN RATA-RATA TEMPERATUR SEBAGAI VARIABEL EXOGENOUS Amri, Ihsan Fathoni; Sari, Selvi Ana Windia; Kinanta, Ailsha Syafa; Haris, M. Al; Sidqi, Isnaeni Miftahul; Choirudin, Mochamad Fahmi
Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 3 No 2 (2024): Parameter: Jurnal Matematika, Statistika dan Terapannya
Publisher : Jurusan Matematika FMIPA Universitas Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/parameterv3i02pp93-106

Abstract

Rata-rata kelembapandi Indonesia memiliki variansi yang bergantung pada lokasi dan musim. Kelembapanjuga bisa bervariasisepanjang hari, dengan puncak kelembapanbiasanya terjadi pada pagi hari dan menurun pada siang hari sebelum meningkat kembali pada malam hari. Penelitian ini bertujuan untuk memprediksi rata-rata kelembapan di Stasiun Klimatologi Jawa Tengah dengan menggunakan metode SARIMAX (Seasonal Autoregressive Integrated Moving Average with ExogenousVariables).Metode SARIMAX dipilih karena memiliki kemampuan dalammenangani data time series yang memliki komponen musiman dan melibatkan variabel exogenous. Rata-rata temperature digunakan sebagai variabel exogenouskarena adanya korelasi yang signifikan antara rata-rata temperature danrata-ratakelembapan. Data rata-rata kelembapandan temperature diambil dari catatan harian pada periode yang digunakan dalam penelitian. Model SARIMAX kemudian dikembangkan dengan parameter yang dioptimalkan melalui proses iteratif untuk mencapaitingkat akurasi prediksi yang maksimal. Hasil penelitian menunjukkan bahwa model SARIMAX (1, 1, 1)(1, 1, 1)4 dengan nilai AIC sebesar 323,89dan nilai MAPE sebesar 2,863913mampu memberikan prediksi yang cukup akurat terhadap rata-rata Kelembapandi Stasiun Klimatologi Jawa Tengah,denganerror prediksi paling rendah. Model ini dapat memprediksi rata-rata kelembapan selama 8 hari kedepan. Temuan ini dapat membantu dalam perencanaan dan pengelolaan berbagai sektor kegiatan di wiliyah tersebut.
Itu Analisis faktor kejadian batu empedu menggunakan model regresi logistik biner. Amri, Ihsan Fathoni; Rohim, Febrian Hikmah Nur; Nurul Azka, M. Ilham; Rakhmawati, Muji Silvi
EKSAKTA: Journal of Sciences and Data Analysis VOLUME 6, ISSUE 2, October 2025
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/EKSAKTA.vol6.iss2.art3

Abstract

Gallstone disease (cholelithiasis) is a digestive system disorder with a globally increasing prevalence. This study aims to identify risk factors contributing to the occurrence of gallstones using a logistic regression model. The data were obtained from the UC Irvine Machine Learning Repository, comprising a total of 319 outpatients from Ankara VM Medical Park Hospital, Turkey. The analysis was conducted on 23 independent variables, including demographic characteristics, body composition, medical history, and laboratory results. The Chi-Square test identified four significant variables, while the Wald test revealed six statistically significant predictors of gallstone occurrence: age, comorbidities, diabetes mellitus, visceral fat rating, visceral fat area, and vitamin D levels. Diabetes mellitus emerged as the most dominant risk factor (OR = 11.5), whereas higher levels of vitamin D showed a protective effect. The logistic regression model demonstrated a classification accuracy of 77%, indicating good predictive performance. These findings are expected to support early detection, clinical decision-making, and preventive interventions for more effective gallstone prevention.
Pemodelan ARIMA dan ARIMAX untuk Memprediksi Jumlah Produksi Padi di Kota Magelang Amri, Ihsan Fathoni; Ramadhan, Wulan Nur; Ainurrofiah, Safira; Haris, M. Al
Square : Journal of Mathematics and Mathematics Education Vol. 5 No. 2 (2023)
Publisher : UIN Walisongo Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21580/square.2023.5.2.17059

Abstract

Memprediksi atau meramalkan perilaku observasi biasanya menggunakan pemodelan time series yang dilakukan secara berurutan. Prediksi jumlah produksi padi diharapkan dapat memberikan masukan bagi pemerintah dan dimanfaatkan oleh siapa saja sebagai pengembangan pada sektor pertanian serta sebagai bahan ajar penggunaan metode ARIMA (Autoregressive Integrated Moving Average) dan ARIMAX (Autoregressive Integrated Moving Average with Exogenous Variable). Tujuan dari penelitian ini sebagai perbandingan dalam menemukan model terbaik dari metode ARIMA dan ARIMAX untuk memprediksi jumlah produksi padi pada tahun 2023 di kota Magelang. Data yang digunakan merupakan data produksi padi dan luas lahan tanam sebagai variabel eksogen di Kota Magelang pada bulan Januari 2019 sampai Desember 2022. Berdasarkan hasil analisis, diperoleh model ARIMA terbaik untuk meramalkan jumlah produksi padi di kota Malang adalah ARIMA (0,1,1), sedangnkan model ARIMAX terbaik adalah ARIMAX (0,0,1). Perbandingan kedua model tersebut berdasarkan nilai MAPE, model ARIMAX (0,0,1) menjadi model terbaik untuk meramalkan jumlah produksi padi di Kota Malang karena menghasilkan MAPE terkecil 6,31%. Hasil peramalan menggunakan model ARIMAX (0,0,1) menunjukkan data cenderung mengalami pola trend turun. Hal ini dikarenakan lahan pertanian yang semakin sempit setiap tahunnya sehingga menyebabkan jumlah produksinya semakin menurun.Kata Kunci: Pemodelan, metode ARIMA, metode ARIMAX, Produksi Padi.
Pemodelan ARIMAX untuk Meramalkan Harga Minyak Mentah Dunia Amri, Ihsan Fathoni; Wulandari, Ayu; Abidah, Khansa Ni'mal; Irawan, Alfian Chandra; Haris, M. Al
Square : Journal of Mathematics and Mathematics Education Vol. 5 No. 1 (2023)
Publisher : UIN Walisongo Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21580/square.2023.5.1.17074

Abstract

Perdagangan secara umum dikelompokkan menjadi dua yaitu, ekspor dan impor. Salah satu contoh perdagangan tersebut adalah minyak mentah. Diketahui saat ini harga pasar minyak mentah dunia mempengaruhi tingkat perekonomian global. Harga minyak yang terus berubah, tentu saja menjadi sumber kekhawatiran dan perhatian tersendiri, terutama dalam industri minyak. Dalam penelitian ini, akan mengkaji harga minyak mentah menggunakan model ARIMAX (Autoregressive Integrated Moving Average with Exogenous Variables). Model ARIMAX dipilih karena mampu mengintegrasikan variabel eksternal, seperti volume nilai tukar rupiah dan produksi minyak, yang mempengaruhi harga minyak mentah. Tujuan utama penelitian ini adalah untuk mengembangkan model prediktif yang akurat dengan mempertimbangkan pengaruh produksi minyak (Richard et al., 2021)dan nilai tukar rupiah terhadap harga minyak mentah dunia. Berdasarkan hasil analisis model ARIMAX (0,1,2) merupakan model terbaik dalam meramalkan harga minyak mentah dunia karena memiliki nilai AIC dan MAPE terkecil, yaitu AIC sebesar 408,49 dan MAPE 8,88. Berdasarkan hasil tersebut peramalan dengan model model ARIMAX (0,1,2) dapat dikategorikan sangat baik.Kata Kunci: ARIMAX, Perekonomian, Harga minyak mentah dunia, Nilai tukar rupiah, Produksi minyak.
PERBANDINGAN MODEL ARIMA DAN ARIMAX UNTUK PERAMALAN TEMPERATUR DI KOTA SEMARANG Adhwaningrum, Arullah Salsabila; Amri, Ihsan Fathoni; Saputri, Atika Dwi; Diani, Nandini Lova; Pratama, Rifin Fadilla; Al Haris, M.
Amalgamasi: Journal of Mathematics and Applications Vol. 3 No. 2 (2024): Amalgamasi: Journal of Mathematics and Applications
Publisher : Universitas Pasifik Morotai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55098/amalgamasi.v3.i2.pp54-64

Abstract

Semarang mengalami banjir yang disebabkan oleh curah hujan yang tinggi dan penurunan temperatur yang drastis, terutama pada bulan Maret. Penelitian ini menganalisis perbandingan antara model AutoRegressive Integrated Moving Average (ARIMA) dan AutoRegressive Integrated Moving Average dengan Exogenous variables (ARIMAX) untuk prediksi suhu di kota Semarang pada tahun 2024. ARIMAX menggabungkan variabel eksogen ke dalam kerangka ARIMA dan memungkinkan pertimbangan faktor eksternal yang dapat mempengaruhi suhu. ARIMAX memberikan fleksibilitas tambahan dengan menyertakan variable eksternal seperti pola curah hujan, yang secara signifikan mempengaruhi variasi suhu. Data yang digunakan terdiri dari 150 observasi, dengan 135 data digunakan sebagai data training dan 15 data sebagai data testing. Setelah melakukan uji kestasioneran dan diferensiasi data, dilakukan pemodelan ARIMA dan ARIMAX. Model terbaik yang dipilih berdasarkan nilai AIC terkecil adalah ARIMAX (3,1,0) dengan nilai AIC sebesar 346.79 dan MAPE sebesar 2.2084%. Hasil menunjukkan bahwa model ARIMAX lebih akurat dibandingkan dengan model ARIMA, dengan kesalahan peramalan yang lebih rendah
Peramalan Produksi Tanaman Padi Indonesia Tahun 2025 Menggunakan Metode Triple Exponential Smoothing Holt-Winters : Peramalan Produksi Tanaman Padi Indonesia Tahun 2025 Menggunakan Metode Triple Exponential Smoothing Holt-Winters Inayah Pangestu, Eka; Wulandari, Siti; Salwa Salsabila, Galuh; Nur Arifah, Miftah; Ardana Setiawan, Deftha; Fathoni Amri, Ihsan; Bahaudin, Muhammad; M. Al Haris
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol4.iss.1.art07

Abstract

Produksi padi memiliki peran penting dalam mendukung ketahanan pangan nasional. Untuk memastikan ketersediaan pangan di tengah peningkatan jumlah penduduk, diperlukan peramalan produksi yang akurat. Penelitian ini bertujuan untuk memodelkan peramalan produksi padi Indonesia tahun 2025 selama periode Januari 2019 hingga Desember 2024 menggunakan Triple Exponential Smoothing Holt-Winters, baik model aditif maupun model multiplikatif. Hasil penelitian menunjukkan bahwa model aditif merupakan model terbaik untuk meramalkan produksi tanaman padi Indonesia tahun 2025. Dengan parameter optimal α=0,3, β=0,4, dan γ=0,1, serta nilai MAPE sebesar 25,72% yang menunjukkan bahwa hasil peramalan cukup akurat.
Stock Price Forecasting of PT. Bank Rakyat Indonesia (Persero) Tbk. Using Long Short-Term Memory (LSTM) Method Lydia Nur Sa'adah; Nasyiatul Izzah; Kamilah Citra Khumairoh; M. Al Haris; Ihsan Fathoni Amri
Journal of Data Insights Vol 3 No 2 (2025): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v3i2.847

Abstract

Stock price forecasting is a major challenge in financial market analysis due to the volatility and unpredictability of price movements. The limitations of traditional statistical methods in capturing nonlinear patterns and long-term temporal dependencies have encouraged the adoption of deep learning–based approaches. This research aims to predict the stock price of PT Bank Rakyat Indonesia (Persero) Tbk. (BBRI) using the Long Short-Term Memory (LSTM) method, which is effective at handling problems with fading information and identifying long-term trends in time series data. The dataset comprises historical BBRI share prices from April 16, 2015, to April 16, 2025, with 80% of the data used for training and 20% for testing. LSTM’s model was trained for 10 epochs with a batch size of 32 using the Adam optimizer. The results prove that the LSTM model can effectively capture stock price movement patterns, achieving a mean absolute error (MAE) of 8.42 and a mean absolute percentage error (MAPE) of 1.50%, indicating a high level of accuracy. The visualization of the prediction results reveals a trend that closely aligns with the actual values. These findings reinforce LSTM’s position as a reliable approach to stock price forecasting and highlight its potential as a strategic tool for investors and policymakers in managing market risk.
Analysis of Passenger Flight Distance as an Indicator of Economic Activity Ihsan Fathoni Amri; Suci Izzati; Rendi Andika Putra; Iva Aurellia Khalif; Febryana Dilla Setyaningrum; Isnaini Maulida; M. Al Haris
Parameter: Jurnal Matematika, Statistika dan Terapannya Vol 5 No 1 (2026): Parameter: Jurnal Matematika, Statistika dan Terapannya
Publisher : Jurusan Matematika FMIPA Universitas Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/parameterv5i1pp111-124

Abstract

Understanding macroeconomic dynamics in the United States requires advanced forecasting techniques capable of capturing both seasonal structures and external shocks. This study investigates the relationship between passenger flight distance and the unemployment rate through the implementation of the Seasonal Autoregressive Integrated Moving Average with Exogenous Variables (SARIMAX) model—an enhancement of the SARIMA framework. While SARIMA accounts for autoregressive, differencing, and moving average components with seasonal integration, SARIMAX further augments this structure by incorporating exogenous predictors, enhancing explanatory and predictive power. Monthly time series data from 2015 to 2024 were utilized, with flight distance as the endogenous variable and the unemployment rate as the exogenous regressor. The modeling procedure involved rigorous stationarity testing via the Augmented Dickey-Fuller (ADF) test, model selection using the Akaike Information Criterion (AIC), and residual diagnostics employing the Box–Ljung and Shapiro–Wilk tests. SARIMAX(0,1,0)(0,1,1)[12] + X emerged as the optimal specification, with all parameters statistically significant and a MAPE of 3.68%, denoting excellent forecast accuracy. Empirical findings reveal a significant and negative association between unemployment and air travel activity, emphasizing the role of labor market dynamics in shaping mobility trends. These results reinforce the utility of SARIMAX as a robust tool in macroeconomic forecasting and evidence-based policy formulation.
Comparative analysis of machine learning algorithms for tuberculosis classification based on symptom data Ihsan Fathoni Amri; Muhammad Ivan Ardiansyah; Wikanastri Hersoelistyorini
Journal Focus Action of Research Mathematic (Factor M) Vol. 9 No. 1 (2026): June 2026
Publisher : Universitas Islam Negeri (UIN) Syekh Wasil Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30762/f_m.v9i1.8357

Abstract

Tuberculosis remains a major global health issue due to its high transmission rate and delays in early detection. Early identification of suspected tuberculosis cases based on patient symptoms is important for timely screening and reducing disease transmission. This study aims to compare the performance of Logistic Regression, Support Vector Machine, K-Nearest Neighbor, and Extreme Gradient Boosting in classifying suspected tuberculosis cases using symptom-based data. The dataset, consisting of clinical indicators such as cough, fever, shortness of breath, and other tuberculosis-related symptoms, was preprocessed and divided into training and testing sets. Model performance was evaluated using accuracy, confusion matrix, sensitivity/recall, specificity, precision, F1-score, and balanced accuracy. The results show that K-Nearest Neighbor achieved the highest accuracy of 87%, compared with Support Vector Machine at 80%, Logistic Regression at 72%, and XGBoost at 71%. However, the confusion matrix showed that KNN produced 110 false-negative cases and only 19 true-positive TB cases, resulting in a TB recall of approximately 14.7%. These findings indicate that high accuracy does not necessarily reflect good screening performance, especially when sensitivity is low. Therefore, although KNN showed the highest accuracy, it cannot yet be considered adequate as a standalone tuberculosis screening model. Further improvement and validation using larger, balanced, and clinically confirmed datasets are required.
Study on Import and Export Indicators in Indonesia Using Volatility and Markov Switching Model Combination: Kajian Indikator Impor dan Ekspor di Indonesia Menggunakan Kombinasi Model Volatilitas dan Markov Switching Ihsan Fathoni Amri; Dannu Purwanto
Journal of Data Insights Vol 1 No 1 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i1.137

Abstract

Krisis ekonomi tahun 1997 merupakan masalah yang terjadi di hampir semua negara berkembang termasuk Indonesia. Berdasarkan krisis ekonomi, diperlukan indikator performance knowledge. Impor dan ekspor merupakan indikator penting yang harus dilihat kinerjanya. Data bulanan impor dan ekspor merupakan data deret waktu karena dikumpulkan, dicatat, dan diamati dalam urutan waktu. Data impor dan ekspor mengandung masalah heteroskedastisitas pada model residual dan conditional change pada volatilitas. Kombinasi model volatilitas dan Markov switching dapat mengatasi permasalahan dalam penelitian ini. Penelitian ini dikembangkan dengan menggunakan data volatilitas dan smoothed probability, selanjutnya penelitian ini memperoleh tingkat akurasi dengan membandingkan probabilitas prediksi dengan probabilitas smoothed dari data aktual. Hasil dari penelitian ini diperoleh model SWARCH(4,1) dengan ARIMA(1,0,0) untuk rata-rata dan ARCH(1) untuk varians yaitu untuk total data impor dan model SWARCH(2,1) dengan ARIMA(1, 0,0) untuk rata-rata dan ARCH(1) untuk varian yang merupakan total data ekspor. Probabilitas prediksi perbandingan dan probabilitas pemulusan dari data aktual diperoleh akurasi 40,91% untuk indikator impor dan 100% untuk indikator ekspor, artinya untuk indikator impor harus mengubah nilai awal model SWARCH agar lebih akurat.
Co-Authors Abdul Ghufron Abidah, Khansa Ni'mal Adhwaningrum, Arullah Salsabila Ahmed A. Mostfa Ainurrofiah, Safira Al Aghni Naufalia Al Haris, M Albertus Dion Sarah Alia Permata Alwan Fadlurohman Amri, Saeful Andri Suherdi Ardana Setiawan, Deftha Ariska Fitriyana Ningrum Ariska Fitriyana Ningrum Arman Mohammad Nakib Arya, Abimanyu Asrirawan Astuti, Sofi Anggi Ayu Wulandari Azzahrani, Rahma Dewi Bahaudin, Muhammad Choirudin, Mochamad Fahmi Dannu Purwanto Dhani, Oktaviana Rahma Diani, Nandini Lova Dwi Saputri, Atika Dwi Sulistiani Elfina Latifah Safira Elsa Nudyawati Farid Sam Saputra Febi Anggun Lestari Febrian Hikmah Nur Rohim Febrian Hikmah Nur Rohim Febrian Hikmah Nur Rohim Febryana Dilla Setyaningrum Firochul Masichah Haris, M. Al Havinka Angel Salsabilla Heppy Nur Asavia Ginasputri Herculianus Rowa Dawi Inayah Pangestu, Eka Indah Manfaati Nur Irawan, Alfian Chandra Isnaini Maulida Iva Aurellia Khalif Jesicha Arsusma Kaia Raissa Akmalia Kamilah Citra Khumairoh Khamidah Arsyad Daud Khikman, Muhammad Alvaro Kinanta, Ailsha Syafa Laila Qadrini Lea Angelina Lydia Nur Sa'adah Lydia Nur Sa'adah M. Al Haris M. Al Haris Moch Yahya Muhammad Alvaro Khikman Muhammad Fahmuddin Muhammad Ivan Ardiansyah Muhammad Ivan Ardiansyah Muhammad Ivan Ardiansyah Nasyiatul Izzah Novia Yunanita Nufita Nurohmah Nur Arifah, Miftah Nur Mahmudah Nurmawati Ainun Nurul Azka, M. Ilham NURUL HIKMAH Oktaviana Rahma Dhani Pranandira Rilvandri, Quinsy Pratama, Rifin Fadilla Priambodo, Danu Puspitasari, Linda Raka Nurhaq Mulya Hartanto Rakhmawati, Muji Silvi Ramadhan, Wulan Nur Rendi Andika Putra Revika Inta Nur Kholifah Riska Multiyaningrum Riska Multiyaningrum Riska Multiyaningrum Rofiah Ainun Nisa Rohim, Febrian Hikmah Nur Salsabila Dhea Sintya Salwa Salsabila, Galuh Saputri, Atika Dwi Sari, Selvi Ana Windia Sidqi, Isnaeni Miftahul Siti Mutiah siti wulandari Suci Izzati Suherdi, Andri Sulistiya, Indah Supriyanto Syaharani, Nabbila Dyah Tiani Wahyu Utami Velia Arni Widyasari Wahid, Siti Nurasriyanti Wardani, Amelia Kusuma Watur, Annisa Cahyaningrum Wikanastri Hersoelistyorini Wikanastri Hersoelistyorini Wulan Sari Yan Nazala Bisoumi Yolan Triky Yusrisma Asyfani Zahra Aura Hisani Zahra Aura Hisani Zahra Aura Hisani