Article Per Year (5 Year)
p-Index From 2020 - 2025
1.623
P-Index
This Author published in this journals
All Journal Jurnal Matematika, Komputasi dan Statistika
Ruslan
Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo, Kendari
Computer Science & IT Mathematics

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
ANALISIS PORTOFOLIO OPTIMUM MENGGUNAKAN METODE SIMULASI MONTE CARLO PADA SEPULUH SAHAM LQ45 TERBAIK DI INDONESIA: ANALISIS PORTOFOLIO OPTIMUM MENGGUNAKAN METODE SIMULASI MONTE CARLO Herlisa; Arman; La Ode Saidi; La Gubu; Jufra; Ruslan
Jurnal Matematika Komputasi dan Statistika Vol. 3 No. 3 (2023): September-Desember
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v3i3.46

Abstract

Pada penelitian ini bertujuan untuk mengetahui hasil analisis risiko dan penerapan portofolio optimum menggunakan Metode Simulasi Monte Carlo pada sepuluh saham LQ45 terbaik di Indonesia. Objek pada penelitian ini adalah sepuluh saham LQ45 periode Februari-Juli 2021. Peneliti tertarik mengambil penelitian ini karena ingin mengembangkan kembali penelitian sebelumnya dan menyelesaikan permasalahan yang ada misalnya investor kesulitan dalam memilih portofolio optimum yang nantinya akan dilakukan investasi dan meminimalisir risiko yang ada. Hasil penelitian menunjukkan dari penerapan portofolio optimum menggunakan Metode Simulasi Monte Carlo pada sepuluh saham LQ45 terbaik di Indonesia pada periode Februari-Juli 2021 terletak pada saham UNVR sebesar 90%, saham BCA sebesar 77,99%, saham JSMR sebesar 32,53%, saham PGAS sebesar 30,77%, saham BRI sebesar 28,62%, dan saham ASII sebesar 10,29%. Hasil analisis menunjukkan dari sepuluh saham ada 6 saham yang dijadikan sebagai portofolio optimum dan ada 4 saham dengan bobot portofolio yang lebih rendah adalah saham BNI sebesar 10,07%, saham ACES sebesar 7,69%, saham MDKA sebesar 2,01%, dan saham ANTM sebesar 1,03%. Hal ini disebabkan adanya efek diversifikasi antara saham sehingga dapat menurunkan risiko. Efek diversifikasi akan semakin bernilai besar jika korelasi antara saham rendah.
Peramalan Penjualan Pasir PT. JRC Perkasa dengan Menggunakan Model Autoregressive Integrated Moving Average (ARIMA): Peramalan Menggunakan Model ARIMA Tracy Chandra; La Gubu; Lilis Laome; Muhammad Kabil Djafar; Norma Muhtar; Ruslan
Jurnal Matematika Komputasi dan Statistika Vol. 3 No. 3 (2023): September-Desember
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v3i3.65

Abstract

Tujuan penelitian ini adalah (1) untuk mengetahui kelayakan usaha di PT. JRC Perkasa yang dianalisis dengan pendekatan Break Even Point, dan (2) untuk mengetahui jumlah permintaan produksi pasir di PT. JRC Perkasa di masa mendatang. Pada penelitin ini menggunakan perhitungan uji kelayakan usaha yang terdiri dari Break Even Point (BEP), Return on Investment (ROI) dan Revenue Cost Ratio (R/C), serta peramalan dengan metode Autoregressive Integrated Moving Average (ARIMA). Perhitungan ini dilakukan dengan bantuan Microsoft Excel dan Minitab. Hasil dari penelitian ini diperoleh bahwa usaha pertambangan pasir PT. JRC Perkasa layak dilakukan dan akan memperoleh keuntungan yang lebih besar di masa mendatang karena jumlah permintaan yang juga meningkat.
UJI GOODNESS OF FIT DENGAN STATISTIK PULKSTENIS - ROBINSON DALAM MODEL REGRESI LOGISTIK ORDINAL: STATISTIK PULKSTENIS - ROBINSON DALAM MODEL REGRESI LOGISTIK ORDINAL Niken; Wayan Somayasa; Herdi Budiman; Ruslan; Gusti Ngurah Adi Wibawa
Jurnal Matematika Komputasi dan Statistika Vol. 4 No. 1 (2024): Januari-April
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v4i1.72

Abstract

Tujuan dari penelitian ini adalah: 1) Penerapan uji goodnessof fit pada model regresi logistik ordinal kecelakaan lalu lintas, dan 2) Mengetahui Faktor yang mempengaruhi tingkat keparahan Kecelakaan Lalu Lintas di Kota Kendari. Pengujian goodness of fit dengan menggunakan statistik pulkstenis - robinson, mengelompokkan pengamatan menggunakan pola kovariat yang diperoleh dari kovariat kategorik. Setiap pola kovariat kemudian dibagi menjadi dua berdasarkan median skor ordinal. Statistik uji chi – square diperoleh dengan menggunakan tabel observasi dan frekuensi yang diperkirakan, yaitu di mana disebut frekuensi yang diamati dari sel dan adalah frekuensi yang diharapkan ketika hipotesis nol benar dan semua frekuensi yang diharapkan lebih besar dari , dari didekati dengan distribusi chi-square derajat kebebasan , yaitu . Uji pulsteknis robinson memiliki kekuatan uji yang lebih baik pada pada sampel yang berukuran besar. Misalkan kita mendapatkan grup. empiris dari untuk , menujukan kurva yang saling berdekatan. Sedangkan empiris dari untuk menunjukkan kurva menyimpang secara nyata. Dalam penelitian ini, pengujian goodnessof fit dengan statistik pulkstenis-robinson akan digunakan dalam model regresi logistik ordinal. Data yang digunakan adalah data sekunder yang diperoleh dari POLRESTA Kendari mengenai kecelakaan lalu lintas tahun 2021. Setelah dilakukan analisis, statistik hitung pulkstenis – robinson yang diperoleh adalah sebesar 10.9099 pada taraf nyata 5%, =11.070, dalam hal ini , sehingga gagal tolak yang berarti bahwa model telah sesuai. Dari hasil uji signifikan, pada taraf nyata 5%, faktor – faktor yang berpengaruh signifikan terhadap tingkat keparahan kecelakaan lalu lintas di kota kendari adalah jenis kelamin korban, dengan statistik uji wald sebesar 3.053>(1.960).
PENERAPAN METODE NAÏVE BAYES UNTUK PENENTUAN JURUSAN SISWA - SISWI PADA SMAN 9 KENDARI: METODE NAÏVE BAYES UNTUK PENENTUAN JURUSAN SISWA - SISWI PADA SMAN 9 KENDARI Nur Khafifah; Gusti Ngurah Adi Wibawa; Arman; Wayan Somayasa; La Gubu; Ruslan
Jurnal Matematika Komputasi dan Statistika Vol. 4 No. 1 (2024): Januari-April
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v4i1.73

Abstract

Penjurusan siswa-siswa disuatu sekolah merupakan suatu proses penempatan siswa-siswi ke dalam jurusan tertentu sesuai dengan kemampuan dan keinginan siswa-siswi . SMAN 9 Kendari adalah salah satu sekolah menengah atas negeri yang ada dikota kendari. Adapun pelajaran yang diberikan meliputi semua mata pelajaran wajib sesuai kurikulum yang berlaku. Saat ini SMAN 9 Kendari memiliki pemilihan jurusan yaitu Ilmu Pengetahuan Alam (IPA), Ilmu Pengetahuan Sosial (IPS) Dan Ilmu Bahasa Dan Budaya (IBB). Terdapat tiga jurusan yang harus di pilih siswa-siswi salah satunya dengan mekanisme yang sudah ditentukan pihak sekolah seperti tes tertulis. Hal tersebut yang nantinya akan menjadi parameter menentukan klasifikasi siswa-siswi akan jurusan/ peminatannya. Pada penelitian ini, menggunakan penerapan metode Naïve Bayes untuk melakukan klasifikasi nilai dan menghasilkan rekomendasi jurusan siswa-siswi. Untuk klasifikasi jurusan siswa-siwi, variabel yang digunakan ialah Nilai Matematika SMP , Nilai Bahasa Indonesia SMP , Nilai Bahasa Inggris SMP , Nilai IPA SMP , Nilai IPS SMP , dan Nilai Ujian Sekolah SMP . Berdasarkan hasil penelitian yang dilakukan sistem penjurusan siswa- siswi dapat memberikan rekomendasi jurusan dengan nilai Akurasi adalah 55,55%, nilai sensitifitas adalah 75% dan spesifisitas adalah 25%.
Penerapan Metode Hungarian dalam Optimalisasi Masalah Penugasan Karyawan (Studi Kasus: Bangkit Tailor): Metode Hungarian dalam Optimalisasi Masalah Penugasan Karyawan Maarif; Arman; Norma Muhtar; Wayan Somayasa; Ruslan
Jurnal Matematika Komputasi dan Statistika Vol. 4 No. 1 (2024): Januari-April
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v4i1.84

Abstract

Tujuan penelitian ini adalah (1) untuk mengetahui model matematika penugasan karyawan yang optimal dengan menggunakan metode Hungarian pada Bangkit Tailor (2) untuk menganalisis optimalisasi penugasan karyawan dari waktu penyelesaian minimum dengan menggunakan metode Hungarian pada Bangkit Tailor. Penelitin ini menggunakan metode Hungarian, serta aplikasi QM for Windows V5, yang mana bertujuan untuk melihat keselarasan hasil optimal yang di dapatkan pada masalah penugasan karyawan yang dilihat dari waktu penyelesaian karyawan dalam menyelesaiakan setiap jenis pekerjaan jahitan pakaian di Bangkit Tailor. Hasil dari penelitian ini diperoleh bahwa penggunaan metode Hungarian sangat baik diterapkan untuk penentuan penempatan karyawan dalam menyelesaikan setiap jenis pekerjaan. Dimana hasil yang diperoleh sebelum penggunaan metode Hungarian yaitu dengan waktu 1902 menit, dan setelah diterapkan metode Hungarian diperoleh dengan waktu 1618 menit, sehingga dapat diketahui bahwa terjadi efisiensi waktu sebanyak 284 menit jika dibandigkan setelah dan sebelum menggunakan metode Hungarian.
UJI GOODNESS OF FIT UNTUK DISTRIBUSI GEOMETRIK MENGGUNAKAN UJI STATISTIK KOLMOGOROV-SMIRNOV: UJI GOODNESS OF FIT UNTUK DISTRIBUSI GEOMETRIK Reski Amelia; Wayan Somayasa; Alfian; Ruslan
Jurnal Matematika Komputasi dan Statistika Vol. 4 No. 1 (2024): Januari-April
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v4i1.87

Abstract

Penelitian ini bertujuan untuk mengevaluasi kecocokan distribusi geometrik dengan data lemparan bola basket. Estimasi parameter ( ) distribusi geometrik dengan metode MLE diperoleh dengan persamaan . Ketakbiasan penduga MLE diuji dengan membandingakn nilai variansi dan nilai BBCR, diperoleh nilai var sehingga bukan merupakn UMVUE. Hasil analisis statistik menggunakan uji Kolmogorov-Smirnov menunjukkan bahwa data tersebut mengikuti distribusi geometrik dengan parameter ​ . Statistik uji Kolmogorov-Smirnov = 4,0135 lebih besar dari nilai tabel kuantil-kuantil = 0,3667 pada tingkat signifikansi α = 0,05 untuk n = 25. Oleh karena itu, hipotesis nol yang menyatakan bahwa data mengikuti distribusi geometrik diterima, menunjukkan kesesuaian yang signifikan antara distribusi geometrik yang diasumsikan dan distribusi sebenarnya dari data lemparan bola basket.
PEMODELAN ANGKA KEMISKINAN MENGGUNAKAN REGRESI DATA PANEL DI PROVINSI SULAWESI TENGGARA: PEMODELAN MENGGUNAKAN REGRESI DATA PANEL Fitriani; Ruslan; Herdi Budiman; Gusti Ngurah Adi Wibawa; Wayan Somayasa
Jurnal Matematika Komputasi dan Statistika Vol. 4 No. 2 (2024): Mei-Agustus
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v4i2.88

Abstract

Data panel adalah gabungan dari data cross section dan data time series. Penggunaan data panel dalam analisis regresi disebut regresi data panel. Regresi data panel merupakan sekumpulan teknik untuk memodelkan pengaruh variabel bebas terhadap variabel terikat data panel. Terdapat tiga pendekatan yang digunakan dalam regresi data panel yaitu common effect model, fixed effect model, dan random effect model. Menentukan estimasi parameter model regresi data panel dapat dilakukan dengan beberapa uji untuk mendapatkan model yang terbaik, dengn Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier. Dalam tulisan ini, model diterapkan pada data memiskinan di Provinsi Sulawesi Tenggara tahun 2017-2020 dengan variabel terikat Tingkat Kemiskinan . Variabel bebas Laju Pertumbuhan Penduduk , Rata-Rata Lama Sekolah , dan Tingkat Pengangguran Terbuka . Hasil penelitian menunjukkan bahwa model yang terpilih adalah fixed effect model diestimasi dengan metode Least Square Dummy Variable. Variabel laju pertumbuhan penduduk tidak berpengaruh secara signifikan terhadap tingkat kemiskinan di Provinsi Sulawesi Tenggara. Sedangkan, variabel rata-rata lama sekolah dan tingkat pengangguran terbuka berpengaruh secara signifikan terhadap tingkat kemiskinan di Provinsi Sulawesi Tenggara.
PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING WINTER’S DALAM MERAMALKAN LAJU INFLASI: METODE TRIPLE EXPONENTIAL SMOOTHING WINTER’S Wa Ode Israwati; Ruslan; Muhammad Kabil Djafar
Jurnal Matematika Komputasi dan Statistika Vol. 4 No. 2 (2024): Mei-Agustus
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v4i2.89

Abstract

Inflasi adalah suatu indikator untuk melihat stabilitas ekonomi suatu wilayah yang menunjukkan perkembangan harga barang dan jasa secara terus menerus. Kestabilan laju Inflasi merupakan hal yang sangat penting karena berkaitan dengan pertumbuhan ekonomi yang akan berdampak pada peningkatan kesejahteraan masyarakat. Salah satu cara mengendalikan inflasi dengan menggunakan peramalan. Peramalan adalah kegiatan yang digunakan untuk memperkirakan sesuatu yang belum terjadi atau yang akan terjadi di masa yang akan datang. Penelitian ini bertujuan untuk meramalkan laju inflasi di Indonesia pada tahun 2023. Data yang digunakan adalah data Inflasi di Indonesia pada tahun 2016-2023. Metode yang digunakan untuk meramalkan laju inflasi adalah Metode Triple Exponential Smoothing Holt-Winter’s. Metode tersebut memiliki tiga parameter yaitu dan dipilih dengan melihat nilai akurasi peramalan Mean Squared Error (MSE) yang terkecil. Pada Metode Triple Exponential Smoothing Winter’s terdapat dua model yaitu model aditif dan model multiplikatif, untuk pemilihan model terbaik akan dibandingkan dengan melihat nilai akurasi peramalan Mean Absolute Percentage Error (MAPE) yang terkecil. Berdasarkan hasil penelitian diperoleh nilai parameter dan , dengan nilai akurasi peramalan MSE sebesar . Serta diperoleh model terbaik adalah Triple Exponential Smoothing Winter’s model Multiplikatif dengan nilai akurasi peramalan MAPE sebesar
ANALISIS SISTEM ANTRIAN (QUEUING SYSTEM) PELANGGAN BANK SULTRA KAS PULAU BINONGKO MENGGUNAKAN MODEL SINGLE CHANNEL – SINGLE PHASE: SISTEM ANTRIAN PELANGGAN BANK SULTRA KAS PULAU BINONGKO Sarfin; Asrul Sani; Herdi Budiman; Agusrawati; Ruslan
Jurnal Matematika Komputasi dan Statistika Vol. 4 No. 2 (2024): Mei-Agustus
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v4i2.92

Abstract

Mengantri merupakan fenomena yang biasa terjadi pada kehidupan sehari-hari dan sering dijumpai di fasilitas publik. Hal ini disebabkan karena banyaknya pelanggan yang ingin segera dilayani namun jumlah pelayan yang masih sangat terbatas. Oleh karena itu, pemberi layanan harus memberikan solusi mengenai permasalahan ini agar dapat memberikan pelayanan yang maksimal dan efisien. Permasalahan yang akan dikaji ialah sistem antrian pada Bank Sultra Kas Pulau Binongko, selama 12 hari kerja (3 hari seminggu) pada pukul 09.00-12.00 WITA atau pukul 13.30-15.00 WITA. Data yang diambil adalah waktu antara kedatangan nasabah dan waktu pelayanan yang dilakukan teller. Setelah pengumpulan data, maka dilakukan pengukuran keseimbangan atau steady-state, pendeteksian distribusi data, penentuan model antrian, penentuan parameter antrian dan penghitungan performansi model antrian. Bank Sultra Kas Pulau Binongko menggunakan disiplin antrian First In First Out (FIFO) dengan distribusi kedatangan mengikuti distribusi Poisson sedangkan distribusi waktu pelayanan mengikuti distribusi eksponensial serta mempunyai 1 teller sehingga diperoleh model antrian [ ]:[ ]. Hasil dari penelitian ini diperoleh peluang masa sibuk ( ) adalah , rata-rata jumlah nasabah yang menunggu dalam antrian ( ) sekitar 5 sampai 6 pelanggan dalam sepuluh menit, rata-rata jumlah nasabah dalam sistem ( ) sekitar 10 sampai 11 pelanggan dalam sepuluh menit, rata-rata waktu menunggu nasabah dalam antrian ( ) sekitar 2 sampai 3 menit setiap pelanggan, dan rata-rata waktu nasabah dalam sistem ( ) sekitar 5 sampai 6 menit setiap pelanggan. Sistem antrian pada Bank Sultra Kas Pulau Binongko sudah optimal dengan persentase kesibukan pelayan sekitar dan waktu menunggu dalam antrian hanya berkisar 2 sampai 3 menit setiap pelanggan
KOMPARASI ANTARA METODE DEKOMPOSISI DAN WINTERS’S EXPONENTIAL SMOOTHING DALAM PERAMALAN PEREDARAN JUMLAH UANG KARTAL DI INDONESIA: Metode Dekomposisi dan Winters’s Exponential Smoothing dalam Peramalan Peredaran Jumlah Uang Kartal di Indonesia Ni Luh Esty Andjasari; Norma Muhtar; La Pimpi; La Gubu; Alfian; Ruslan
Jurnal Matematika Komputasi dan Statistika Vol. 4 No. 2 (2024): Mei-Agustus
Publisher : Jurusan Matematika FMIPA Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/jmks.v4i2.101

Abstract

Untuk mengetahui hasil estimasi dan peramalan jumlah peredaran uang kartal di Indonesia dengan menggunakan metode dekomposisi dan winter’s exponential smoothing serta mengetahui komparasi tingkat akurasi metode dekomposisi dan winter’s exponential smoothing dalam mengestimasi dan meramalkan jumlah peredaran uang kartal di Indonesia. Data yang digunakan adalah data jumlah peredaran uang kartal di Indonesia bulan Januari 2018 hingga bulan Desember 2022. Analisis menggunakan metode dekomposisi meliputi komponen trend, siklus, musiman, dan error kemudian menjumlahkan nilai dari komponen-komponen tersebut. Sedangkan metode winter’s exponential smoothing merupakan metode peramalan melalui proses pemulusan (smoothing) pada data yang memuat trend dan musiman dengan menggunakan tiga parameter pemulus yaitu alpha beta dan gamma . Metode terbaik untuk meramalkan jumlah peredaran uang kartal di Indonesia adalah metode dekomposisi, karena memiliki nilai kesalahan peramalan lebih kecil dibandingkan metode winter’s exponential smoothing yaitu nilai MAPE sebesar 1,684%.
Co-Authors Agusrawati Alfian Alfian Arman Asrul Sani Budiman, Herdi Elisa Fitriani Gusti Ngurah Adi Wibawa Herlisa Jufra La Gubu La Ode Saidi La Pimpi Lilis Laome Maarif Muhammad Kabil Djafar Ni Luh Esty Andjasari Niken Norma Muhtar Nur Khafifah Reski Amelia Sarfin Tracy Chandra Wa Ode Israwati Wayan Somayasa