Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal MATHunesa: Jurnal Ilmiah Matematika
Dimas Avian Maulana
Unknown Affiliation
Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Prediksi Kekeringan Ekstrem di Jawa Timur Menggunakan Generalized Pareto Distribution (GPD) Muhammad Khoirul Alim; Dimas Avian Maulana
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 02 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n2.p597-606

Abstract

Extreme droughtin East Java is an event that has a significan timpact on the agricultural sector, water availability, and socio-economic conditions of the community. This study aims to analyze the characteristics of extreme drought using the Standardized Precipitation Index (SPI) and predict extreme rainfall events using the Generali zed Pareto Distribution (GPD) based on the return level. The data used is monthly rainfall data for the period 1990-2024 from BMKG observation stations in Malang Regency, East Java. SPI analysis was conducted to identify drought patterns based on rainfall in the dry season period (April-September). The results of the analysis show that extreme drought occurs more frequently at the end of the dry season (July-September) than at the beginning of the dry season (April-June), with some years experiencing SPI below-1.5, indicating extreme drought conditions. Extreme data were identified using the Peaks Over Threshold (POT) method with a threshold of 2.00 mm. The parameters of the GPD distribution were estima ted using Maximum Likelihood Estimation (MLE), with the results of shape ξ = 1.297 and scale σ = 2.983. The Kolmogorov-Smirnov test showed that the extreme data fit the GPD distribution (p-value = 0.301). The prediction results show that in the next 1-10 years, extreme rainfall tends to increase as the time period increases, so the risk of extreme drought decreases. Prediction accuracy may decrease in longer periods due to uncertainty in the estimation of the return level value. The results of this study provide insight into the pattern of extreme drought in East Java and the potential for future occurrence. The findings can serve as a reference in drought mitigation planning and water resources managementtoreduceits negative impacts. Keywords: Extreme drought, Standardized Precipitation Index (SPI), Generalized Pareto Distribution (GPD)
PEMODELAN GEMPA BUMI DI PROVINSI JAWA TIMUR MENGGUNAKAN EXTREME VALUE THEORY DAN PROBABILISTIC SEISMIC HAZARD ANALYSIS Muhammad Afjar; Dimas Avian Maulana
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 03 (2025)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v13n3.p261-270

Abstract

Indonesia terletak pada pertemuan tiga lempeng tektonik, yaitu Lempeng Eurasia, Lempeng Pasifik, dan Lempeng Indo-Australia yang menyebabkan Indonesia menjadi wilayah yang rawan terjadi gempa bumi. Gempa bumi adalah peristiwa bergetarnya bumi akibat pelepasan energi di dalam bumi yang dihasilkan dari pergerakan lempeng-lempeng tektonik. Salah satu provinsi di Indonesia yang menjadi salah satu wilayah yang cukup rentan adalah Provinsi Jawa Timur. Wilayah Jawa Timur dipilih karena terdapat kejadian gempa tak lazim pada hari Jumat, 22 Maret 2024 di Pulau Bawean, Jawa Timur. Data kejadian gempa bumi di Provinsi Jawa Timur dengan besaran 4.5 magnitudo atau lebih pada tahun 2004 hingga 2024 dianalisis untuk mengetahui model kejadian gempa bumi yang akan datang. Pemodelan kejadian gempa bumi dilakukan sebagai salah satu sarana untuk melakukan prediksi kejadian gempa bumi sehingga mampu membantu berbagai pihak untuk persiapan mitigasi bencana gempa bumi. Pemodelan gempa bumi dilakukan dengan dua metode yaitu Extreme Value Theory (EVT) sebagai pendekatan statistik yang akan dibandingkan dengan Probabilistic Seismic Hazard Analysis (PSHA) yang merupakan pendekatan geologis. Hasil pemodelan kedua pendekatan dibandingkan menggunakan Akaike Information Criterion (AIC) untuk memilih model terbaik. Hasil penelitian menunjukkan bahwa PSHA memiliki hasil model yang lebih baik dengan hasil perhitungan AIC sebesar -2806.87 sehingga dapat dikatakan bahwa PSHA memberikan model gempa yang lebih baik berdasarkan data kejadian gempa bumi di Jawa Timur
PREDIKSI HARGA SAHAM PT. GOTO GOJEK-TOKOPEDIA MENGGUNAKAN GEOMETRIC BROWNIAN MOTION TERMODIFIKASI KALMAN FILTER DENGAN KONSTRAIN Salma Azmi Rasyidah; Dimas Avian Maulana
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 03 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n3.p704-713

Abstract

Saham adalah salah satu instrumen pasar modal paling populer saat ini yang berpengaruh untuk kemajuan ekonomi negara. Saham didefinisikan sebagai kepemilikan investor atas investasinya atau sejumlah dana yang diinvestasikan pada suatu emiten. Harga saham terus mengalami fluktuasi setiap harinya tetapi banyak investor yang tetap berminat untuk melakukan investasi. Salah satu emiten yang memiliki peminat sangat banyak adalah PT. GoTo Gojek Tokopedia Tbk (GOTO). Model Geometric Brownian Motion (GBM) berguna untuk memodelkan harga saham jika nilai return dari suatu saham di masa lalu berdistribusi normal tetapi pada jangka waktu yang lama cenderung menghasilkan error yang cukup besar. Oleh karena itu, ditambahkan metode filtering Kalman Filter dan konstrain yaitu batasan sesuai dengan auto rejection untuk meminimalkan error. Berdasarkan simulasi dengan 100, 500, dan 1000 iterasi menggunakan model GBM menghasilkan nilai MAPE berturut-turut 10,19%, 9,46%, dan 8,09%. Hasil terbaik diperoleh pada 1000 iterasi dengan nilai MAPE 8,09%, tetapi hasil prediksi model GBM-KF menghasilkan nilai MAPE yang jauh lebih kecil yaitu 2,56%. Penambahan konstrain ke dalam model GBM-KF tidak berpengaruh secara signifikan namun diperoleh nilai MAPE yang berbeda yaitu 2,96%. Ketiga model memiliki akurasi peramalan tinggi dibawah 10%. Model GBM-KF adalah metode yang paling baik untuk memprediksi harga saham GOTO.
Co-Authors Muhammad Afjar Muhammad Khoirul Alim Salma Azmi Rasyidah