Article Per Year (5 Year)
p-Index From 2020 - 2025
6.938
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Statistika Universitas Muhammadiyah Semarang BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Jambura Journal of Mathematics Sarwahita : Jurnal Pengabdian Kepada Masyarakat Variance : Journal of Statistics and Its Applications Jurnal Pengabdian kepada Masyarakat Nusantara JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Jurnal Forum Analisis Statistik STATISTIKA
Evy Sulistianingsih
Department Of Mathematics, Universitas Tanjungpura, Jl. Prof. Dr. H. Hadari Nawawi, Pontianak, Indonesia 78124
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 97 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 97 Documents
Search

 6   7   8   9   10 
GRADIENT BOOSTING MACHINE PADA KLASIFIKASI KELULUSAN MAHASISWA Atlantic, Virginnia; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.76955

Abstract

Prodi Statistika UNTAN perlu mengetahui klasifikasi kelulusan mahasiswa, maka dari itu perlu dibuat suatu model yang dapat memprediksi ketepatan waktu lulus mahasiswa. Hal ini dilakukan dengan membuat model prediksi klasifikasi kelulusan mahasiswa dengan menggunakan pendekatan Pohon Keputusan. Metode ensemble dikembangkan untuk menghasilkan model prediksi yang lebih akurat dari metode Pohon Keputusan yaitu CART. Data yang digunakan adalah data kelulusan mahasiswa Prodi Statistika UNTAN Periode 1 Tahun Ajaran 2017/2018 hingga Periode II Tahun Ajaran 2022/2023, dengan populasi 181 dan sampel 128 data. Setelah menggunakan nilai akurasi dalam mengevaluasi model prediksi yang diperoleh dari model GBM. Kemudian dibandingkan nilai akurasi dari model GBM dan model CART. Berdasarkan penelitian, didapat nilai akurasi model GBM yaitu 71,09% yang lebih besar dibanding model CART yaitu 67,97%. Dengan demikian disimpulkan bahwa GBM mampu meningkatkan prediksi model dalam klasifikasi kelulusan mahasiswa Prodi Statistika UNTAN.  Kata Kunci : Kelulusan Mahasiswa, Gradient Boosting Machine, Nilai Akurasi
PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN METODE MARKOWITZ DAN MEAN VARIANCE EFFICIENT PORTFOLIO (MVEP) Rahmah, Mhaulia; Yundari, Yundari; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.96034

Abstract

Kegiatan investasi yang dilakukan oleh investor memiliki risiko yang sebanding dengan tingkat keuntungan yang ditawarkan sehingga perlu dilakukan penyebaran investasi dengan membentuk portofolio saham untuk meminimalkan risiko. Portofolio optimal adalah portofolio yang dipilih oleh seorang investor dari sekumpulan portofolio efisien yang tersedia, berdasarkan preferensi risiko dan return investor. Penelitian ini bertujuan untuk menentukan kombinasi dan bobot saham dari setiap saham pembentuk portofolio optimal menggunakan Metode Markowitz dan Metode Mean Variance Efficient Portfolio (MVEP). Data yang digunakan berupa harga penutupan harian dari saham terindeks IDX30 periode 1 Februari 2024 hingga dengan 30 Agustus 2024. Proses analisis dilakukan dengan pengumpulan data harga saham harian lalu perhitungan return harian setiap saham dan estimasi expected return serta risiko tiap saham. Kemudian, penyusunan matriks kovarians antar saham dan dilakukan perhitungan bobot saham optimal dengan metode Markowitz dan MVEP serta evaluasi kinerja portofolio dengan indeks Sharpe. Hasilnya, portofolio optimal metode Markowitz terdiri dari ADRO (45,43%), PGAS (18,16%), MEDC (12,36%), AMRT (8,17%), KLBF (7,12%), UNTR (4,53%) dan CPIN (4,24%) dengan expected return 0,00217, risiko portofolio 0,000126 dan kinerja portofolio 0,192807. Kombinasi portofolio dengan metode MVEP terdiri dari ADRO (10,94%), PGAS (5,75%), MEDC (18,05%), AMRT (15,41%), KLBF (16,43%), UNTR (21,74%) dan CPIN (11,69%) dengan expected return 0,00130, risiko portofolio 0,0000759 dan kinerja portofolio sebesar 0,14963.
ANALISIS RISIKO MENGGUNAKAN VALUE AT RISK DAN EXPECTED SHORTFALL PADA PREDIKSI HARGA SAHAM DENGAN GEOMETRIC BROWNIAN MOTION Dinanti, Rahila Dara; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 5 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i5.100125

Abstract

Investor menggunakan prediksi harga saham untuk menilai kemungkinan pergerakan harga di masa depan, sehingga investor dapat mengambil keputusan investasi yang lebih tepat. Harga yang terus berubah secara tidak terduga mengakibatkan harga saham sulit diprediksi. Hal tersebut menyebabkan tidak pastinya nilai return atau keuntungan saham, sehingga dibutuhkan model matematis yang dapat memprediksi harga saham di saat waktu mendatang. Model Geometric Brownian Motion (GBM) mampu memprediksi harga saham periode mendatang yang didasarkan pada nilai return saham di masa lalu. Return saham adalah nilai yang dijadikan acuan oleh investor dalam menentukan keuntungan. Keuntungan dari berinvestasi saham selalu disertai dengan risiko. Salah satu langkah pengelolaan manajemen risiko ialah menggunakan Value at Risk (VaR) dan Expected Shortfall (ES). Penelitian ini bertujuan memprediksi harga saham menggunakan GBM dan menghitung risiko berinvestasi saham menggunakan VaR dan ES. Penelitian ini menggunakan harga penutupan saham harian PT. Sumber Alfaria Trijaya Tbk (AMRT) periode 5 Juni 2023 sampai dengan 30 Juli 2024. Langkah-langkah yang dilakukan adalah mengumpulkan data, memprediksi harga saham, dan menghitung risiko menggunakan VaR dan ES. Temuan dari penelitian ini mengindikasikan bahwa rata-rata nilai MAPE berada dibawah 10% sehingga model GBM dikategorikan sangat baik dan hasil dari nilai VaR pada tingkat kepercayaan 90%, 95%, dan 99% adalah 0,02186; 0,02784; dan 0,03903. Sedangkan nilai ES yang diperoleh dengan tingkat kepercayaan 90%, 95%, dan 99% adalah 0,023423; 0,028854; dan 0,039806. Dapat diartikan bahwa, jika investor berinvestasi pada saham AMRT dengan modal awal Rp.100.000.000 pada tingkat kepercayaan 99% terdapat kerugian senilai Rp.3.903.000.
IMPLEMENTASI TEKNIK OVERSAMPLING SMOTE-NC PADA ALGORITMA K-NEAREST NEIGHBOR Priani, Wina; Sulistianingsih, Evy; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i3.94420

Abstract

Synthetic Minority Oversampling Technique-Nominal Continuous (SMOTE-NC) adalah metode oversampling yang digunakan untuk menangani ketidakseimbangan kelas pada data dengan kombinasi fitur numerik dan kategorikal. Teknik ini membuat data sintetis pada kelas minoritas dengan mempertimbangkan kedua jenis fitur tersebut agar distribusi data lebih seimbang. Algoritma K-Nearest Neighbor (K-NN) adalah algoritma klasifikasi yang bekerja dengan cara mencari sejumlah tetangga terdekat (berdasarkan jarak) dari data yang akan diprediksi dan menentukan kelasnya berdasarkan mayoritas kelas dari tetangga tersebut. Algoritma ini sederhana dan efektif untuk klasifikasi data. Penelitian ini membahas penerapan teknik oversampling SMOTE-NC pada algoritma K-NN untuk mengatasi ketidakseimbangan kelas pada data pasien gagal jantung. Data yang digunakan adalah Heart Failure Clinical Record dari Kaggle, yang mencakup 299 pasien dengan 11 atribut independen dan 1 atribut dependen. Setelah proses pre-processing, data dibagi menjadi data latih (70%) dan data uji (30%). SMOTE-NC diterapkan untuk meningkatkan jumlah data kelas minoritas (pasien meninggal) menjadi seimbang dengan kelas mayoritas (pasien selamat). Algoritma K-NN digunakan untuk klasifikasi dengan berbagai nilai parameter K. Evaluasi dilakukan menggunakan confusion matrix, dan difokuskan pada nilai sensitivitas sebagai ukuran kinerja model. Hasil penelitian menunjukkan bahwa nilai sensitivitas tertinggi yang diperoleh adalah sebesar 72,41%. Hal ini menunjukkan bahwa penerapan SMOTE-NC pada algoritma K-NN cukup efektif dalam meningkatkan kemampuan model dalam mendeteksi pasien yang meninggal akibat gagal jantung.
ANALISIS K-MEANS CLUSTERING DENGAN METODE ELBOW PADA PENGELOMPOKAN TINGKAT PENGANGGURAN DI KALIMANTAN BARAT Desdianti, Maycandra; Debataraja, Naomi Nessyana; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74053

Abstract

Pengangguran adalah salah satu permasalahan terbesar di Indonesia terutama Provinsi Kalimantan Barat. Tingginya tingkat pengangguran pada suatu wilayah akan menjadi pemicu meningkatnya masalah sosial hingga kemiskinan. Beberapa variabel yang digunakan dalam penelitian ini adalah produk domestik regional bruto (X1), pertumbuhan ekonomi (X2), tingkat partisipasi angkatan kerja (X3), rata-rata lama sekolah (X4), tingkat pengangguran (X5) dan indeks pembangunan manusia (X6). Data Badan Pusat Statistik Provinsi Kalimantan Barat melakukan pengelompokan terhadap 14 Kabupaten/Kota di Provinsi Kalimantan Barat pada tahun 2021. Dengan menggunakan K-Means clustering dengan metode Elbow. Hasil pengelompokkan terbaik tingkat pengangguran di Kalimantan Barat didapatkan k optimum sebanyak empat cluster. Hasil penelitian menunjukkan bahwa cluster satu memiliki tiga anggota Kabupaten/Kota dengan kategori tingkat pengangguran sangat tinggi di Kalimantan Barat, cluster dua memiliki tujuh anggota Kabupaten/Kota dengan kategori tingkat pengangguran di Kalimantan Barat, cluster tiga memiliki dua anggota Kabupaten/Kota dengan kategori tingkat pengangguran sedang di Kalimantan Barat, cluster empat memiliki dua anggota Kabupaten/Kota dengan kategori tingkat pengangguran rendah di Kalimantan Barat.  Kata Kunci: Pengangguran, K-Means Clustering, Metode Elbow
PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN TINGKAT KEMISKINAN DENGAN K-MEDOIDS DENGAN JARAK MANHATTAN Fiqriani, Rizha Aynul; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.99124

Abstract

Salah satu masalah utama yang masih dihadapi oleh banyak negara, termasuk Indonesia adalah masalah kemiskinan. Faktor-faktor seperti minimnya peluang kerja dan tingginya tingkat persaingan menjadi penyebab utama permasalahan ini. Di Kalimantan Barat, pembangunan ekonomi belum mampu memberikan dampak merata terhadap kesejahteraan masyarakat, yang menunjukkan terjadinya kemiskinan di wilayah tersebut. Penelitian ini memiliki tujuan untuk mengelompokkan daerah di Kalimantan Barat berdasarkan tingkat kemiskinan dengan menggunakan metode cluster. Sumber data dalam penelitian ini berasal dari Badan Pusat Statistik (BPS) Kalimantan Barat tahun 2023 dengan beberapa indikator kemiskinan. Proses pengelompokan dilakukan menggunakan metode K-Medoids, yaitu salah satu metode cluster non-hierarki yang merupakan pengembangan dari metode K-Means. Proses pengelompokan dimulai dengan pemilihan medoid secara acak, kemudian perhitungan jarak dilakukan menggunakan jarak Manhattan dan hasil pengelompokan dievaluasi dengan Davies Bouldin Index (DBI) sehingga diperoleh jumlah cluster optimal yaitu empat cluster. Cluster 1 terdiri dari Kota Pontianak yang memiliki tingkat kemiskinan sangat rendah. Cluster 2 terdiri dari Bengkayang, Sanggau dan Sekadau dengan tingkat kemiskinan rendah. Cluster 3 terdiri dari Sambas, Landak, Mempawah, Sintang, Kayong Utara, Kapuas Hulu, Kota Singkawang, dan Kubu Raya yang memiliki tingkat kemiskinan tinggi. Dan cluster 4 terdiri dari Ketapang dan Melawi yang memiliki tingkat kemiskinan sangat tinggi. Berdasarkan hasil ini, diperlukan kebijakan yang disesuaikan dengan karakteristik masing-masing cluster, seperti pemberian bantuan sosial, peningkatan akses pendidikan, serta pembangunan infrastruktur dan penciptaan lapangan kerja.
PENENTUAN SOLUSI OPTIMAL PEMROGRAMAN KUADRATIK DENGAN METODE WOLFE Wulandari, Afrilia Putri; Pasaribu, Meliana; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i2.92974

Abstract

Dalam investasi saham, investor perlu mengalokasikan dana secara tepat untuk memaksimalkan keuntungan dan mengelola risiko. Portofolio yang direncanakan dengan baik dapat membantu pencapaian hasil maksimal sesuai dengan tingkat risiko yang diinginkan, dengan meminimalkan risiko pada tingkat keuntungan tertentu. Oleh karena itu, tujuan dari penelitian ini adalah untuk menyelesaikan model penentuan portofolio saham dengan menggunakan metode wolfe. Data yang diambil merupakan data harga saham mingguan PT Bank Central Asia Tbk (BBCA), PT Bank Rakyat Indonesia (Persero) Tbk (BBRI), PT Bank Negara Indonesia (Persero) Tbk (BBNI), dan PT Bank Mandiri (Persero) Tbk (BMRI) untuk periode Januari sampai Desember 2023. Selanjutnya, nilai return, expected return dan varians yang diperoleh dibentuk menjadi permasalahan pemrograman kuadratik. Pemrograman kuadratik yang berbentuk fungsi tujuan dan fungsi kendala disesuaikan dengan kondisi Karush Kuhn Tucker. Solusi pada masalah optimasi digunakan metode Wolfe yang dibentuk kondisi baru dengan menambahkan artificial variable. Pada lima saham yang digunakan didapat hasil proporsi alokasi dana pada saham (BBCA) ada sebesar 43,45%, saham (BBRI) sebesar 22,11%, saham (BBNI) sebesar 30,63%, dan saham (BMRI) adalah sebesar 3,82%. Hasil risiko yang harus dihadapi investor untuk investasi selama satu tahun sebesar 0,02%. Kata Kunci : return, expected return, karush kuhn tucker
Co-Authors ., Putri Agustono, Hendri Alsa Muarti Amalia, Disya Recita Ananda, Adelia Andani, Wirda Anisa Shafarianti Ardhitha, Tiffany Arsanti, Resti Atlantic, Virginnia AYU ASTUTI, AYU Banu, Syarifah Syahr Dadan Kusnandar Debataraja, Naomi Nessyana Desdianti, Maycandra Deva Kurnia Aristi Dhandio, David Jordy Dinanti, Rahila Dara Eka Lestari Eka Wahyuning Dhewanty Elga Fitaloka Fadhilah Rizky Aulia Febryanti, Winda Fiqriani, Rizha Aynul Fransiska Fransiska Gristia Aldilla Gunawan, Risky Hafifah, Nanda Hanin, Noerul Hendra Perdana Imanni, Rahmania Andarini Hatti Imro'ah, Nurfitri IMRO’AH, NURFITRI Kamila, Diva Rahma Karlina, Sela Laksono Trisnantoro Lisa Lestari Maga, Fahmi Giovani Maharani, Cinta Priscillia Maresha Widya Muliadiasti Martha, Shantika Matius Robi Meilandra, Irvan Meliana Pasaribu Melvin, Melvin Misno Misno Mutiara Nurisma Rahmadhani Nabilah, Niken Aushaf Nanda Shalsadilla Naomi Nessyana Debataraja Natalia, Desa Ayu Neva Satyahadewi Nurfitri Imro’ah Oktaviani, Indah Oktitannia, Dea Panawaristia, Brigitha Pebriyandi, Rifki Perangin Angin, Christi Alemsa Pratama, Aditya Nugraha Pratama, Yogi Priani, Wina Putra, Fajar Rahmana Radinasari, Nur Ismi Rahmah, Mhaulia Rahmania Andarini Hatti Imanni Rifqi, Bhima Fairul Risma Junian Salsabila, Hana Salsabila, Yumna Hanum Septiawan, Anggi Setyo Wir Rizki Setyo Wira Rizki Shantika Martha Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sriyana Sriyana Sulya Hikma Yulandari Supandi Supandi Susanti Susanti Syafitri Wulandari Tamtama, Ray Tiara, Dinda Umiati, Wiji Wahyu Kurniasari Wati, Setio Kusumo Westi Widiyatari Wicaksono, Juwan Prioabil Dwi Wirda Andani Wulandari, Afrilia Putri Yundari, Yundari Yustosio, Darwis Zakiah, Ainun Zaria, Della