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

 3   4   5   6   7 
SMALL AREA ESTIMATION TERHADAP KEMISKINAN DI KABUPATEN KETAPANG DENGAN PENDEKATAN KERNEL Deva Kurnia Aristi; Evy Sulistianingsih; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 4 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (147.044 KB) | DOI: 10.26418/bbimst.v7i4.28030

Abstract

Small Area Estimation (SAE) merupakan metode yang digunakan untuk menduga parameter dari sub populasi (wilayah yang lebih kecil) dengan ukuran sampel yang kecil dan memanfaatkan informasi dari luar area, dari dalam area itu sendiri dan dari luar survei. Tujuan penelitian ini adalah untuk menganalisis tingkat kemiskinan dengan menggunakan SAE pada 19 Kecamatan di Kabupaten Ketapang pada tahun 2015. Hasil analisis menunjukkan bahwa pada pendugaan langsung nilai pengeluaran perkapita tertinggi berada di Kecamatan Benua Kayong yaitu sebesar Rp. 699.190 dan pengeluaran perkapita terendah berada pada Kecamatan Pemahan yaitu sebesar Rp. 87.340. Berdasarkan pendugaan menggunakan SAE Kernel dengan pendekatan Bootstrap diketahui nilai pengeluaran perkapita tertinggi berada pada Kecamatan Benua Kayong yaitu sebesar Rp. 650.453 dan pengeluaran perkapita terendah berada pada Kecamatan Pemahan yaitu sebesar Rp. 99.858. Pendugaan SAE Kernel menghasilkan nilai variansi yang lebih kecil yaitu sebesar 2,378 dibandingkan dengan nilai variansi menggunakan pendugaan langsung yaitu sebesar 3,315. Oleh karena itu SAE Kernel lebih baik daripada pendugaan langsung dalam menduga model. Kata Kunci : Small Area Estimation, Bootstrap, Kernel.
ANALISIS PERBANDINGAN NILAI VALUE AT RISK PADA METODE SIMULASI HISTORIS DAN METODE TRANSFORMASI JOHNSON (Studi Kasus Pada PT. Astra Agro Lestari, Tbk.) Gristia Aldilla; Evy Sulistianingsih; Setyo Wira Rizki
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (640.643 KB) | DOI: 10.26418/bbimst.v8i1.30830

Abstract

Investor menghadapi risiko dalam kegiatan investasi saham,. Salah satu ukuran risiko yang dapat digunakan adalah Value at Risk (VaR). VaR dapat mengukur peluang kerugian terburuk yang terjadi pada tingkat kepercayaan tertentu. Terdapat beberapa metode yang dapat dilakukan untuk menghitung VaR , namun metode - metode tersebut harus dievaluasi dengan backtesting agar penggunaannya tepat dalam memprediksi risiko. Backtesting dilakukan dengan menggunakan uji kejadian Bernoulli. Metode yang digunakan dalam perhitungan VaR pada penelitian ini adalah Simulasi Historis dan metode transformasi Johnson Su pada data PT. AALI, Tbk (AALI.JK) periode 2 Februari 2015 sampai dengan 1 Februari 2018. VaR relatif dalam menduga risiko pada saham AALI.JK menggunakan tingkat kepercayaan 95%. Berdasarkan hasil penelitian, metode simulasi historis boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0075 ≤  ≤ 0,0440, sedangkan dengan menggunakan metode pendekatan transformasi Johnson  boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0154 ≤  ≤ 0,0609. VaR absolut dalam menduga risiko pada saham AALI.JK menggunakan tingkat kepercayaan 95%. Pada VaR absolut, metode simulasi historis boleh digunakan dengan probabilitas pelanggaran yang diharapkan sebesar 0,0032 ≤  ≤ 0,0319, sedangkan dengan menggunakan metode pendekatan transformasi Johnson  boleh digunakan apabila probabilitas pelanggaran yang diharapkan sebesar 0,0075 ≤  ≤ 0,0440.  Kata kunci: Value at Risk, Simulasi Historis, Transformasi Johnson, Backtesting, uji kejadian Bernoulli
K NEAREST NEIGHBOR DALAM IMPUTASI MISSING DATA Susanti Susanti; Shantika Martha; Evy Sulistianingsih
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (101.52 KB) | DOI: 10.26418/bbimst.v7i1.23498

Abstract

Missing data adalah suatu informasi yang tidak tersedia dalam suatu data. Missing data mempengaruhi hasil penelitian karena keberadaan missing data dapat mengurangi tingkat akurasi dari hasil penelitian. Missing data dapat diatasi dengan imputasi. Imputasi merupakan suatu metode yang mengatasi missing data dengan mengisi nilai yang hilang dengan suatu nilai berdasarkan informasi lain yang didapat dari data tersebut. Salah satu metode imputasi adalah metode K Nearest Neighbor (KNN). Penelitian ini dilakukan untuk memprediksi nilai yang hilang dengan metode KNN. KNN bekerja dengan menghitung weight mean estimation berdasarkan jumlah K. K adalah jumlah observasi terdekat yang akan digunakan. Dalam penelitian ini, K yang digunakan yaitu                         , , , dan . Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) digunakan untuk mengetahui ketepatan hasil imputasi. Berdasarkan nilai rata-rata MSE dan MAPE dari  replikasi, KNN terbaik pada missing data  dan  terjadi pada saat , sedangkan untuk missing data 30% terjadi saat .Kata kunci : weight mean estimation, MSE, MAPE 
ANALISIS KOINTEGRASI DAN ERROR CORRECTION MODEL INDEKS HARGA KONSUMEN KOTA PONTIANAK DAN SINGKAWANG Eka Wahyuning Dhewanty; Evy Sulistianingsih; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (296.503 KB) | DOI: 10.26418/bbimst.v8i1.30602

Abstract

Indeks harga konsumen digunakan sebagai tolak ukur inflasi. Data indeks harga konsumen yang sering kali tidak stasioner menyebabkan pengambilan keputusan yang berkaitan dengan data tidak valid. Uji kointegrasi dipakai untuk menganalisis kemungkinan hubungan jangka panjang antara variabel yang tidak stasioner. Tujuan penelitian ini adalah menemukan hubungan jangka panjang antara indeks harga konsumen kota Pontianak dan kota Singkawang dengan metode kointegrasi dan hubungan jangka pendek dengan metode model koreksi kesalahan. Penelitian ini menggunakan data indeks harga konsumen kota Pontianak dan kota Singkawang dalam periode waktu bulanan. Berdasarkan hasil penelitian yang diperoleh dapat disimpulkan bahwa indeks harga konsumen Kota Pontianak dan Kota Singkawang tidak stasioner tetapi kombinasi linier keduanya stasioner dengan kata lain terdapat hubungan jangka panjang antara indeks harga konsumen kota Singkawang terhadap indeks harga konsumen kota Pontianak.Kata Kunci : indeks harga konsumen, stasioneritas, kointegrasi.
ANALISIS VALUE AT RISK PORTOFOLIO SAHAM LQ45 DENGAN METODE SIMULASI MONTE CARLO CONTROL VARIATES Westi Widiyatari; Evy Sulistianingsih; Wirda Andani
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 17, No 1 (2023)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v17i1.9536

Abstract

Value at Risk (VaR) with the Monte Carlo (MC) simulation is an estimate of the maximum loss over a given period of time and with a specific degree of confidence. MC VaR uses the Control Variates (CV) technique which is one of the reduction techniques in the MC method to improve the efficiency of VaR estimation. This study also aims to analyze the risk of the LQ45 indexed stock portofolio with Monte Carlo Control Variates (MCCV) VaR. In addition, this study compares MCCV VaR with standar MC VaR. The closing prices of the shares of PT Bank Negara Indonesia Tbk (BBNI) and PT Bank Central Asia Tbk (BBCA) were the source of the data for this study. The 95% confidence level is used for this study to estimate one-day MCCV VaR. The results obtained show that MCCV is able to reduce the variance of the estimate more quickly than the standar MC VaR. Thus, MCCV VaR is more efficient than the standard MC VaR.
Penentuan Jumlah Cluster Optimum Menggunakan Davies Bouldin Index dalam Pengelompokan Wilayah Kemiskinan di Indonesia Nanda Shalsadilla; Shantika Martha; Hendra Perdana; Neva Satyahadewi; Evy Sulistianingsih
Statistika Vol. 23 No. 1 (2023): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v23i1.1743

Abstract

Abstrak Kemiskinan merupakan suatu permasalahan yang sampai saat ini masih menjadi fokus pemerintah terutama pasca pandemi Covid-19. Permasalahan terkait kemiskinan dapat diatasi apabila pemerintah mengusung program pengentasan kemiskinan yang direalisasikan secara efektif dan efisien. Tujuan penelitian ini adalah mengelompokkan provinsi di Indonesia berdasarkan indikator kemiskinan serta menentukan jumlah cluster optimum yang terbentuk. Analisis cluster merupakan teknik multivariat yang dapat digunakan untuk tujuan pengelompokan. Dengan analisis cluster seluruh provinsi yang ada di Indonesia dapat dikelompokkan berdasarkan kesamaan karakteristik yang dimiliki sehingga kedaruratan dan kebutuhan tiap cluster dapat diketahui. Ward merupakan salah satu metode dalam analisis cluster yang mengelompokkan objek dengan meminimalisir variasi antar objek dalam satu cluster. Selanjutnya, penentuan jumlah cluster optimum penting dilakukan agar seluruh provinsi di Indonesia dapat dikelompokkan dengan tepat. Davies Bouldin Index (DBI) merupakan suatu metode yang menentukan banyaknya cluster optimum berdasarkan kedekatan objek terhadap centroidnya dalam satu cluster dan jarak antar centroid cluster. Data yang digunakan merupakan data 10 indikator kemiskinan untuk setiap provinsi di Indonesia tahun 2021. Berdasarkan penelitian yang telah dilakukan banyaknya cluster optimum yang terbentuk untuk mengelompokkan provinsi di Indonesia berdasarkan indikator kemiskinan adalah berjumlah 5 cluster dengan nilai validitas DBI yang diperoleh sebesar 1,1420 yang merupakan nilai validitas terkecil dari jumlah cluster lainnya. Cluster 1 dengan tingkat kemiskinan tertinggi beranggotakan 3 provinsi yaitu Nusa Tenggara Timur, Papua Barat, dan Papua, cluster 2 beranggotakan 10 provinsi, cluster 3 beranggotakan 11 provinsi, cluster 4 beranggotakan 9 provinsi, dan cluster 5 dengan tingkat kemiskinan terendah beranggotakan 1 provinsi yaitu DKI Jakarta. Abstract Poverty has been an issue that received significant government attention, particularly in response to the Covid-19 pandemic. The study aimed to classify Indonesian provinces based on poverty indicators and determine the optimal number of clusters. Cluster analysis, a multivariate technique, was employed to group provinces based on their similaritycharacteristics, facilitating the identification of specific needs and emergencies within each cluster. The Ward method, a clustering technique, minimized variations between objects within a cluster during the grouping process. Determining the correct number of clusters was crucial to ensure accurate provincial classification. The Davies Bouldin Index (DBI) was used to determine the optimum number of clusters by assessing the proximity of objects to their centroids and the inter-centroid distances. The dataset consisted of 10 poverty indicators for each province in Indonesia in 2021. The research findings revealed that the optimum number of clusters for classifying provinces based on poverty indicators was five, with a DBI value of 1.1420, the lowest among other cluster configurations. Cluster 1, characterized by the highest poverty rate, comprised three provinces: East Nusa Tenggara, Papua, and West Papua. Cluster 2encompassed ten provinces, while cluster 3 consisted of eleven provinces. Cluster 4 comprised nine provinces, and cluster 5, characterized by the lowest poverty rate, consisted of a single province: DKI Jakarta.
PENERAPAN MODEL GEOMETRIC BROWNIAN MOTION DAN PERHITUNGAN NILAI VALUE AT RISK PADA SAHAM BANK CENTRAL ASIA TBK Fadhilah Rizky Aulia; Evy Sulistianingsih; Wirda Andani
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 17, No 2 (2023)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v17i2.9537

Abstract

Stock price fluctuations are difficult to predict, resulting in uncertain profits. Therefore, a mathematical model is needed to predict future stock prices, namely the Geometric Brownian Motion (GBM) model based on a stochastic process. Stocks are also accompanied by risks that have potential for loss. The risk can be measured using Value at Risk (VaR) which can estimate the maximum loss that may happen from an investment at a certain level of confidence and period of time. The purpose of this research is to implement the GBM model in predicting stock prices and estimating the maximum loss of stock investment using VaR. This research analyzes the daily closing stock price of PT Bank Central Asia (BBCA) for the period November 1, 2021, to December 31, 2022. The stock price predictions with the GBM model are used to estimate the VaR value. Based on the analysis results, GBM is highly accurate model with an average MAPE value of 5.77% and the smallest MAPE value of 1.45%. The VaR values obtained at the 80%, 90%, 95% and 99% confidence level are 1,17%, 1,74%, 2,19% and 2,86% of the total fund investment for the next one-day period, respectively.
Analysis of Poverty and Unemployment on Human Development Index in West Kalimantan in 2020-2022 Alsa Muarti; Anisa Shafarianti; Evy Sulistianingsih
Jurnal Forum Analisis Statistik Vol. 3 No. 2 (2023): Jurnal Forum Analisis Statistik (FORMASI)
Publisher : Badan Pusat Statistik Provinsi Kalimantan Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57059/formasi.v3i2.61

Abstract

The Human Development Index (HDI) is built through a three-dimensional approach, namely knowledge, decent living standards, and longevity and healthy living. In the longevity and healthy life dimension, life expectancy at birth is the benchmark, and the expected years of schooling and average years of schooling are indicators used in the knowledge dimension. Meanwhile, a decent standard of living as measured by annual capita expenditure is an indicator in the HDI. West Kalimantan's HDI in 2020 to 2021 experienced a fairly low increase, then in 2021 to 2022, West Kalimantan's HDI experienced a very significant increase and even occupied the first position of the highest HDI increase in Kalimantan Island. The increase in West Kalimantan's HDI every year is influenced by a number of variables that affect HDI. The objective of this research is to examine the influence of poverty and unemployment on the Human Development Index (HDI) by analyzing the outcomes derived from the most effective panel data regression model. This study involves several phases, including data input, conducting multicollinearity tests, analyzing using panel data regression models, finding the best model with the Chow test, Hausman test, and Lagrange Multiplier test, as well as classical assumption tests, and output interpretation. The factors considered in this research comprise HDI (Y), poverty (X1), and unemployment (X2) in West Kalimantan. The examination indicates that the Fixed Effect Model (FEM) stands out as the most effective model, demonstrating an adjusted R-squared value of 99.14% where the variables of poverty (X1) and unemployment (X2) have a significant influence on HDI (Y).
Analisis Risiko Unit Value Komoditas Ekspor Kelapa di Kalimantan Barat: Risk Analysis of Unit Value of Coconut Export Commodities in West Kalimantan Maresha Widya Muliadiasti; Supandi Supandi; Evy Sulistianingsih
Jurnal Forum Analisis Statistik Vol. 4 No. 1 (2024): Jurnal Forum Analisis Statistik (FORMASI)
Publisher : Badan Pusat Statistik Provinsi Kalimantan Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57059/formasi.v4i1.72

Abstract

Coconut is one of the leading commodities in West Kalimantan that can produce throughout the year. Coconut is also one of the largest contributors to Regional Original Income (PAD) in West Kalimantan. Coconut export commodities and other processed products have increased exports to European Union countries. The unit value index is used to calculate the trade exchange rate by comparing the development of the export unit value index with the import unit value index. The unit value of each coconut commodity can be calculated by dividing the export value (US$) by the export volume (Kg) in each month. Value at Risk (VaR) is used to estimate the maximum loss experienced by investors in the capital market at a certain level of confidence. This study uses the VaR concept with the Cornish-Fisher method to estimate the losses of coconut exporters. Based on the results of the analysis, it can be concluded that with a 95% confidence level, coconut exporters in West Kalimantan Province will experience a loss of 362,602.9 US$/Kg if exporters export coconuts at 1,000,000 US$/Kg.
ANALISIS VALUE AT RISK PADA PORTOFOLIO OPTIMAL SAHAM BLUE CHIP DENGAN METODE RESAMPLED EFFICIENT FRONTIER Febryanti, Winda; Sulistianingsih, Evy; Kusnandar, Dadan
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN (EPSILON: JOURNAL OF PURE AND APPLIED MATHEMATICS) Vol 18, No 1 (2024)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v18i1.10170

Abstract

Investor sudah seharusnya memperhatikan strategi dalam berinvestasi guna mencapai hasil return tertentu dengan risiko yang sekecil mungkin. Strategi investasi untuk meningkatkan return dengan risiko minimum yaitu pembentukan portofolio dengan metode Resampled Efficient Frontier (REF). Metode REF adalah cara yang digunakan untuk mengatasi ketidakstabilan MVEP dengan memanfaatkan simulasi Monte Carlo yang kemudian membentuk portofolio efisien yang berbeda dan  dihitung rata-ratanya guna menghasilkan REF. Penelitian ini menganalisis perhitungan Value at Risk (VaR) pada portofolio optimal menggunakan metode REF. Penelitian ini menggunakna data sekunder harga penutupan saham harian BBRI dan BBNI periode 28 Oktober 2021-28 Oktober 2022 sebanyak 246 hari. Data return saham BBRI dan BBNI dibangkitkan sebanyak 1000 simulasi dengan 51 titik efisien. Pada tingkat kepercayaan 95% dengan periode investasi satu hari, menghasilkan nilai VaR yang berbeda-beda untuk setiap tingkat risiko portofolio. Berdasarkan hasil perhitungan VaR dengan metode REF diperoleh nilai VaR sebesar Rp2.446.277,00 untuk portofolio berisiko minimum, Rp2.496.548,00 untuk risiko sedang dan Rp2.590.817,00 untuk risiko maksimum.
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