Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Wahana Pendidikan Innovative: Journal Of Social Science Research Kohesi: Jurnal Sains dan Teknologi Trigonometri: Jurnal Matematika dan Ilmu Pengetahuan Alam
Lumbantobing, Imelda Octavia
Unknown Affiliation
Religion Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Education Energy Engineering Law, Crime, Criminology & Criminal Justice Mathematics Physics Public Health Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PELUANG PENERIMAAN PELAMARAN KERJA MENGGUNAKAN METODE REGRESI LOGISTIK BINER Silaban, Dewi Fortuna; Simanjuntak, Ferdyanto Abangan; Lumbantobing, Imelda Octavia; Napitupulu, Rusmawanty; Arnita
Trigonometri: Jurnal Matematika dan Ilmu Pengetahuan Alam Vol. 5 No. 1 (2024): Trigonometri: Jurnal Matematika dan Ilmu Pengetahuan Alam
Publisher : Cahaya Ilmu Bangsa Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3483/trigonometri.v5i1.7724

Abstract

Penelitian ini menerapkan analisis regresi logistik biner untuk menilai faktor-faktor yang mempengaruhi kemungkinan diterimanya pelamar kerja. Variabel independen dalam model ini meliputi durasi pendidikan terakhir (X1) dalam tahun, lama pengalaman kerja (X2) dalam tahun, dan jenis kelamin pelamar (X3), di mana 1 menunjukkan laki-laki dan 0 menunjukkan perempuan. Variabel dependen adalah status penerimaan (Y), di mana 1 berarti diterima dan 0 berarti tidak diterima. Analisis ini bertujuan untuk mengukur dampak setiap variabel independen terhadap kemungkinan penerimaan selama proses seleksi, menggunakan SPSS untuk pengujian data. Uji kecocokan model menunjukkan nilai signifikansi sebesar 0,857, yang mengindikasikan tidak ada perbedaan signifikan antara klasifikasi yang diprediksi dan yang diamati, sehingga memvalidasi kesesuaian model untuk analisis lebih lanjut. Nilai Nagelkerke R Square sebesar 0,405 menunjukkan bahwa variabel independen menjelaskan 40% varians dalam status penerimaan, sementara sisanya dijelaskan oleh faktor-faktor yang belum diuji. Uji pengaruh simultan mengungkapkan nilai signifikansi 0,002, mengonfirmasi dampak kolektif variabel independen terhadap variabel dependen. Uji pengaruh parsial menunjukkan bahwa durasi pendidikan dan pengalaman kerja secara signifikan mempengaruhi penerimaan, dengan nilai signifikansi masing-masing 0,021 dan 0,011. Model ini secara akurat memprediksi karyawan yang diterima (akurasi 100%) tetapi gagal memprediksi mereka yang tidak diterima (akurasi 0%), menghasilkan akurasi klasifikasi keseluruhan yang moderat sebesar 50%. Model regresi logistik biner ini cocok untuk analisis lebih lanjut dalam mengevaluasi faktor-faktor yang mempengaruhi penerimaan karyawan, dengan potensi peningkatan kemampuan prediktif melalui penggabungan variabel relevan tambahan.
Analisis Faktor Tingkat Kebahagiaan Negara Menggunakan Data World Happiness Report dengan Metode Newton Raphson Lumbantobing, Imelda Octavia; Br Surbakti, Arnis Wulan Andari; Maulana, Bintang; Simanjuntak, Ferdyanto Abangan
Jurnal Ilmiah Wahana Pendidikan Vol 11 No 2.C (2025): Jurnal Ilmiah Wahana Pendidikan 
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini menganalisis faktor-faktor yang memengaruhi tingkat kebahagiaan negara berdasarkan data World Happiness Report tahun 2022. Dengan menggunakan metode Newton-Raphson, penelitian ini memodelkan hubungan non-linear antara berbagai variabel independen, seperti GDP per kapita, dukungan sosial, harapan hidup sehat, kebebasan membuat pilihan hidup, dan kemurahan hati, dengan variabel dependen berupa skor kebahagiaan. Hasil penelitian menunjukkan hubungan positif antara GDP per kapita dan tingkat kebahagiaan, meskipun tidak linier untuk semua negara. Metode Newton-Raphson terbukti efektif dalam menghasilkan estimasi parameter yang akurat, membantu pemahaman lebih dalam tentang determinan kebahagiaan. Temuan ini memberikan wawasan penting untuk strategi kebijakan yang lebih baik dalam meningkatkan kesejahteraan masyarakat
Analisis Perhitungan Nilai Value at Risk dengan Model Geometric Brownian Motion pada Saham Bank Rakyat IndonesiaPengukuran risiko investasi saham menjadi aspek penting dalam pengambilan keputusan keuangan. Penelitian ini bertujuan untuk menganalisis perhi Sianturi, Michael Dolly; Lumbantobing, Imelda Octavia; Payana, Sandi Dwi; Br. Surbakti, Arnis Wulan Andari
Innovative: Journal Of Social Science Research Vol. 5 No. 2 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i2.18593

Abstract

Pengukuran risiko investasi saham menjadi aspek penting dalam pengambilan keputusan keuangan. Penelitian ini bertujuan untuk menganalisis perhitungan nilai Value at Risk (VaR) pada saham Bank Rakyat Indonesia (BBRI) menggunakan Model Geometric Brownian Motion (GBM) dengan pendekatan Simulasi Monte Carlo. Data yang digunakan adalah harga penutupan saham BBRI dari Februari 2024 hingga Februari 2025.Hasil analisis menunjukkan bahwa return saham BBRI berdistribusi normal berdasarkan uji Shapiro-Wilk, yang mengindikasikan kesesuaian penggunaan model GBM. Prediksi harga saham menggunakan GBM menunjukkan tingkat akurasi yang cukup baik dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2.58%. Perhitungan VaR dengan tingkat kepercayaan 95% menggunakan Simulasi Monte Carlo memberikan estimasi batas maksimum kerugian yang dapat terjadi dalam kondisi pasar normal. Hasil ini memberikan wawasan bagi investor dalam mengelola risiko investasi saham BBRI.Meskipun GBM dan Simulasi Monte Carlo memberikan estimasi yang cukup baik.
STUDI SEBARAN SPASIAL DATA KEMISKINAN PER PROVINSI DI INDONESIA MENGGUNAKAN TEKNIK KRIGING DAN IDW Lumbantobing, Imelda Octavia; Andari, Arnis Wulan; Abangan, Ferdyanto; Maulana, Bintang
Kohesi: Jurnal Sains dan Teknologi Vol. 7 No. 9 (2024): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v7i9.12439

Abstract

Penelitian ini bertujuan untuk memetakan sebaran kemiskinan di Indonesia secara spasial berdasarkan data persentase penduduk miskin dari 38 provinsi yang dipublikasikan oleh Badan Pusat Statistik (BPS) pada tahun 2024. Data tersebut merepresentasikan proporsi penduduk miskin terhadap total penduduk di setiap provinsi dan dipetakan menggunakan koordinat centroid provinsi dari shapefile batas administrasi Indonesia. Dua metode interpolasi spasial yang digunakan adalah Inverse Distance Weighted (IDW) dan Kriging. Hasil interpolasi divisualisasikan dalam bentuk peta tematik yang menunjukkan distribusi spasial estimasi kemiskinan di seluruh wilayah Indonesia. Hasil IDW menunjukkan variasi nilai kemiskinan yang tajam dengan nilai ekstrem lebih mudah terlihat, sedangkan metode Kriging memberikan hasil yang lebih halus dan merata, mencerminkan kontinuitas spasial yang lebih realistis. Kedua metode menunjukkan bahwa provinsi-provinsi di Indonesia bagian timur seperti Papua, Papua Barat, dan Maluku memiliki tingkat kemiskinan yang lebih tinggi dibandingkan wilayah barat seperti DKI Jakarta, Kepulauan Riau, dan Bali. Penelitian ini menekankan pentingnya pendekatan spasial dalam perumusan kebijakan pengentasan kemiskinan yang lebih tepat sasaran sesuai kondisi geografis masing-masing daerah.
Co-Authors Abangan, Ferdyanto Andari, Arnis Wulan Arnita Br Surbakti, Arnis Wulan Andari Br. Surbakti, Arnis Wulan Andari Maulana, Bintang Napitupulu, Rusmawanty Payana, Sandi Dwi Sianturi, Michael Dolly Silaban, Dewi Fortuna Simanjuntak, Ferdyanto Abangan