Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Innovative: Journal Of Social Science Research Trigonometri: Jurnal Matematika dan Ilmu Pengetahuan Alam AKSIOMA : Jurnal Sains Ekonomi dan Edukasi
Sianturi, Michael Dolly
Unknown Affiliation
Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Mathematics Physics Public Health Social Sciences Other

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

Found 3 Documents
Search

 1 
ANALISIS REGRESI LOGISTIK BINER TERHADAP FAKTOR-FAKTOR RISIKO KECELAKAAN LALU LINTAS DI INDONESIA Amalia, Seila; Putri, Amelia; Sianturi, Michael Dolly; Hutapea, Risca Octaviani; Ndruru, Albert Servant; Arnita
Trigonometri: Jurnal Matematika dan Ilmu Pengetahuan Alam Vol. 5 No. 2 (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.v5i2.9021

Abstract

Penelitian ini menganalisis faktor-faktor yang memengaruhi tingkat keparahan kecelakaan lalu lintas di Indonesia menggunakan regresi logistik biner. Data dari Kaggle mencakup variabel usia, jenis kelamin, pengalaman berkendara, pencahayaan, dan cuaca. Hasil menunjukkan bahwa pencahayaan buruk dan cuaca buruk signifikan meningkatkan peluang kecelakaan fatal masing-masing sebesar 88,8% dan 96,5%. Model regresi memiliki akurasi 76% dengan kecocokan data yang baik (p-value Hosmer-Lemeshow = 0,144). Temuan ini memberikan wawasan penting untuk kebijakan keselamatan dan pengembangan infrastruktur.
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.
Analisis Pengelompokan Jenis Kejahatan di Sumatera Utara Berdasarkan Pola Kejadian Tahunan Menggunakan Algoritma K-Means Clustering Sianturi, Michael Dolly; Lubis, Mery Christyn; Payana, Sandi Dwi; Putri, Alya Nabilla; Panjaitan, Hotnauli Roni Arta
AKSIOMA : Jurnal Sains Ekonomi dan Edukasi Vol. 2 No. 6 (2025): AKSIOMA : Jurnal Sains, Ekonomi dan Edukasi
Publisher : Lembaga Pendidikan dan Penelitian Manggala Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62335/aksioma.v2i6.1366

Abstract

This study aims to cluster various types of crimes occurring in North Sumatra Province based on annual incident patterns using the K-Means clustering algorithm. The data utilized are secondary data obtained from the Central Bureau of Statistics (BPS), comprising 34 types of crimes recorded from 2007 to 2021. Prior to clustering, data were normalized using the Z-score standardization method to ensure uniform scaling across variables. The optimal number of clusters was determined using the Elbow Method and Silhouette Plot. The analysis results indicate that four clusters (k = 4) provide the best balance between model complexity and clustering quality. Each cluster reveals distinct crime patterns in terms of frequency and trend stability over the years. The clustering results offer a clearer understanding of crime characteristics in the region and can serve as a foundation for more targeted policy-making, such as resource allocation for law enforcement and data-driven crime prevention strategies. This study demonstrates that data mining approaches, particularly the K-Means algorithm, can significantly contribute to a systematic and comprehensive understanding of crime patterns.
Co-Authors Amalia, Seila Arnita Br. Surbakti, Arnis Wulan Andari Hutapea, Risca Octaviani Lubis, Mery Christyn Lumbantobing, Imelda Octavia Manihuruk, Jogi Nicholas Ndruru, Albert Servant Panjaitan, Hotnauli Roni Arta Payana, Sandi Dwi Putri, Alya Nabilla Putri, Amelia Sinaga, Gizka Triyunita