Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Griya Journal of Mathematics Education and Application Jurnal Riset Ilmiah
Jiyaad Muhamad Harits
Unknown Affiliation
Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PEMODELAN REGRESI BINOMIAL DENGAN INLA: STUDI KASUS FAKTOR RISIKO PENYAKIT DIABETES Nadia Icha Shafira; Jiyaad Muhamad Harits
SINERGI : Jurnal Riset Ilmiah Vol. 2 No. 1 (2025): SINERGI : Jurnal Riset Ilmiah, Januari 2025
Publisher : Lembaga Pendidikan dan Penelitian Manggala Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62335/y0kc1c04

Abstract

Diabetes merupakan tantangan kesehatan global yang signifikan, dengan prevalensi yang meningkat secara dramatis selama beberapa dekade terakhir, terutama di negara-negara berpenghasilan rendah dan menengah. Prediksi diabetes yang akurat berdasarkan faktor risiko utama sangat penting untuk strategi pencegahan dan pengelolaan yang efektif. Penelitian ini menggunakan pendekatan Integrated Nested Laplace Approximation (INLA), sebuah metode Bayesian yang menawarkan efisiensi komputasi dan kinerja yang andal dalam menangani data kompleks, untuk memprediksi risiko diabetes menggunakan dataset publik yang mencakup variabel medis dan demografis. Analisis ini melibatkan variabel seperti usia, jenis kelamin, hipertensi, penyakit jantung, indeks massa tubuh (BMI), kadar HbA1c, dan kadar glukosa darah. Evaluasi model secara komparatif menggunakan Deviance Information Criterion (DIC) menunjukkan bahwa penghapusan variabel yang tidak signifikan (jenis kelamin dan penyakit jantung) meningkatkan kinerja model, dengan Model INLA 2 mencapai nilai DIC terendah sebesar 217.76. Prediktor signifikan yang diidentifikasi meliputi usia, hipertensi, BMI, kadar HbA1c, dan kadar glukosa darah, yang semuanya memiliki hubungan positif dengan risiko diabetes. Kadar HbA1c muncul sebagai faktor paling berpengaruh, menunjukkan daya prediksi yang kuat. Temuan ini menyoroti kegunaan pendekatan INLA dalam mengembangkan model prediksi diabetes yang efisien dan akurat, memberikan wawasan berharga bagi inisiatif kesehatan masyarakat. Penelitian ini menegaskan pentingnya mengintegrasikan metode statistik yang canggih dengan data dunia nyata untuk mendukung pengambilan keputusan berbasis bukti dalam pencegahan dan pengendalian diabetes.
Time Series Modelling Using ARIMA-GARCH: Forecasting the Jakarta Stock Exchange Index Price Jiyaad Muhamad Harits; Nadia Icha Shafira
Griya Journal of Mathematics Education and Application Vol. 6 No. 1 (2026): Maret 2026
Publisher : Pendidikan Matematika FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/griya.v6i1.995

Abstract

The high volatility of the Indonesian capital market (JKSE) poses significant challenges for investors in decision-making. Classical linear forecasting methods are often inadequate due to their inability to capture heteroskedasticity and asymmetric responses in financial data. This study aims to systematically compare and select the best hybrid model combining ARIMA with various GARCH specifications (Standard GARCH, EGARCH, GJR-GARCH, and TGARCH) under different error distributions, and to forecast JKSE price movements for the next three months. Using weekly closing price data from November 2022 to November 2025, the evaluation based on the lowest Akaike Information Criterion (AIC) identifies the ARIMA (0,0,4)-GJR-GARCH model with a Normal distribution as the most robust specification. This finding confirms the presence of a leverage effect in the Indonesian stock market, where volatility responds more intensely to negative shocks than to positive ones. The model demonstrates high accuracy with an RMSE of 2.090. The forecast projects a short-term correction followed by a gradual upward trend reaching the 8,603.62 level by March 2026, accompanied by widening confidence intervals that indicate increasing uncertainty risks in the future.
Co-Authors Nadia Icha Shafira