Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal d'Cartesian: Jurnal Matematika dan Aplikasi Indonesian Journal of Intelligence Data Science (IJIDS)
Jullia Titaley
Universitas Sam Ratulangi
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Library & Information Science Mathematics

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

Found 3 Documents
Search

 1 
Sistem Informasi Geografis (SIG) Pemetaan Lokasi Rawan Banjir Menggunakan Metode Pembobotan dan Scoring (Studi Kasus: Kecamatan Tikala) Chandra Haryono; Jullia Titaley; Winsy Christo Deilan Weku; Christian Alderi Jeffta Soewoeh
Indonesian Journal of Intelligence Data Science Vol 3 No 1 (2024): Volume 3 No 1 2024
Publisher : Faculty of Mathematics and Natural Sciences Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/ijids.v3i1.50112

Abstract

Peristiwa bencana banjir yang terjadi akibat meningkatnya aliran air sungai yang menggenangi wilayah dataran. Penelitian ini bertujuan untuk mengetahui daerah di Kecamatan Tikala Kota Manado yang memiliki dampak terjadinya banjir dengan pemanfaatan penginderaan jarak jauh agar memberikan kesadaran lebih bagi perintahan dan masyarakat sekitar. Metode yang digunakan dalam penelitian ini menggunakan pembobotan dan scoring yaitu pemberian nilai bobot pada tiap parameter dan pemberian skor pada tiap kelas parameter sesuai dengan klasifikasinya, kemudian dilakukan tahap overlay peta dengan menggunakan aplikasi QuantumGIS (QGIS). Hasil yang diperoleh yaitu dalam bentuk file peta yang telah menunjukan kelas kerawanan banjir di tiap kelurahan di Kecamatan Tikala Kota Manado dengan tingkatan kerawanan rendah hinggah tinggi. Tingkat kerawanan di kelurahan Banjer dan Tikala Ares ada pada kategor Rawan dan Sangat Rawan dengan total nilai 56.350 – 63.600.
Penentuan Jalur Terpendek Evakuasi Bencana Banjir di Kota Manado Menggunakan Algoritma Dijkstra Lusyane Humune; Jullia Titaley; Mahardika Inra Takaendengan
Indonesian Journal of Intelligence Data Science Vol 3 No 1 (2024): Volume 3 No 1 2024
Publisher : Faculty of Mathematics and Natural Sciences Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/ijids.v3i1.50114

Abstract

One of the common potential disasters in Manado City is floods. Manado City has a history of destructive floods that damage infrastructure and cause loss of life, resulting in significant losses. Lack of awareness among the public about evacuation locations is also due to the absence of the shortest path for flood evacuation. Therefore, a determination of the shortest path for flood evacuation is made using Dijkstra's Algorithm, which is used to search for graphs in solving the shortest distance problem using distance and time weights from 3 evacuation points and 1 shelter point. Three shortest evacuation routes are found using the Dijkstra algorithm.
Penerapan Model ARIMA-GARCH Untuk Prediksi Nilai Tukar Rupiah Terhadap Mata Uang Cina (Yuan) Anastasya Sahema Puken; Djoni Hatidja; Jullia Titaley
d'Cartesian Vol. 15 No. 1 (2026): Maret 2026
Publisher : Sam Ratulangi University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35799/dc.15.1.2026.67087

Abstract

Nilai tukar merupakan harga mata uang suatu negara terhadap mata uang negara lain dan berperan penting dalam stabilitas perekonomian. Penelitian ini bertujuan memprediksi nilai tukar Rupiah terhadap mata uang Cina (Yuan) menggunakan model ARIMA–GARCH. Data yang digunakan adalah data harian periode 1 Januari 2020 hingga 30 November 2025 yang diperoleh dari situs Investing. Hasil analisis menunjukkan bahwa model terbaik adalah ARIMA(3,0,0)–GARCH(2,3) berdasarkan nilai AIC terkecil. Model ini digunakan untuk nilai prediksi tukar pada periode 1–26 Desember 2025, dengan nilai prediksi berada pada kisaran 2.354,28 hingga 2.362,19. Hasil peramalan menunjukkan bahwa model mampu mengikuti pola pergerakan nilai meskipun nilai aktual meningkat lebih cepat dibandingkan nilai prediksi.
Co-Authors Anastasya Sahema Puken Chandra Haryono Christian Alderi Jeffta Soewoeh Djoni Hatidja Lusyane Humune Mahardika Inra Takaendengan Winsy Christo Deilan Weku