Article Per Year (5 Year)
p-Index From 2021 - 2026
2.804
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Jurnal Varian ESTIMASI: Journal of Statistics and Its Application Jurnal Diferensial HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi MATHunesa: Jurnal Ilmiah Matematika Buletin Sistem Informasi dan Teknologi Islam Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Journal of Data Mining and Information Systems Kohesi: Jurnal Sains dan Teknologi Indonesian Journal on Data Science Parameter: Jurnal Matematika, Statistika dan Terapannya Emerging Statistics and Data Science Journal Teknologi : Jurnal Ilmiah Sistem Informasi
Shindi Shella May Wara
Universitas Pembangunan Nasional Veteran Jawa Timur
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Mathematics Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Application of VAR-GARCH for Modeling the Causal Relationship of Stock Prices in the Mining Sub-sector Nasrudin, Muhammad; Setyowati, Endah; May Wara, Shindi Shella
Jurnal Varian Vol 8 No 1 (2024)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/varian.v8i1.4239

Abstract

Accurate modeling is expected to minimize risk and maximize profit in investment portfolios, one ofwhich is in stock price modeling. This research aims to model the causal relationship between stockprices using the Vector Autoregressive - Generalized Autoregressive Conditional Heteroskedasticity(VAR-GARCH) model. The VAR-GARCH model is used to overcome heteroscedasticity and modeldynamic volatility. The data used for the modeling consists of daily stock prices from July 2023 toMay 2024 for mining sub-sector companies listed on the Jakarta Islamic Index (JII), including ADMR,ADRO, and ANTM. The results showed that the VAR(1) model is stable, but this model indicates thepresence of heteroskedasticity or ARCH effects. Therefore, the VAR(1) model was combined with theGARCH model, and the results showed that the best model is VAR(1)-GARCH(1,1). The VAR(1)-GARCH(1,1) model is appropriate and meets the homoskedasticity assumptions for modeling the stockprices of the mining sub-sector in the Jakarta Islamic Index (JII). This indicates that the VAR-GARCHmodel could successfully handle the volatility of stock price data. In general, this research is in linewith previous research, i.e., the VAR-GARCH model showed a better model for capturing the volatilitypatterns in the data.
Penerapan Metode T2 Hotelling untuk Menganalisis Faktor Jumlah Penduduk Miskin Jawa Timur Kurniawan, Muhammad Erlangga; Ananta, Aditya Putra; Anugrah, Muhammad Cahya Raka; Wara, Shindi Shella May; Damaliana, Aviolla Terza
Kohesi: Jurnal Sains dan Teknologi Vol. 7 No. 8 (2025): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v7i8.12215

Abstract

Kemiskinan merupakan permasalahan utama di kehidupan masyarakat di suatu wilayah, khususnya di Jawa Timur. Penelitian ini bertujuan untuk menganalisis faktor yang memengaruhi jumlah penduduk miskin di Jawa Timur dengan menggunakan metode T2 Hotelling, pendekatan statistika multivariat yang membandingkan perbedaan dua kelompok data. Data yang digunakan adalah Tingkat Partisipasi Angkatan Kerja (TPAK), Indeks Pembangunan Manusia (IPM), dan Jumlah Penduduk Miskin (JPM) pada tahun 2022 dan 2023, yang diperoleh dari Badan Pusat Statistika (BPS) Jawa Timur. Sebelum analisis dilakukan, kami menguji normalitas, homogenitas, dan independensi untuk memastikan bahwa data memenuhi asumsi dalam analisis multivariat. Hasil uji menunjukkan bahwa uji normalitas belum terpenuhi, sehingga dilakukannya transformasi box-cox agar data dapat memenuhi asumsi yang dibutuhkan. Uji T2 Hotelling mengindikasikan bahwa adanya perbedaan signifikan antara data tahun 2022 dan 2023, yang menunjukkan bahwa adanya faktor yang memiliki dampak terhadap perubahan jumlah penduduk miskin. Kemudian, uji Paired t-test menunjukkan bahwa TPAK 2022 menunjukkan perbedaan paling signifikan dari variabel lainnya. Hasil penelitian ini menunjukkan bahwa TPAK dan IPM berperan utama dalam perubahan jumlah penduduk miskin di Jawa Timur. Oleh karena itu, diperlukan evaluasi kebijakan yang berfokus dalam peningkatan akses pendidikan, ketenagakerjaan, serta peningkatan kualitas hidup masyarakat agar dapat menurunkan angka kemiskinan secara efektif.
ANALISIS KEJAHATAN DI INDONESIA PADA DATA TAHUN 2022-2023 MENGGUNAKAN UJI T² HOTELLING’S Kaffi, Laisal; Maulana, Mohammad Hikmal; Wiyono, Farhan Syah Putra; Wara, Shindi Shella May; Damaliana, Aviolla Terza
Kohesi: Jurnal Sains dan Teknologi Vol. 7 No. 8 (2025): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v7i8.12216

Abstract

Kejahatan adalah suatu perbuatan atau tindakan yang dapat menimbulkan masalah-masalah dan mengakibatkan dampak negatif bagi kehidupan masyarakat. Tingginya angka kejahatan di suatu wilayah dapat memengaruhi stabilitas sosial serta ekonomi, sehingga diperlukan analisis mendalam untuk memahami pola kejahatan yang terjadi. Penelitian ini menggunakan data Statistik Kriminal 2024 dari Badan Pusat Statistik (BPS) yang mencakup laporan kejahatan di Indonesia pada tahun 2022 dan 2023. Dengan menerapkan Uji T² Hotelling’s dan Uji t-Paired, analisis dilakukan untuk mengidentifikasi perubahan signifikan antar tahun pada berbagai kategori kejahatan. Hasil penelitian menunjukkan adanya peningkatan signifikan dalam kejahatan kesusilaan, hak milik dengan kekerasan, narkoba, serta penipuan dan korupsi, sementara kejahatan terhadap nyawa mengalami sedikit penurunan. Secara keseluruhan, rata-rata jumlah kejahatan di berbagai kategori mengalami kenaikan, mencerminkan peningkatan tingkat kejahatan di beberapa wilayah. Studi ini menunjukkan bahwa analisis multivariat dapat menjadi pendekatan alternatif dalam memahami tren kejahatan secara komprehensif, sehingga dapat membantu penegak hukum dalam merumuskan kebijakan yang lebih strategis dan efektif.
Pengembangan Algoritma Sharpe Ratio dengan Integrasi Filter Tren SMA dalam Strategi Portofolio Aset Kripto Adziima, Andri Fauzan; Wara, Shindi Shella May; Nasrudin, Muhammad; Pratama, Alfan Rizaldy
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 1 (2025): Juni 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i1.383

Abstract

Penelitian ini mengusulkan sebuah strategi alokasi aset kripto yang bersifat dinamis, dengan menggabungkan pembobotan berdasarkan Sharpe Ratio dan penyaringan tren menggunakan indikator Simple Moving Average (SMA) dari Bitcoin (BTC). Model ini melakukan alokasi ulang modal setiap tiga hari pada tujuh aset kripto utama (BTC, ETH, BNB, SOL, TON, TRX, XRP), dengan ketentuan bahwa harga BTC berada di atas ambang SMA tertentu (50 hari, 100 hari, atau 200 hari). Apabila BTC berada di bawah nilai SMA tersebut, seluruh portofolio secara otomatis dialihkan ke USDT untuk menekan risiko penurunan nilai. Studi ini menggunakan data historis dari 1 Januari 2024 hingga 1 Januari 2025 dan menguji performa model dalam tiga konfigurasi SMA, lalu dibandingkan dengan strategi dasar buy-and-hold. Hasil menunjukkan bahwa strategi dengan parameter SMA 50 hari menghasilkan return kumulatif tertinggi (+231,51%) serta rasio Sharpe terbaik (2,51), jauh melampaui model dengan SMA yang lebih panjang maupun rata-rata return dari strategi dasar (+132,14%). Analisis risiko mengindikasikan bahwa jendela SMA yang lebih pendek memberikan respons yang lebih cepat terhadap tren naik pasar, meskipun disertai dengan peningkatan volatilitas jangka pendek. Secara keseluruhan, temuan ini menguatkan efektivitas strategi hibrida yang mengombinasikan penyaringan tren dengan alokasi berbasis risiko dalam pengelolaan portofolio kripto di tengah kondisi pasar yang fluktuatif.
Optimasi Sistem Antrian Pada Medical Center ITS Dengan Simulasi Discrete Event Dan Response Surface Methodology Wara, Shindi Shella May; Nasrudin, Muhammad; Adziima, Andri Fauzan; Pratama, Alfan Rizaldy
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 1 (2025): Juni 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i1.411

Abstract

Medical Center ITS berfungsi sebagai unit rawat jalan yang melayani pemeriksaan, tindakan medis, penunjang medis, dan rujukan bagi civitas academica ITS serta masyarakat umum dengan biaya yang terjangkau. Penelitian ini bertujuan untuk mengoptimalkan sistem antrean di Medical Center ITS, yang sering menghadapi antrean panjang dan berdampak pada waktu tunggu pasien serta efisiensi pelayanan, menggunakan pendekatan simulasi diskrit. Data primer, meliputi waktu antar kedatangan dan waktu pelayanan (resepsionis, poli umum, poli gigi, resep, dan pengambilan obat), dikumpulkan secara empiris untuk memodelkan sistem antrean berbasis kejadian. Model simulasi yang dikembangkan secara akurat merepresentasikan seluruh alur pelayanan. Hasil simulasi menunjukkan bahwa sistem pelayanan saat ini belum optimal dengan hanya satu server di poli umum dan satu di poli gigi. Berdasarkan temuan, skenario penambahan server pada poli gigi menjadi empat dan tetap satu server di poli umum diusulkan sebagai konfigurasi optimum. Implementasi skenario ini terbukti secara signifikan mengurangi waktu tunggu rata-rata pasien dan meningkatkan tingkat utilitas sumber daya. Penelitian ini menegaskan bahwa simulasi diskrit adalah alat pengambilan keputusan yang efektif untuk meningkatkan kualitas dan efisiensi pelayanan di fasilitas kesehatan.
ANALISIS SENTIMEN ULASAN APLIKASI SMILE INDONESIA MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE (SVM): SENTIMENT ANALYSIS OF SMILE INDONESIA APPLICATION REVIEWS USING NAIVE BAYES AND SUPPORT VECTOR MACHINE (SVM) METHODS Rhomaningtias, Lina; Khairunisa, Adenda; Shella May Wara, Shindi; Maulida Hindrayani, Kartika
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 1 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no1.p79-91

Abstract

Tujuan studi ini adalah untuk mengevaluasi bagaimana pengguna memandang aplikasi digital SMILE Indonesia, sebuah platform layanan publik yang memantau penyampaian layanan kesehatan secara real-time. Menggunakan teknik web scraping, 383 ulasan pengguna dikumpulkan dari Google Play Store dan secara otomatis diklasifikasikan berdasarkan skor penilaian: ulasan dengan skor 1-2 dikategorikan sebagai negatif, ulasan dengan skor 4-5 sebagai positif, dan ulasan dengan skor 3 atau lebih rendah dikecualikan karena kemungkinan ambiguitas. Langkah-langkah pre-processing seperti case folding, pembersihan teks, tokenisasi, penghapusan kata, stemming, dan normalisasi diterapkan pada data yang telah dilabeli. Metode TF-IDF (Term Frequency–Inverse Document Frequency) kemudian digunakan untuk mewakili data secara numerik. Dua algoritma digunakan untuk klasifikasi: Naïve Bayes dan Support Vector Machine (SVM). Hasil evaluasi menunjukkan bahwa SVM mencapai 75% pada keempat metrik, sementara Naïve Bayes mencapai akurasi 79%, presisi 81%, recall 79%, dan F1-score 79%. Uji McNemar menunjukkan bahwa perbedaan kinerja antara kedua model tidak signifikan secara statistik (p > 0.05), meskipun Naïve Bayes memperoleh skor yang lebih tinggi. Penelitian sentimen ini memberikan wawasan tentang bagaimana masyarakat umum memandang layanan publik digital; sementara sikap negatif menekankan kesulitan teknis, sikap positif menyoroti aksesibilitas dan keuntungan praktis. Hasil ini dapat digunakan secara strategis oleh pengembang dan pembuat kebijakan untuk meningkatkan kualitas layanan digital berbasis e-government, terutama di bidang logistik kesehatan. The purpose of this study is to evaluate how users perceive the SMILE Indonesia digital application, a public service platform that monitors the delivery of health services in real time. Using web scraping techniques, 383 user reviews were collected from the Google Play Store and automatically classified based on rating scores: reviews with scores of 1-2 were categorized as negative, reviews with scores of 4-5 as positive, and reviews with scores of 3 or lower were excluded due to potential ambiguity. Pre-processing steps such as case folding, text cleaning, tokenization, word removal, stemming, and normalization were applied to the labeled data. The TF-IDF (Term Frequency–Inverse Document Frequency) method was then used to represent the data numerically. Two algorithms were used for classification: Naïve Bayes and Support Vector Machine (SVM). Evaluation results show that SVM achieved 75% on all four metrics, while Naïve Bayes achieved 79% accuracy, 81% precision, 79% recall, and 79% F1-score. The McNemar test indicates that the performance difference between the two models is not statistically significant (p > 0.05), although Naïve Bayes achieved higher scores. This sentiment analysis provides insights into how the general public perceives digital public services; while negative attitudes emphasize technical difficulties, positive attitudes highlight accessibility and practical benefits. These results can be strategically utilized by developers and policymakers to improve the quality of e-government-based digital services, particularly in the field of health logistics.
Analisis Sentimen Terhadap Ulasan Aplikasi Mobile JKN Menggunakan Metode Machine Learning Logistic Regression, SVM, dan CSVM Fernando, Moch. Firman; Ahmad, Davin Anezta; Rachmanto, Nugroho Fajar; Wara, Shindi Shella May; Hindrayani, Kartika Maulida
ESTIMASI: Journal of Statistics and Its Application Vol. 6, No. 2, Juli, 2025 : Estimasi
Publisher : Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/ejsa.v6i2.44943

Abstract

One of the digital-based public service innovations in the health sector is the Mobile JKN application developed by BPJS Kesehatan. This application allows people to get health services more easily, effectively, and integrated. The purpose of this study is to evaluate user perceptions of the Mobile JKN application through collecting reviews from the Google Play Store. The collected data was analyzed using TF-IDF text mining technique and Chi-Square feature selection. Furthermore, logistic regression, support vector machine (SVM), and clustered SVM (CSVM) algorithms were used to perform sentiment classification. Comments were categorized into three categories: positive, neutral, and negative. The evaluation results show that CSVM has an accuracy value of 93%, precision of 94%, recall of 84%, and F1 value of 89%. Although features such as online registration and digital cards received positive feedback, sentiment analysis showed that most reviews were negative, especially regarding technical issues. The results show that ML-based algorithms can be effectively used to assess how people perceive digital services. These results can be used as a basis for BPJS Kesehatan to improve and develop new services.
Analisis Sentimen Pada Komentar Aplikasi Sehat Indonesiaku Menggunakan Metode Machine Learning Dan Klasifikasi Positif-Negatif Nabila Yudhitya Larasati; Marthalia Kusumarima; Karina Auralia; Shindi Shella May Wara; Aviolla Terza Damaliana
MATHunesa: Jurnal Ilmiah Matematika Vol. 13 No. 2 (2025)
Publisher : Universitas Negeri Surabaya

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

Abstract

Perkembangan aplikasi kesehatan digital seperti Aplikasi Sehat Indonesiaku (ASIK) memerlukan pemahaman terhadap persepsi pengguna guna meningkatkan kualitas layanan. Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen terhadap komentar pengguna ASIK di Google Play Store. Sebanyak 1.053 komentar dikumpulkan melalui teknik web scraping, lalu diproses menggunakan tahapan normalisasi, case folding, stemming, penghapusan stopwords, dan pembobotan TF-IDF. Visualisasi word cloud digunakan untuk mengidentifikasi kata-kata dominan dalam komentar positif dan negatif. Proses klasifikasi sentimen dilakukan dengan tiga algoritma machine learning, yaitu Random Forest, Gradient Boosting, dan Logistic Regression. Hasil analisis menunjukkan bahwa komentar positif banyak memuat kata seperti “mudah” dan “bermanfaat”, sementara komentar negatif didominasi oleh kata “perbaiki” dan “lama”. Model Gradient Boosting menunjukkan performa terbaik dengan accuracy sebesar 87,83%, precision 87,47%, dan F1-Score 87,31%. Temuan ini menggambarkan persepsi publik terhadap ASIK serta menyoroti pentingnya perbaikan teknis guna meningkatkan kepuasan pengguna terhadap layanan digital pemerintah.
Deteksi Sentimen Komentar Aplikasi Gobis Suroboyo dengan Metode Naive Bayes dan Metode Regresi Logistik Elmaliyasari, Shifa; Alzam, Muhammad Arsyad; Pratiwi, Nanda Aulia; Wara, Shindi Shella May; Hindrayani, Kartika Maulida
JDMIS: Journal of Data Mining and Information Systems Vol. 3 No. 2 (2025): August 2025
Publisher : Yayasan Pendidikan Penelitian Pengabdian Algero

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/jdmis.v3i2.4691

Abstract

This research discusses sentiment analysis of user comments on the Gobis Suroboyo application using the Naive Bayes algorithm and Logistic Regression. Data was obtained through web scraping method from Google Play Store, with a total of 1,015 comments which then went through text pre-processing such as data cleaning, case folding, stemming, normalisation, filtering, tokenizing, and feature selection using TF-IDF. Sentiment labels were determined based on user ratings, with ratings above 3 as positive and 3 and below as negative. The results show that the Naive Bayes algorithm is better at classifying positive sentiment with a precision of 81% and f1-score of 77%, while Logistic Regression excels at negative sentiment with a precision of 82% and f1-score of 82%. The WordCloud visualisation shows dominant words such as “app”, “good”, and “bus stop” that reflect users attention to the app features and transportation services. The findings show that both algorithms have competitive and reliable performance for evaluating public opinion on comment-based digital services. This research is expected to be a reference for app developers and local governments in improving the quality of digital public services.
Klasterisasi Produktivitas Daerah di Jawa Tengah Berdasarkan Ketenagakerjaan Menggunakan K-Means dan Average Linkage Nashrullah, Ahmad Firqi; Mahardhika, Rivaldi Dwi; Rusdiyanto, Nur Rahmat; May Wara, Shindi Shella; Saputra, Wahyu Syaifullah Jauharis
JURNAL DIFERENSIAL Vol 7 No 2 (2025): November 2025
Publisher : Program Studi Matematika, Universitas Nusa Cendana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35508/jd.v7i2.22516

Abstract

This study employs K-Means and Agglomerative Clustering (Average Linkage) to group regions based on variables such as the number of residents, unemployment rate, and other supporting indicators. The data are normalized and evaluated using the Silhouette Score metric, yielding three optimal clusters. Average Linkage (0.3596) outperforms K-Means (0.2627). The Average Linkage results indicate that cluster 1 is characterized by stable productivity and low unemployment, cluster 2 consists solely of Semarang City with the highest Human Development Index and wages, and cluster 3 comprises underdeveloped areas with high unemployment and low wages. This clustering is highly beneficial for supporting more targeted data-driven regional development policies.
Co-Authors AA Sudharmawan, AA Abda Abda Abdillah, Indah Rahma Adziima, Andri Fauzan Ahmad, Davin Anezta Alfan Rizaldy Pratama Alzam, Muhammad Arsyad Amellia Harmaimun Hidayah Amri Muhaimin Ananta, Aditya Putra Andri Faudzan Adziima Anugrah, Muhammad Cahya Raka Aviolla Terza Damaliana Damaliana, Aviolla Terza Diana Novitasari Dwi Mahardhika, Rivaldi Elmaliyasari, Shifa Endah Setyowati Fernando, Moch. Firman Firqi Nashrullah, Ahmad Indira Kaffi, Laisal Karina Auralia Kartika Maulida Hindrayani Khairunisa, Adenda Kresna Wira Yudha, I Nyoman Kurniawan, Muhammad Erlangga Mahardhika, Rivaldi Dwi Marthalia Kusumarima Maulana, Mohammad Hikmal Maulida Hindrayani, Kartika Mega Rizkya Arfiana Muhaimin, Amri Muhammad Nasrudin Muhammad Nasrudin Nabila Yudhitya Larasati Nashrullah, Ahmad Firqi Navsih, Muhammad Ghinan Nugroho, Muhammad Rafli Feandika Nur Indah Nirmalasari Pradipta, Alvino Hadiyan Pratiwi, Nanda Aulia Putri, Maretta Fairuz Luthfia Winoto Putri, Milla Akbarany Bakhtiar Putri, Milla Akbarany Baktiar rachmanto, Nugroho Fajar Ramadhani, Dafinah Rhomaningtias, Lina Rizkiyah, Selly Rizqin, Indira Zein Rusdiyanto, Nur Rahmat Saputra, Wahyu Syaifullah Jauharis Terza Damaliana, Aviolla Wahyu Syaifullah Jauharis Saputra Wiyono, Farhan Syah Putra Zahwa, Aniq Farichatus