Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Ilmiah Matematika
Puspita, Novi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Energy Engineering Mathematics Mechanical Engineering Physics Transportation

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

Found 2 Documents
Search

 1 
COMPARISON OF SARIMA, SVR, AND GA-SVR METHODS FOR FORECASTING THE NUMBER OF RAINY DAYS IN BENGKULU CITY Puspita, Novi; Afendi, Farit Mochamad; Sartono, Bagus
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 16 No 1 (2022): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (624.009 KB) | DOI: 10.30598/barekengvol16iss1pp353-360

Abstract

The number of rainy days is a calculation of the rainy days that occur in one month. In recent years, there has been a decrease in rainy days in some parts of Indonesia. One of the areas at risk of quite a high decreasing number of rainy days is the Bengkulu City area. The decrease in the number of rainy days is one of the impacts caused by climate change. The community will feel the impact of climate change-related to the season, especially those working in the agricultural sector. In compiling the planting calendar, it is necessary to consider the seasons to estimate water availability. This study aimed to forecast the data on the number of rainy days in Bengkulu City in the period January 2000 to December 2020 using the Seasonal Autoregressive Integrated Moving Average (SARIMA), Support Vector Regression (SVR), and Genetic Algorithm Support Vector Regression (GA-SVR) methods. The criteria for selecting the best model used was Mean Absolute Deviation (MAD). The MAD value in the SARIMA method was 4,16, 5,07 in the SVR model, and 3,67 in the GA-SVR model. Based on these results, it can be concluded that the GA-SVR model is the best model for forecasting the number of rainy days in Bengkulu City.
Analisis Risiko Cuaca Ekstrem di Provinsi Aceh Menggunakan Pendekatan Volatilitas, Value at Risk (VaR), dan Extreme Value Theory (EVT) Miftahuddin; Puspita, Novi; Mulyani, Riska; Humaira, Sufia; Newton
Jurnal Ilmiah Matematika Vol. 13 No. 1 (2026)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jim.v13i1.31583

Abstract

Penelitian ini bertujuan untuk menganalisis tingkat risiko cuaca ekstrem pada 23 kabupaten/kota di Provinsi Aceh dengan menggunakan pendekatan kuantitatif berbasis konsep aktuaria, meliputi volatilitas dan Value at Risk (VaR). Cuaca ekstrem menjadi ancaman signifikan bagi Aceh karena letak geografisnya yang dipengaruhi angin muson, kondisi pesisir, serta topografi yang beragam. Data yang digunakan berupa skor indeks risiko cuaca ekstrem yang kemudian dianalisis melalui tahapan perhitungan volatilitas menggunakan standar deviasi, estimasi VaR dengan metode kuantil historis pada tingkat kepercayaan 95%, serta klasifikasi risiko kategorikal berdasarkan nilai ambang yang sesuai dengan karakteristik data. Hasil penelitian menunjukkan bahwa 15 wilayah berada pada kategori risiko tinggi dan 8 wilayah berada pada kategori risiko sedang, dengan skor tertinggi dimiliki Aceh Besar (36,41) dan terendah Kota Sabang (25,3). Nilai volatilitas sebesar 3,21 mengindikasikan adanya fluktuasi risiko yang moderat antar wilayah. Estimasi VaR sebesar 26,27 menunjukkan batas minimum risiko pada tingkat kepercayaan 95%. Temuan ini memperlihatkan bahwa wilayah pesisir dan dataran rendah memiliki tingkat kerentanan lebih tinggi dibanding wilayah pegunungan. Secara keseluruhan, analisis volatilitas dan VaR terbukti efektif sebagai alat ukur kuantitatif untuk mendukung prioritas mitigasi bencana dan perencanaan adaptasi iklim berbasis data di Provinsi Aceh.
Co-Authors Bagus Sartono Farit Mochamad Afendi Humaira, Sufia Miftahuddin Mulyani, Riska Newton