Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Jurnal Daya Matematis Zero : Jurnal Sains, Matematika, dan Terapan INTENS Jurnal Inovasi Sains Teknologi dan Bisnis
Bakhtiar, Sri Muslihah
Actuarial Science Study Program, Universitas Muhammadiyah Kolaka Utara
Agriculture, Biological Sciences & Forestry Chemistry Computer Science & IT Economics, Econometrics & Finance Education Mathematics Physics Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
An Empirical Study for Comparison of Estimation Methods for Value at Risk, Tail Value at Risk, and Adjusted Tail Value at Risk Using Extreme Value Theory Approach to Stock Market Index Sri Muslihah Bakhtiar; Amran Amran; Khaeruddin Khaeruddin
Daya Matematis: Jurnal Inovasi Pendidikan Matematika Vol 10, No 2 (2022): Juli
Publisher : Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26858/jdm.v10i2.35702

Abstract

Risk management helps the financial industry to manage and estimate the risks that may occur by using risk measures. Financial series data mostly have a heavy tail distribution which causes the probability of extreme values to occur. To overcome these extreme values, it is necessary to apply a mathematical model in calculating risk estimates in financial data combined with the Extreme Value Theory approach. The Adjusted-TVaR model is a measure of the risk of modification of the TVaR model to eliminate outliers in the tail of the distribution. The purpose of this study is to measure the accuracy of the Value at Risk, Tail Value at Risk, and Adjusted Tail Value at Risk using the Peak Over Thresholdapproach in Extreme Value Theory Models.The results of the risk estimation research using the POT approach method, show that the higher the level of confidence and the chosen constant, the higher the value of Adj-TVaR presented. This value represents that the potential loss will be higher. The estimation results obtained that the VaR value is smaller than Adj-TVaR and Adj-TVaR is smaller than TVaR. This shows that Adj-TVaR is more efficient to use in terms of predicting risk value when compared to TVaR with the Peak Over Threshold approach
Penerapan Metode Double Exponential Smoothing pada Produksi Kakao di Kabupaten Kolaka Utara BAKHTIAR, SRI MUSLIHAH
INTENS Jurnal Inovasi Sains Teknologi dan Bisnis Vol 2 No 1 (2025): UMKOTA Jurnal Inovasi Sains Teknologi dan Pendidikan
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat, INTENS MKU

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

Abstract

Kakao merupakan komoditas perkebunan strategis yang berperan penting dalam meningkatkan kesejahteraan masyarakat dan ekonomi lokal di Kabupaten Kolaka Utara. Keberlanjutan dan peningkatan produksi kakao di masa mendatang perlu dipastikan, maka perlu adanya prediksi agar dapat mengetahui produksi kakao. Penelitian ini menggunakan Metode Double Exponential Smoothing yang bertujuan untuk meramalkan produksi kakao 10 periode kedepan yaitu dari tahun 2024 sampai tahun 2034 dengan menggunakan data historis. Hasil peramalan diperoleh parameter alpha yang digunakan adalah    sebesar  0,9 dan pada perhitungan MAPE diperoleh  sebesar 0,44%. Hasil peramalan produksi Kakao di Kabupaten Kolaka Utara akan mengalami peningkatan selama 10 periode kedepan dengan rata-rata peningkatan  sekitar 1017 ton pertahun. Hal tersebut dapat digunakan sebagai dasar untuk perencanaan strategis dalam meningkatkan  produksi kakao dan pemasaran kakao di Kabupaten Kolaka Utara.
Penerapan Metode Double Exponential Smoothing pada Produksi Kakao di Kabupaten Kolaka Utara Bohari, Nurul Aulia; Mutmainnah; Fajar, Nurhikmah; Yun Angraeni Saputri; BAKHTIAR, SRI MUSLIHAH
INTENS Jurnal Inovasi Sains Teknologi dan Bisnis Vol 1 No 1 (2024): INTENS Jurnal Inovasi Sains Teknologi
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat, INTENS MKU

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

Abstract

Kakao merupakan komoditas perkebunan strategis yang berperan penting dalam meningkatkan kesejahteraan masyarakat dan ekonomi lokal di Kabupaten Kolaka Utara. Keberlanjutan dan peningkatan produksi kakao di masa mendatang perlu dipastikan, maka perlu adanya prediksi agar dapat mengetahui produksi kakao. Penelitian ini menggunakan Metode Double Exponential Smoothing yang bertujuan untuk meramalkan produksi kakao 10 periode kedepan yaitu dari tahun 2024 sampai tahun 2034 dengan menggunakan data historis. Hasil peramalan diperoleh parameter alpha yang digunakan adalah    sebesar  0,9 dan pada perhitungan MAPE diperoleh error   sebesar 0,44%. Hasil peramalan produksi Kakao di Kabupaten Kolaka Utara akan mengalami peningkatan selama 10 periode kedepan dengan rata-rata peningkatan  sekitar 1017 ton pertahun. Hal tersebut dapat digunakan sebagai dasar untuk perencanaan strategis dalam meningkatkan  produksi kakao dan pemasaran kakao di Kabupaten Kolaka Utara. 
Forecasting Patchouli (Pogostemon Cabin Benth) Production in North Kolaka Using ARIMA, LSTM and Hybrid ARIMA-LSTM Bakhtiar, Sri Muslihah; Fajar, Nurhikmah
ZERO: Jurnal Sains, Matematika dan Terapan Vol 9, No 2 (2025): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v9i2.25920

Abstract

Patchouli (Pogostemon cablin Benth.) is one of Indonesia's most economically valuable essential oil commodities. This study forecasts patchouli production using ARIMA, LSTM, and a hybrid ARIMA-LSTM model, emphasizing the novelty of applying machine learning techniques to essential oil production forecasting, an understudied area. Weekly production data from ARS Atsiri North Kolaka (January 2022-July 2025, 187 records) were analyzed. ARIMA was applied to capture linear patterns, LSTM to model nonlinear dynamics, and the hybrid model to combine both characteristics. Model performance was evaluated using MSE, RMSE, and MAPE. The ARIMA (2,1,1) model performed best among the linear approaches, while LSTM with normalization, windowing, and 50 hidden units achieved the highest overall accuracy (MSE = 251.22, RMSE = 321.67, MAPE = 0.238%). The hybrid model did not outperform LSTM, likely due to the limited dataset and the dominance of nonlinear patterns, thus confirming LSTM as the most effective model.
Co-Authors Amran Amran Bohari, Nurul Aulia Fachry Abda El Rahman Fajar, Nurhikmah Fajar, Nurhikmah Khaeruddin Khaeruddin Yun Angraeni Saputri