Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal GAUSS: Jurnal Pendidikan Matematika Rangkiang Mathematics Journal Jurnal ISO: Jurnal Ilmu Sosial, Politik dan Humaniora
Syafriandi
Universitas Negeri Padang
Humanities Mathematics Social Sciences Other

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

Found 4 Documents
Search

 1 
Aksiologi: Peran Filsafat Ilmu Dalam Transformasi Nilai Dalam Masyarakat Syafriandi; Siti Fatimah; Azmi Fitrisia
Jurnal ISO: Jurnal Ilmu Sosial, Politik dan Humaniora Vol. 5 No. 1 (2025): June
Publisher : Penerbit Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53697/iso.v5i1.2512

Abstract

Artikel ini bertujuan untuk mengetahui dinamika aksiologis yang terjadi di tengah transformasi masyarakat ke arah revolusi digital, dengan fokus utama pada pergeseran nilai-nilai fundamental dalam masyarakat. Melalui metode literature review, kajian ini menganalisis berbagai sumber akademik, jurnal ilmiah, dan publikasi terkait untuk memahami kompleksitas perubahan aksiologis di era digital. Pendekatan penelitian dilakukan secara sistematis dengan mengkaji literatur dari berbagai disiplin ilmu, meliputi sosiologi, filsafat, antropologi, dan teknologi informasi. Hasil penelitian menunjukkan bahwa masyarakat mengalami transformasi nilai yang signifikan, mencakup pergeseran konsep etika, estetika, logika sosial, dan norma-norma tradisional. Temuan kunci mengungkapkan bahwa perkembangan teknologi informasi tidak sekadar menjadi alat, melainkan agen transformasi yang mempengaruhi konstruksi nilai-nilai sosial. Artikel ini menawarkan perspektif kritis tentang tantangan aksiologis dalam mengintegrasikan nilai-nilai tradisional dengan dinamika masyarakat digital, serta implikasinya terhadap pembentukan struktur sosial di era Society 5.0.
Artificial Neural Network Model for Forecasting Inflation Rate in Indonesia Using Backpropagation Algorithm in Indonesia Fajrin Putra Hanifi; Syafriandi; Chairina Wirdiastuti; Nonong Amalita; Zilrahmi
Rangkiang Mathematics Journal Vol. 4 No. 1 (2025): Rangkiang Mathematics Journal
Publisher : Department of Mathematics, Universitas Negeri Padang (UNP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/rmj.v4i1.75

Abstract

Inflation is defined as a general and persistent rise in prices. Stable inflation is a prerequisite for sustainable Inflation, defined as a general and persistent rise in prices. Stable inflation is a prerequisite for sustainable economic growth. The importance of controlling inflation is based on the consideration that high and unstable inflation hurts the socio-economic conditions of the community. In this context, government and economic agents must know the future inflation rate. The backpropagation algorithm forecasting method can be a mathematical tool to forecast future inflation rates. The best forecasting model is obtained from applying the backpropagation algorithm, namely ANN BP (12,2,1), with a mean square error value of 0.15 and an absolute percentage error value of 11.09%. Based on these results, the back-propagation algorithm in artificial neural networks can accurately forecast the inflation rate. Thus, it is hoped that this research can be used in economic decision-making.
Peramalan Curah Hujan Kabupaten Padang Pariaman dengan Menggunakan Metode Fuzzy Time Series Singh Riskiani Lubis; Zamahsary Martha; Syafriandi; Admi Salma
GAUSS: Jurnal Pendidikan Matematika Vol. 8 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/gauss.v8i1.10465

Abstract

Abstrak Penelitian ini bertujuan untuk meramalkan curah hujan di Kabupaten Padang Pariaman, Provinsi Sumatera Barat, menggunakan metode Fuzzy Time Series Singh. Penelitian ini dilatarbelakangi oleh fluktuasi curah hujan yang tinggi di wilayah tersebut, yang menyebabkan bencana seperti banjir dan tanah longsor, yang merugikan sektor pertanian, infrastruktur, kesehatan, dan perekonomian masyarakat. Data yang digunakan adalah data curah hujan bulanan dari Januari 2020 hingga Desember 2024. Metode Fuzzy Time Series Singh dipilih karena sederhana namun efektif dalam meramalkan data runtun waktu berbasis logika fuzzy. Tahapan dalam metode ini meliputi pembentukan himpunan semesta, penentuan interval, fuzzifikasi data, pembentukan hubungan logika fuzzy, dan defuzzifikasi. Berdasarkan hasil penelitian diperoleh bahwa metode ini mampu menghasilkan estimasi curah hujan yang mendekati nilai aktual, dengan MAPE 7,67%. Hasil penelitian dapat digunakan sebagai alat bantu dalam perencanaan mitigasi bencana seperti tanah longsor dan banjir. Kata kunci: Curah Hujan, Peramalan, Fuzzy Time Series Singh Abstract This study aims to forecast rainfall in Padang Pariaman Regency, West Sumatra Province, using the Fuzzy Time Series Singh method. The research is motivated by the high fluctuation of rainfall in the area, which often leads to disasters such as floods and landslides, adversely affecting the agricultural sector, infrastructure, public health, and the local economy. The data used in this study consists of monthly rainfall records from January 2020 to December 2024. The Fuzzy Time Series Singh method was chosen due to its simplicity and effectiveness in forecasting time series data based on fuzzy logic. The stages of this method include the formation of the universe of discourse, interval determination, data fuzzification, formation of fuzzy logical relationships, and defuzzification. The results of the study show that this method is capable of producing rainfall estimates that closely match the actual values, with a MAPE of 7.67%. The findings can be used as a supporting tool for disaster mitigation planning, particularly for landslides and floods. Keywords: Rainfall, Forecasting, Fuzzy Time Series Singh
Penerapan Metode Multivariate Adaptive Regression Spline untuk Memahami Dinamika Kemiskinan di Indonesia Nurviqotun Khasanah; Zilrahmi; Syafriandi
GAUSS: Jurnal Pendidikan Matematika Vol. 8 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/gauss.v8i1.10569

Abstract

Abstrak Kemiskinan masih menjadi tantangan besar bagi pembangunan di negara berkembang, khususnya Indonesia. Berbagai faktor seperti pendidikan, kesehatan dan pendapatan masyarakat diketahui mempengaruhi tingkat kemiskinan, namun hubungan antar faktor tidak sederhana. Studi ini dilakukan untuk memprediksi Presentase Penduduk Miskin Di Indonesia berdasarkan faktor sosial ekonomi menggunakan metode Mulitivariate Adaptive Regression Spline yang mampu menangkap hubungan nonlinear dan interaksi antar variabel. Penelitian menggunakan Data dan Informasi Kemiskinan Kab/Kota di Indonesia Tahun 2023 dari publikasi Badan Pusat Statistik (BPS) yang telah melalui proses Pre-processing data. Model terbaik dibangun dari 0.8 data training dan 0.2 data testing dengan kombinasi BF=26, MI=3, MO=1 dengan Generalized Cross Validation (GCV) terkecil sebesar 0.160211 dan dari 13 variabel prediktor yang diteliti menunjukkan bahwa variabel Persentase Pengeluaran Rata-Rata per Orang untuk Makanan Kategori Miskin dan Tidak Miskin (X5) dan variabel Persentase Pengeluaran Rata-Rata per Orang untuk Makanan Kategori Miskin dan Tidak Miskin (X6) yang mempunyai skor tertinggi sebesar 100% untuk menurunkan nilai GCV model dan menurunkan Residual Sum of Squares (RSS) pada model. Selain itu, model MARS mampu menjelaskan variasi tingkat kemiskinan dengan nilai R-squared sebesar 83,7% yang mengidentifikasikan prediksi cukup akurat. Kata kunci : Kemiskinan, MARS, GCV Abstract Poverty remains a major challenge for development in developing countries, especially Indonesia. Various factors such as education, health and income are known to affect the poverty rate, but the relationship between factors is not simple. This study aims to predict the percentage of poor people in Indonesia based on socioeconomic factors using the Mulitivariate Adaptive Regression Spline method which is able to capture nonlinear relationships and interactions between variables. The research uses data and information on poverty in districts / cities in Indonesia in 2023 obtained from the Central Statistics Agency (BPS) which has gone through a process of cleaning, standardisation and handling outliers. The best model was built from 0.8 training data and 0.2 testing data with a combination of BF=26, MI=3, MO=1 with the smallest Generalised Cross Validation (GCV) of 0.160211 and of the 13 predictor variables studied showed that the variable Percentage of Average Expenditure per Person on Food for Poor and Non-Poor Categories (X5) and the variable Percentage of Average Expenditure per Person on Food for Poor and Non-Poor Categories (X6) which had the highest score of 100% to reduce the GCV value of the model and reduce the Residual Sum of Squares (RSS) in the model. In addition, the MARS model is able to explain the variation in poverty rates with an R-squared value of 83.7%, which identifies a fairly accurate prediction. Keywords: Poverty, MARS, GCV
Co-Authors Chairina Wirdiastuti Fajrin Putra Hanifi Fitrisia, Azmi Nonong Amalita Nurviqotun Khasanah Riskiani Lubis Salma, Admi Siti Fatimah Zamahsary Martha Zilrahmi, Zilrahmi