Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi Gamatika HISTOGRAM: Jurnal Pendidikan Matematika Meteor STIP Marunda Jurnal Penelitian Transportasi Laut
Imam Fahcruddin
Jurusan Matematika, UIN Maulana Malik Ibrahim Malang
Civil Engineering, Building, Construction & Architecture Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Mathematics Transportation Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Gamatika

 1 
PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH Faridah, Siti; Fahcruddin, Imam
Gamatika Vol 1, No 1: Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

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

Abstract

Abstrak Sebagian besar data deret waktu ekonomi dan keuangan, asumsi  kestasioneran varians (heteroskedastisitas)  untuk model Autoregresif (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA) adalah ditolak. Bagaimanapun Model Autoregressive Conditional Heteroscedastic (ARCH) dan Generalized Autoregressive Conditional Heteroscedastic (GARCH) dapat digunakan sebagai asumsi untuk data dengan varians yang tidak stasioner (heteroskedastisitas). Tujuan dari penelitian ini adalah memodelkan nilai tukar dolar terhadap rupiah dengan menggunakan model GARCH dan mengetahui peramalan nilai tukar dollar terhadap rupiah dengan menggunakan model GARCH. Model GARCH dimulai dengan transformasi data kedalam model , kemudian sisaan kuadratiknya diuji untuk mengetahui adanya efek ARCH/GARCH. Estimasi parameter yang digunakan adalah Maximum Likelihood (ML) untuk mendapatkan nilai  dan untuk menguji model diuji dengan sisaan yang sudah dibakukan menggunakan statistik Ljung-Box Q. Model GARCH(1,1) sudah cukup baik  jika tidak ada pengaruh dari ARCH/GARCH dalam sisaan yang dibakukan. Akhir dari penilitian ini, model GARCH dalam nilai tukar dollar terhadap rupiah  adalah : Dengan model di atas dapat diramalkan untuk tanggal 1 juli 2010 nilai tukar dollar terhadap rupiah berkisar antara Rp. 9089.377 dan Rp. 9089.638. Kata kunci : Peramalan, Transsformasi, maximum likelihood, GARCH. Abstract Most of the time series data of economic and financial assumptions kestasioneran variance (heteroscedasticity) to model the autoregressive (AR), Moving Average (MA), and Autoregressive Moving Average (ARMA) is rejected. However Autoregressive Conditional Heteroscedastic Model (ARCH) and the Generalized Autoregressive Conditional Heteroscedastic (GARCH) can be used as an assumption for data with stationary variances (heteroscedasticity). The purpose of this study was to model the exchange rate of the dollar against the rupiah using GARCH models and know forecasting the dollar against the rupiah using GARCH models. GARCH model begins with the transformation of data into the model , then the remnant quadratic tested to determine the effects of ARCH / GARCH. Estimation of the parameters used is Maximum Likelihood (ML) to get the value and to test models that have been tested with standardized remnant using Ljung-Box Q statistics. GARCH model (1,1) is good enough if there is no effect of ARCH / GARCH standardized in the remnant. The studies end of this, GARCH models in the dollar against the rupiah exchange rate is: With the above model can be predicted for the 1 July 2010 the exchange rate of the dollar against the rupiah ranged between Rp. 9089.377 and Rp. 9089,638. Keywords: Forecasting, Transsformtioni, maximum likelihood, GARCH.
SPECTRUM MATRIKS TERHUBUNG LANGSUNG JENIS-JENIS GRAF HASIL KALI KARTESIUS Fahcruddin, Imam
Gamatika Vol 1, No 2: Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

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

Abstract

Abstrak Himpunan eigenvalues grafik dari matriks adjacency disebut spectrum grafik. Spektrum dari suatu graf G dengan simpul n biasanya dinotasikan Sp (G). Ada juga beberapa cara pembentukan dari dua grafik, grafik baru dimana set vertexnya adalah produk Cartesian set vertex mereka. Dalam tulisan ini kita mempelajari spektrum produk Cartesian dua graf sederhana. Memanfaatkan teorema tentang spektrum produk Cartesian dua grafik sederhana, kami membuktikan bahwa : 1. Spektrum grafik tangga adalah 2. Spektrum grafik buku 3. Spektrum grafik grid Kata kunci: Spectrum,Matriks Adjacency, Produk Cartesian Grafik Abstract The set graph eigenvalues of adjacency matrix is called the graph spectrum. The spectrum of a graph G with n vertices is usually denoted Sp (G). There are also several ways the formation of the two graphs, new graphs which are set vertex is Cartesian product their set vertex. In this paper we study the spectrum of Cartesian product two simple graphs. Utilizing theorem proves that: 1. The spectrum chart ladder is: 2. Spectrum grafik grid 3. Spectrum grafik grid Keywords: Spectrum, adjacency matrix, Cartesian Product Graphs
PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH Faridah, Siti; Fahcruddin, Imam
Gamatika Vol 1, No 1 (2010): Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

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

Abstract

Abstrak Sebagian besar data deret waktu ekonomi dan keuangan, asumsi  kestasioneran varians (heteroskedastisitas)  untuk model Autoregresif (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA) adalah ditolak. Bagaimanapun Model Autoregressive Conditional Heteroscedastic (ARCH) dan Generalized Autoregressive Conditional Heteroscedastic (GARCH) dapat digunakan sebagai asumsi untuk data dengan varians yang tidak stasioner (heteroskedastisitas). Tujuan dari penelitian ini adalah memodelkan nilai tukar dolar terhadap rupiah dengan menggunakan model GARCH dan mengetahui peramalan nilai tukar dollar terhadap rupiah dengan menggunakan model GARCH. Model GARCH dimulai dengan transformasi data kedalam model , kemudian sisaan kuadratiknya diuji untuk mengetahui adanya efek ARCH/GARCH. Estimasi parameter yang digunakan adalah Maximum Likelihood (ML) untuk mendapatkan nilai  dan untuk menguji model diuji dengan sisaan yang sudah dibakukan menggunakan statistik Ljung-Box Q. Model GARCH(1,1) sudah cukup baik  jika tidak ada pengaruh dari ARCH/GARCH dalam sisaan yang dibakukan. Akhir dari penilitian ini, model GARCH dalam nilai tukar dollar terhadap rupiah  adalah : Dengan model di atas dapat diramalkan untuk tanggal 1 juli 2010 nilai tukar dollar terhadap rupiah berkisar antara Rp. 9089.377 dan Rp. 9089.638. Kata kunci : Peramalan, Transsformasi, maximum likelihood, GARCH. Abstract Most of the time series data of economic and financial assumptions kestasioneran variance (heteroscedasticity) to model the autoregressive (AR), Moving Average (MA), and Autoregressive Moving Average (ARMA) is rejected. However Autoregressive Conditional Heteroscedastic Model (ARCH) and the Generalized Autoregressive Conditional Heteroscedastic (GARCH) can be used as an assumption for data with stationary variances (heteroscedasticity). The purpose of this study was to model the exchange rate of the dollar against the rupiah using GARCH models and know forecasting the dollar against the rupiah using GARCH models. GARCH model begins with the transformation of data into the model , then the remnant quadratic tested to determine the effects of ARCH / GARCH. Estimation of the parameters used is Maximum Likelihood (ML) to get the value and to test models that have been tested with standardized remnant using Ljung-Box Q statistics. GARCH model (1,1) is good enough if there is no effect of ARCH / GARCH standardized in the remnant. The studies end of this, GARCH models in the dollar against the rupiah exchange rate is: With the above model can be predicted for the 1 July 2010 the exchange rate of the dollar against the rupiah ranged between Rp. 9089.377 and Rp. 9089,638. Keywords: Forecasting, Transsformtioni, maximum likelihood, GARCH.
SPECTRUM MATRIKS TERHUBUNG LANGSUNG JENIS-JENIS GRAF HASIL KALI KARTESIUS Fahcruddin, Imam
Gamatika Vol 1, No 2 (2011): Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

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

Abstract

Abstrak Himpunan eigenvalues grafik dari matriks adjacency disebut spectrum grafik. Spektrum dari suatu graf G dengan simpul n biasanya dinotasikan Sp (G). Ada juga beberapa cara pembentukan dari dua grafik, grafik baru dimana set vertexnya adalah produk Cartesian set vertex mereka. Dalam tulisan ini kita mempelajari spektrum produk Cartesian dua graf sederhana. Memanfaatkan teorema tentang spektrum produk Cartesian dua grafik sederhana, kami membuktikan bahwa : 1. Spektrum grafik tangga adalah 2. Spektrum grafik buku 3. Spektrum grafik grid Kata kunci: Spectrum,Matriks Adjacency, Produk Cartesian Grafik Abstract The set graph eigenvalues of adjacency matrix is called the graph spectrum. The spectrum of a graph G with n vertices is usually denoted Sp (G). There are also several ways the formation of the two graphs, new graphs which are set vertex is Cartesian product their set vertex. In this paper we study the spectrum of Cartesian product two simple graphs. Utilizing theorem proves that: 1. The spectrum chart ladder is: 2. Spectrum grafik grid 3. Spectrum grafik grid Keywords: Spectrum, adjacency matrix, Cartesian Product Graphs
PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH Faridah, Siti; Fahcruddin, Imam
Gamatika Vol 1, No 1 (2010): Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

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

Abstract

Abstrak Sebagian besar data deret waktu ekonomi dan keuangan, asumsi  kestasioneran varians (heteroskedastisitas)  untuk model Autoregresif (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA) adalah ditolak. Bagaimanapun Model Autoregressive Conditional Heteroscedastic (ARCH) dan Generalized Autoregressive Conditional Heteroscedastic (GARCH) dapat digunakan sebagai asumsi untuk data dengan varians yang tidak stasioner (heteroskedastisitas). Tujuan dari penelitian ini adalah memodelkan nilai tukar dolar terhadap rupiah dengan menggunakan model GARCH dan mengetahui peramalan nilai tukar dollar terhadap rupiah dengan menggunakan model GARCH. Model GARCH dimulai dengan transformasi data kedalam model , kemudian sisaan kuadratiknya diuji untuk mengetahui adanya efek ARCH/GARCH. Estimasi parameter yang digunakan adalah Maximum Likelihood (ML) untuk mendapatkan nilai  dan untuk menguji model diuji dengan sisaan yang sudah dibakukan menggunakan statistik Ljung-Box Q. Model GARCH(1,1) sudah cukup baik  jika tidak ada pengaruh dari ARCH/GARCH dalam sisaan yang dibakukan. Akhir dari penilitian ini, model GARCH dalam nilai tukar dollar terhadap rupiah  adalah : Dengan model di atas dapat diramalkan untuk tanggal 1 juli 2010 nilai tukar dollar terhadap rupiah berkisar antara Rp. 9089.377 dan Rp. 9089.638. Kata kunci : Peramalan, Transsformasi, maximum likelihood, GARCH. Abstract Most of the time series data of economic and financial assumptions kestasioneran variance (heteroscedasticity) to model the autoregressive (AR), Moving Average (MA), and Autoregressive Moving Average (ARMA) is rejected. However Autoregressive Conditional Heteroscedastic Model (ARCH) and the Generalized Autoregressive Conditional Heteroscedastic (GARCH) can be used as an assumption for data with stationary variances (heteroscedasticity). The purpose of this study was to model the exchange rate of the dollar against the rupiah using GARCH models and know forecasting the dollar against the rupiah using GARCH models. GARCH model begins with the transformation of data into the model , then the remnant quadratic tested to determine the effects of ARCH / GARCH. Estimation of the parameters used is Maximum Likelihood (ML) to get the value and to test models that have been tested with standardized remnant using Ljung-Box Q statistics. GARCH model (1,1) is good enough if there is no effect of ARCH / GARCH standardized in the remnant. The studies end of this, GARCH models in the dollar against the rupiah exchange rate is: With the above model can be predicted for the 1 July 2010 the exchange rate of the dollar against the rupiah ranged between Rp. 9089.377 and Rp. 9089,638. Keywords: Forecasting, Transsformtioni, maximum likelihood, GARCH.
SPECTRUM MATRIKS TERHUBUNG LANGSUNG JENIS-JENIS GRAF HASIL KALI KARTESIUS Fahcruddin, Imam
Gamatika Vol 1, No 2 (2011): Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

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

Abstract

Abstrak Himpunan eigenvalues grafik dari matriks adjacency disebut spectrum grafik. Spektrum dari suatu graf G dengan simpul n biasanya dinotasikan Sp (G). Ada juga beberapa cara pembentukan dari dua grafik, grafik baru dimana set vertexnya adalah produk Cartesian set vertex mereka. Dalam tulisan ini kita mempelajari spektrum produk Cartesian dua graf sederhana. Memanfaatkan teorema tentang spektrum produk Cartesian dua grafik sederhana, kami membuktikan bahwa : 1. Spektrum grafik tangga adalah 2. Spektrum grafik buku 3. Spektrum grafik grid Kata kunci: Spectrum,Matriks Adjacency, Produk Cartesian Grafik Abstract The set graph eigenvalues of adjacency matrix is called the graph spectrum. The spectrum of a graph G with n vertices is usually denoted Sp (G). There are also several ways the formation of the two graphs, new graphs which are set vertex is Cartesian product their set vertex. In this paper we study the spectrum of Cartesian product two simple graphs. Utilizing theorem proves that: 1. The spectrum chart ladder is: 2. Spectrum grafik grid 3. Spectrum grafik grid Keywords: Spectrum, adjacency matrix, Cartesian Product Graphs
Co-Authors Almuzani, Nafi Antoni Arif Priadi Gupron, Ahmad Kasan I Made Sulandra Siregar, Pande I. Siti Faridah Wibowo, Titis Ari