Article Per Year (5 Year)
p-Index From 2019 - 2024
6.293
P-Index
This Author published in this journals
All Journal BIMASTER JMPM: Jurnal Matematika dan Pendidikan Matematika BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Pengabdian kepada Masyarakat Nusantara JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi STATISTIKA
Shantika Martha
Universitas Tanjungpura
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Social Sciences Transportation

Published : 49 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 49 Documents
Search

 1   2   3   4   5 
Pemetaan Pembangunan Sekolah di Kapuas Hulu Menggunakan Metode Multidimensional Scaling Shantika Martha
JMPM: Jurnal Matematika dan Pendidikan Matematika Vol 4, No 2: September 2019 - Februari 2020
Publisher : Universitas Pesantren Tinggi Darul Ulum Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/jmpm.v4i2.1065

Abstract

Pemetaan pembangunan sekolah diperlukan untuk melihat ketersediaan sarana pendidikan di suatu daerah. Di daerah perbatasan biasanya terjadi ketimpangan antara jumlah sarana pendidikan yang ada. Kapuas Hulu adalah salah satu kabupaten yang berada di Provinsi Kalimantan Barat yang berbatasan dengan negara Sarawak Malaysia. Penelitian ini bertujuan untuk melakukan pemetaan terhadap pembangunan sekolah antar kecamatan di kabupaten Kapuas Hulu menggunakan metode Multidimensional Scaling (MDS). Berdasarkan hasil pemetaan, diperoleh empat kelompok daerah yang memiliki pola kedekatan yang sama antar kecamatan dengan nilai Stress sebesar 0.05821 dan R2 0.98917. 
PENERAPAN METODE GEOGRAPHICALLY WEIGHTED PANEL REGRESSION (GWPR) PADA KASUS KEMISKINAN DI INDONESIA Shantika Martha; Yundari Yundari; Setyo Wira Rizki; Ray Tamtama
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 15 No 2 (2021): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (392.215 KB) | DOI: 10.30598/barekengvol15iss2pp241-248

Abstract

To analyze the factor affecting poverty during several periods by considering some geographical factors, we can use a geographically weighted panel regression (GWPR) method. GWPR is a combination of the geographically weighted regression (GWR) model and the panel regression model. The research conducts to identify the factors affecting the percentage of poor people in 34 provinces in Indonesia during 2015-2019. The results show that a suitable GWPR model is a fixed-effect model (FEM) with an exponential adaptive kernel function. Referring to the model, the province is divided into four groups based on variables having a significant effect on the percentage of poor people. That factors causing the poor people percentage in Indonesia are the poor people percentage aged above 15 years old and unemployment, the people percentage aged above 15 years old and employed in the agricultural sector, the literacy rate of the poor aged between 15 to 55 years old, and the life expectancy rate. Keywords: fixed effect model, exponential adaptive kernel.
Perbandingan Metode k-Nearest Neighbor, Regresi Logistik Biner, dan Pohon Klasifikasi pada Analisis Kelayakan Pemberian Kredit Shantika Martha; Wirda Andani; Setyo Wira Rizki
Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi EULER: Volume 10 Issue 2 December 2022
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34312/euler.v10i2.16751

Abstract

Kredit Tanpa Anggunan (KTA) are bank loans given to debtors without asking for guarantees. Some debtors who have made KTA but still need additional loan funds can top up. However, offering this facility to the public cannot be separated from the risk that the debtor and/or other parties fail to fulfill their obligations to the bank. In an effort to assess the feasibility of prospective debtors, banks need decision-making tools so that they can easily and quickly estimate which debtors are able to pay off credit on time (good credit). The tool that is often used is classification. In this study, we will compare 3 classification methods, namely k-nearest neighbor, binary logistic regression, and classification tree, to obtain the best method for analyzing the feasibility of giving KTA top-up. Based on the accuracy value in each method, the classification tree produces the highest accuracy value compared to the other two methods. Thus, for this study, the classification tree is the best method, with an accuracy value of 87.68%. The variables used in the classification tree are DBR, length of service of a debtor, credit limit, type of debtor's occupation, the total income of the debtor, the area where the debtor lives, and the credit period of the debtor is 1 month.
Pelatihan Software Minitab Pada Evaluasi Hasil Belajar Siswa Nurfitri Imro'ah; Dadan Kusnandar; Naomi Nessyana Debataraja; Shantika Martha; Wirda Andani; Evy Sulistianingsih; Hendra Perdana; Neva Satyahadewi; Ray Tamtama; Setyo Wir Rizki
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 3 No. 2 (2022): Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN)
Publisher : Sistem Informasi dan Teknologi (Sisfokomtek)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (543.339 KB)

Abstract

Pengolahan data dapat dilakukan dengan perhitungan manual ataupun menggunakan alat bantu aplikasi software pengolah data. Salah satu software untuk mengolah data statistik yang dapat digunakan adalah software Minitab. Pengenalan software Minitab kepada kalangan guru khususnya guru SMP Negeri 5 Pontianak merupakan tujuan dari kegiatan Pengabdian Kepada Masyarakat (PKM) yang dilaksanakan oleh Program Studi Statistika FMIPA Universitas Tanjungpura. Kegiatan dilaksanakan dengan dua tahap, yaitu tahap pelatihan dan tahap pendampingan. Tahap pertama bertujuan untuk memperkenalkan software Minitab sebagai alat bantu pengolahan data dan diharapkan agar para guru yang menjadi khalayak dapat memperluas pengetahuan dan meningkatkan motivasi untuk melakukan penelitian yang berkaitan dengan data. Tahap kedua bertujuan untuk membantu para guru agar lebih mampu menganalisis data hasil penelitian yang telah dilakukan dan menambah motivasi untuk membuat publikasi hasil penelitiannya. Selanjutnya dilakukan monitoring terhadap pelaksanaan pelatihan pengolahan data menggunakan software Minitab. Selain itu juga dilakukan survey tanggapan kepada guru-guru terkait tanggapan tentang pelatihan yang dilakukan. Berdasarkan hasil analisis menggunakan uji paired sample t test didapat bahwa rata-rata nilai posttest lebih tinggi secara signifikan dibandingkan dengan rata-rata nilai pretest. Hal ini berarti bahwa pelatihan yang diberikan pada kegiatan PKM ini memberikan pengaruh pada kemampuan olah data para guru SMP Negeri 5 Pontianak.
PENERAPAN FUZZY TIME SERIES ALGORITMA NOVEL PADA HARGA TANDAN BUAH SEGAR KELAPA SAWIT Indah Noviyanti; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i1.61976

Abstract

Seiring dengan perkembangan waktu metode dalam menganalisis data runtun waktu, menyebabkan banyak pilihan metode, salah satunya yaitu metode fuzzy time series. Metode fuzzy time series memiliki kelebihan yaitu tidak memerlukan uji stasioneritas seperti pada analisis time series umumnya. Proses prediksi dilakukan untuk melihat suatu peristiwa yang akan terjadi dimasa mendatang dalam pengambilan keputusan. Tujuan penelitian adalah untuk memprediksi harga pada Tandan Buah Segar (TBS) kelapa sawit di Kalimantan Barat dengan metode yang digunakan yaitu fuzzy time series Algoritma Novel. Pada penelitian ini data menggunakan data harga TBS kelapa sawit periode pertama persetiap bulannya di Kalimantan Barat, pada bulan Januari 2018 hingga Maret 2022. Tahapan penelitian ini pertama yang dilakukan yaitu menentukan himpunan semesta pembicaraan, pembentukan interval menggunakan average based length, pembentukan himpunan fuzzy dengan fungsi keanggotaan, pembentukan fuzzifikasi dan Fuzzy Logical Relationship (FLR) serta dilakukan Fuzzy Logical Relationship Group (FLRG), selanjutnya menghitung nilai peramalan dengan fuzzy time series Algoritma Novel. Hasil peramalan dengan metode fuzzy time series Algoritma Novel diperoleh hasil prediksi pada bulan April 2022 yaitu Rp. 3.695,00. Metode tersebut memiliki tingkat keakuratan peramalan Mean Absolute Percentage Error (MAPE) sebesar 2,32%. Nilai MAPE yang didapatkan menunjukkan hasil prediksi data harga TBS kelapa sawit di Kalimantan Barat menggunakan fuzzy time series Algoritma Novel termasuk sangat baik. Kata Kunci: Fungsi keanggotaan, average based length, MAPE
MODEL AUTOREGRESSIVE DISTRIBUTED LAG DENGAN METODE KOYCK Anggi Putri Dewi; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i1.62918

Abstract

Autoregressive distributed lag (ARDL) adalah kombinasi metode autoregressive (AR) dan distributed lag (DL). Model regresi yang memuat variabel terikat dipengaruhi variabel bebas waktu sekarang Xt dan juga dipengaruhi oleh variabel terikat pada salah satu bagian ukuran yang lalu (Yt-1) adalah model AR. Sedangkan, model DL disebut juga dengan model dinamis, karena pengaruh perubahan satu bagian dalam nilai variabel bebas terdistribusi dengan selang waktu tertentu. Penelitian ini bertujuan untuk membentuk model dan menganalisis pengaruh pergerakan kurs dolar Amerika terhadap pergerakan Indeks Harga Saham Gabungan (IHSG) dengan menggunakan model ARDL metode Koyck. Digunakannya metode Koyck jika panjang lag tidak diketahui, serta model distribusi lag yang digunakan adalah lag infinite. Penelitian ini menggunakan data close bulanan pergerakan IHSG dan pergerakan kurs dolar Amerika pada periode Januari 2017 sampai periode Desember 2020.  Langkah pertama adalah melakukan input data kemudian membentuk satu periode lag (Yt-1) . Kedua, melakukan pengujian parameter memakai uji F dan uji t. Terakhir, menjalani uji asumsi klasik serta menentukan model ARDL dengan metode Koyck. Model ARDL yang diperoleh dengan metode Koyck adalah Y^_t =3780,100-0,194609Xt+0,825034 Yt-1 dengan t adalah periode waktu sekarang dan t-1  adalah periode satu bulan sebelumnya. Hasil analisis model mengidentifikasikan bahwa kurs dolar Amerika berpengaruh negatif pada perubahan IHSG. Perubahan IHSG dipengaruhi oleh perubahan kurs dolar Amerika saat ini dan perubahan IHSG saat satu bulan sebelumnya. Pengaruh variabel kurs dolar terhadap IHSG pada tahun 2017-2020 sebesar 83,6%. Kata Kunci: Lag Infinite, IHSG, Model Dinamis 
PENERAPAN MODEL DCC-MGARCH PADA DATA RETURN KURS JUAL DOLAR DAN YUAN Fahiza Syanaya; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i1.63004

Abstract

Kurs merupakan nilai tukar harga mata uang suatu negara terhadap mata uang negara asing. Kurs seringkali memiliki perubahan volatilitas bervariasi yg tidak konstan (heteroskedastisitas) dari waktu ke waktu sehingga asumsi varians konstan tidak dapat digunakan. Model yang biasanya digunakan untuk mengatasi heteroskedastisitas adalah model GARCH. Namun untuk menganalisis data time series dengan melibatkan lebih dari satu variabel yang conditional varians dan conditional correlation bergantung terhadap waktu, maka dapat menggunakan model Dynamic Conditional Correlation MGARCH. Tujuan dalam penelitian ini adalah melihat korelasi dinamis antara return kurs jual dolar dan yuan dan memperoleh model terbaik yang sesuai untuk mengestimasi return kurs menggunakan model DCC-MGARCH. Langkah-langkah pemodelan DCC-MGARCH adalah pembentukan model ARMA dilanjutkan dengan pemodelan GARCH lalu pemodelan MGARCH untuk mendapatkan model DCC-MGARCH.  Data yang digunakan adalah data return kurs harian terhadap dolar dan yuan dari tanggal 5 Maret 2019 hingga 6 April 2022. Hasil penelitian ini menunjukkan bahwa terdapat korelasi dinamis sebesar 0,976345 antara nilai return kurs dolar dan yuan, ini menunjukkan bahwa perubahan return kurs dolar memberikan pengaruh terhadap perubahan return kurs yuan, begitu pula sebaliknya. Model GARCH(1,1) yang telah dibentuk diterapkan sebagai dasar pemodelan multivariat, oleh karena itu model multivariat yang dihasilkan adalah model DCC-MGARCH(1,1). Model DCC-MGARCH(1,1) dianggap baik digunakan untuk memodelkan nilai return kurs dolar dan yuan dengan nilai MAPE return kurs dolar sebesar 10% dan yuan 18%.  Kata Kunci: DCC- MGARCH, return, kurs, korelasi dinamis.
PEMODELAN REGRESI NONPARAMETRIK BIRESPON SPLINE PADA PERSENTASE PENDUDUK MISKIN DAN INDEKS KEDALAMAN KEMISKINAN Maya Rosalina; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 1 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i1.62849

Abstract

Kemiskinan dapat diukur menggunakan indikator persentase penduduk miskin dan indeks kedalaman kemiskinan. Faktor yang memengaruhi kemiskinan bisa dianalisis dengan analisis regresi. Pada penelitian ini digunakan analisis regresi nonparametrik birespon spline.  Kelebihan dari estimator spline yaitu mampu menangani pola data yang naik atau turun dengan tajam menggunakan titik knot dan kurva yang dihasilkan relatif lebih mulus. Penelitian ini bertujuan untuk menentukan model terbaik pada persentase penduduk miskin dan indeks kedalaman kemiskinan dengan regresi nonparametrik birespon spline. Data yang digunakan adalah data persentase penduduk miskin dan indeks kedalaman kemiskinan sebagai variabel respon.  Sedangkan variabel prediktor yaitu tingkat pengangguran terbuka dan tingkat partisipasi angkatan kerja yang diambil dari website BPS Provinsi Jawa Timur tahun 2020. Langkah pertama pada pemodelan adalah menguji korelasi Pearson untuk mengetahui hubungan antara persentase penduduk miskin dengan indeks kedalaman kemiskinan. Kemudian menentukan pola data antara variabel prediktor dengan variabel respon menggunakan scatterplot. Selanjutnya menentukan matriks pembobot W menggunakan Weighted Least Square (WLS). Setelah itu menentukan banyaknya kombinasi orde dengan titik knot berdasarkan nilai GCV minimum yang melibatkan matriks pembobot W. Langkah terakhir memodelkan regresi nonparametrik birespon spline terbaik dan menghitung nilai dari koefisien determinasi (R2). Hasil dari pemodelan diperoleh bahwa model regresi nonparametrik birespon spline terbaik pada persentase penduduk miskin dan indeks kedalaman kemiskinan berorde dua dengan tiga titik knot. Kebaikan dari model diukur berdasarkan R2 yang diperoleh bahwa tingkat pengangguran terbuka dan tingkat partisipasi angkatan kerja memengaruhi persentase penduduk miskin dan indeks kedalaman kemiskinan sebesar 57,252% sedangkan untuk sisanya dipengaruhi variabel lain. Kata Kunci: kemiskinan, GCV, titik knot
ANALISIS ASSOCIATION RULES MENGGUNAKAN ALGORITMA ECLAT PADA TOKO SWALAYAN Thariq Thariq; Shantika Martha; Hendra Perdana
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65274

Abstract

Kemajuan teknologi sangat pesat bahkan untuk sebuah toko swalayan dalam melakukan berbagai transaksi, semua penjualan langsung masuk ke database. B-MART merupakan toko yang menjual bahan pokok sehari-hari dengan jumlah transaksi yang relatif tinggi dimana menyebabkan data transaksi menjadi database yang besar. Salah satu cara untuk meningkatkan kualitas penjualan adalah dengan mempelajari pola belanja konsumen dengan menganalisis data transaksi penjualan. Salah satu teknik untuk menganlisis perilaku pola pembelian konsumen adalah Association rule. Equivalence Class Transformation (ECLAT) adalah salah satu algoritma pada metode association rules. Dimana dapat menemukan pola itemset yang paling sering muncul. Algoritma ECLAT mengklasifikasikan item yang sama ke dalam kelas (equivalence class) berdasarkan kriteria tertentu. Data penelitian yang digunakan merupakan data sekunder yang berasal dari transaksi penjualan pada toko B-MART dari bulan Februari 2020 sampai dengan Maret 2020 dengan total transaksi sebanyak 19826 dengan menggunakan minimum support 0.03% dan minimum confidence 95% dan lift ratio >1 menghasilkan sebanyak tiga frequent itemset. Kemudian untuk hasil association rules hanya didapatkan 1 rules yaitu jika bungkus kado maka kertas kado mix dengan nilai confidence 95,95% dan lift ratio 43,90. Artinya apabila konsumen melakukan pembelian jasa bungkus kado, maka kemungkinan terambilnya kertas kado mix sebesar 95,95%. Maka dari itu alangkah baiknya bungkus kado serta kertas kado mix diletakkan berdekatan. Sedangkan rules yang mempunyai nilai confidence dibawah 95% dapat dilakukan promo.Kata Kunci: belanja, itemset, lift ratio. 
ANALISIS BOOTSTRAP AGGREGATING MULTIVARIATE ADAPTIVE REGRESSION SPLINES UNTUK AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT Muhammad Septian; Shantika Martha; Nur’ainul Miftahul Huda
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 2 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i2.65267

Abstract

Multivariate Adaptive Regression Splines (MARS) adalah metode dengan pendekatan multivariate nonparametrik. MARS adalah teknik klasifikasi yang mudah serta fleksibel untuk mengetahui variabel respon dan variabel prediktor. MARS adalah penggabungan dari RPR dengan Spline yang dapat memberikan perkiraan  yang tepat. Tingkat akurasi klasifikasi model MARS bisa dilakukan peningkatan dengan memakai metode resampling, diantaranya adalah bagging. Bagging merupakan metode yang melakukan penggabungan banyaknya angka  prediktor serta respon untuk  mendapatkan agregat melalui angka Generalized Cross Validation (GCV). Data yang digunakan yakni data akreditasi sekolah SMA/MA di Kalimantan Barat. Jumlah variabel yang digunakan sebanyak 8 variabel prediktor yaitu standar isi (X1), standar proses (X2), standar lulusan (X3), standar pengajar dan tenaga kerja (X4), sarana dan prasarana (X5), standar pengelolaan (X6), standar pembiayaan (X7), dan standar penilaian (X8), dan variabel respon yaitu akreditasi A dan B (Y0.), akreditasi C dan sekolah tidak terakreditasi (Y1). Penelitian ini mengidentifikasi dan memodelkan komponen penilaian yang menjadi pengaruh dalam penentuan akreditasi sekolah dengan menggunakan Bagging MARS. Memperoleh model Bagging MARS diperlukan Bootstrap yang dikombinasikan dengan BF, MI, dan MO pada MARS.  Hasil penelitian menggunakan metode Bagging MARS dengan GCV minimum didapatkan sebesar 0,038. Variabel yang berpengaruh yaitu sarana dan prasarana (X5), standar pengajar dan tenaga kerja (X4), standar pengelolaan (X6), standar proses (X2), standar pembiayaan (X7), standar lulusan (X3), standar penilaian (X8), dan standar isi (X1). Tingkat kepentingan variabel pada model berturut – turut sebesar 100%, 37,515%, 36,290%, 34,542%, 22,300%, 16,180%, 12,183%, dan 5,214%. Ketepatan klasifikasi pada Bagging MARS sebesar 96,07%. Kata Kunci : MARS, Bagging MARS, Klasifikasi.
Co-Authors Anggi Putri Dewi Anita Anita Bartolomius Bartolomius Bella Amalia Dwi Marisa Midyanti Dwi Setiaji Eka Wahyuning Dhewanty Enis Rahayu Evy Sulistianingsih Evy Sulistianingsih Fahiza Syanaya Fajri Anugrah Pratiwi Fery Prastio Fransisca Febrianti Sundari Hayati Hayati Hendra Perdana Hidayatun Nisa Ika Ayu Krismawanti Ika Novira Zulianti Indah Noviyanti Julianti Kastari Kunti Wijayanti Laksono Trisnantoro Lidia Karnelia Mariatul Kiftiah Marisi Aritonang Maya Rosalina Mega Putri Muhammad Septian Nanda Shalsadilla Naomi Nessyana Debataraja Neva Satyahadewi Neva Satyahadewi Nova Andaresta Nurfitri Imro’ah Nurul Qomariyah NUR’AINUL MIFTAHUL HUDA Ray Tamtama Rido Amarrullah Rita Apriliyanti Rizky Oktaviani Putri Santi Santi Selvy Putri Agustianto Setyo Wir Rizki Setyo Wira Rizki Silvana Rika Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sri Jumiati Sriyana Sriyana Suaibah Suaibah Sumiarti Sumiarti Susanti Susanti Sutro Sutro Syarifah Zela Hafizah Thariq Thariq Vina Annisa Nurdiani Aji Vita Virgianti Warzuqna Olyan Wirda Andani Yogi Pratama Yosi Yosi Yude Anggreni Yundari, Yundari Yundari, Yundari