Article Per Year (5 Year)
p-Index From 2019 - 2024
0.778
P-Index
This Author published in this journals
All Journal J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika Variance : Journal of Statistics and Its Applications Jurnal Statistika dan Komputasi (STATKOM)
Farida Nur Hayati
Institut Teknologi Kalimantan
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Mathematics Social Sciences

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

Found 4 Documents
Search

 1 
Membandingkan Seleksi variabel Pada Data Microarray Menggunakan Important Variable Value dan Genetic Algorithm (Studi Kasus Lung Cancer Dataset dan Prostate Cancer Dataset) Diana Nurlaily; Farida Nur Hayati; Elly Pusporani
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 1 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (154.678 KB) | DOI: 10.36456/jstat.vol14.no1.a3853

Abstract

Teknologi DNA microarray menarik minat yang luar biasa baik di kalangan komunitas ilmiah maupun kalangan industri. Meskipun data microarray telah diterapkan dalam berbagai bidang, penanganan volume data besar yang dihasilkan bukanlah perkara yang mudah. Ukuran sampel kecil dengan dimensi tinggi adalah tantangan utama analisis menggunakan data microarray. Oleh karena itu perlu dilakukan analisis lebih lanjut untuk mengatasi hal ini. Banyak penelitian yang telah dirancang berkaitan dengan data microarray misalnya untuk menyelidiki mekanisme genetik kanker, dan untuk mengklasifikasikan berbagai jenis kanker atau membedakan antara jaringan kanker dan non-kanker. Semua penelitian ini bertujuan untuk menghasilkan kesimpulan dan interpretasi yang bermanfaat dari kumpulan data yang kompleks. Dalam penelitian ini, data yang digunakan adalah data kanker paru-paru sebanyak 24257 Variabel dan data kanker prostat sebanyak 12626 Variabel. Data tersebut kemudian akan dianalisis dengan beberapa metode feature selection yaitu important variable value dan genetic algorithm untuk memilih dimensi atau variabel data sehingga dapat meningkatkan akurasi klasifikasi data. Berdasarkan hasil analisis feature selection menggunakan data kanker paru-paru, didapatkan jumlah variabel terpilih sebanyak 112 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 12266 variabel. Pada data kanker prostat, didapatkan jumlah variabel terpilih sebanyak 299 variabel dengan metode feature selection important. Sedangkan metode genetic algorithm didapatkan jumlah variabel terpilihnya sebanyak 6359 variabel.
Peramalan Data Ekspor Non Migas Provinsi Kalimantan Timur Menggunakan Univariate Time Series Farida Nur Hayati; Diana Nurlaily; Elly Pusporani
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 14 No 2 (2021): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (537.172 KB) | DOI: 10.36456/jstat.vol14.no2.a3858

Abstract

Ekspor merupakan salah satu variabel yang sangat penting untuk menentukan jenis perekonomian suatu negara bisa dikatakan perekonomian terbuka atau perekonomian tertutup. Mengingat peranan ekspor sangat penting dalam pertumbuhan ekonomi suatu negara maupun daerah, maka diperlukan kebijaksanaan dalam meningkatkan ekspor barang khususnya komoditi non migas. Komoditi non migas dipilih pada penelitian ini karena adanya kemerosotan harga minyak bumi di pasaran dunia. Sehingga untuk mengatasi ketergantungan penerimaan negara yang berasal dari minyak dan gas bumi maka pemerintah berusaha meningkatkan ekspor komoditi dan jasa-jasa non migas. Kondisi ekspor luar negeri Kalimantan Timur didominasi oleh ekspor non migas. Oleh karena itu, prediksi atau peramalan nilai dari komoditas ekspor non migas di Kalimantan Timur dapat digunakan untuk mengetahui devisa yang akan diperoleh, agar dapat digunakan sebagai bahan pertimbangan oleh pemerintah untuk menentukan kebijakan. Hasil penelitian peramalan data ekspor menggunakan ARIMA menunjukkan bahwa model ARIMA yang paling baik untuk meramalkan data Ekspor non migas di Kalimantan Timur berdasarkan nilai RMSE, dan sMAPE adalah ARIMA (0,1,[1,12]). Kata kunci : Ekspor, Ekspor non migas, ARIMA, RMSE, sMAPE
Application of Double Seasonal Autoregressive Integrated Moving Average (DSARIMA) for Stock Forecasting Mega Silfiani; Farida Nur Hayati; Muhammad Azka
Jurnal Statistika dan Komputasi Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi
Publisher : Universitas Nahdlatul Ulama Sunan Giri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/statkom.v2i1.1594

Abstract

Background: Stock price forecasting assists investors to anticipate risks and opportunities in making prudent investments and maximizing returns. Objective: This study aims to identify the most accurate model for stock forecasting. Methods: This paper utilized the daily closing stock price of Unilever Indonesia, Tbk (UNVR) from January 1, 2018 to July 31, 202.  Double Seasonal Autoregressive Integrated Moving Average (DSARIMA), was utilized in this study. Mean Absolute Scaled Error (MASE) and Median Absolute Percentage Error (MdAPE) are used to compare forecasting accuracy. Results: Following conducting each model, we assessed that the best models are DSARIMAX (0,1,[4]) ([3],1,1)5(1,1,0)253, regarding MASE and MdAPE corresponding to approximately 1.423 and 0.111. The scope of this study has limitations to a test set for one-month forecast periods. Conclusion: As stock prices rise, investors require precise forecasts. Models of forecasting must perform well. This analysis shows how the DSARIMA generate forecasts stock prices more accurately. This investigation evaluated the closing stock price of UNVR. Both MASE and MdAPE assess prediction. After analyzing each model, DSARIMAX (0,1,[4])([3],1,1)5(1,1,0)253 has the lowest MASE and MdAPE values, 1.423 and 0.111, respectively. The procedure lasted one month. Research may combine forecasts and improve their accuracy.  
PERBANDINGAN PENGELOMPOKKAN PUSAT KESEHATAN MASYARAKAT DI KOTA BALIKPAPAN MENGGUNAKAN METODE K-MEANS DAN FUZZY C-MEANS Farida Nur Hayati; Mega Silfiani; Diana Nurlaily
VARIANCE: Journal of Statistics and Its Applications Vol 5 No 1 (2023): VARIANCE: Journal of Statistics and Its Applications
Publisher : Statistics Study Programme, Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/variancevol5iss1page55-66

Abstract

Balikpapan merupakan salah satu daerah penyangga IKN (Ibu Kota Negara) yang diharapkan dapat mempersiapkan diri untuk menyambut kebijakan pemerintah dalam membangun Ibu Kota baru di Kalimantan Timur. Tingginya tarikan faktor pemerintahan, ekonomi, dan politik yang akan terjadi di IKN akan menyebabkan tingginya migrasi. Hal itu harus diimbangi dengan kemampuan kota dalam memfasilitasi kebutuhan penduduknya terlebih pada aspek Kesehatan. Puskesmas merupakan fasilitas Kesehatan tingkat pertama yang memberikan pelayanan masyarakat. Terdapat beberapa program yang dilakukan puskesmas untuk mencapai kesejahteraan masyarakatnya antara lain kesejahteraan ibu dan anak (KIA), perawatan Kesehatan masyarakat, Kesehatan usia lanjut dll. Semua program pokok tersebut dikembangkan berdasarkan program pokok pelayanan kesehatan dasar seperti yang dianjurkan World Health Organization (WHO). Dalam penelitian ini akan dilakukan analisis untuk mengelompokkan dan mengidentifikasi puskesmas yang memiliki karaketeristik yang sama sehingga akan sangat bermanfaat untuk mengetahui wilayah-wilayah yang perlu dilakukan peningkatan dan menjadi perhatian khusus dalam hal layanan Kesehatannya. Hal ini berguna untuk dapat mempersiapkan kebutuhan masyarakat pada aspek Kesehatan di wilayah sekitar IKN. Banyak metode yang dapat digunakan untuk mengidentifikasi dan mengelompokkan puskesmas salah satunya adalah analisis cluster. Terdapat beberapa metode analisis cluster yang saat ini telah berkembang antara lain metode K-Means dan Fuzzy C Means.
Co-Authors Diana Nurlaily Diana Nurlaily Mega Silfiani Mega Silfiani Muhammad Azka Pusporani, Elly