Article Per Year (5 Year)
p-Index From 2019 - 2024
1.512
P-Index
This Author published in this journals
All Journal BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jambura Journal of Mathematics Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN) Lumbung Inovasi: Journal of Community Service Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi
Wirda Andani
Universitas Tanjungpura
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Mathematics Social Sciences Transportation

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

Found 10 Documents
Search

 1 
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.
ANALISIS REGRESI VARIABEL MEDIASI DENGAN METODE KAUSAL STEP Muhammad Asyorori; Wirda Andani
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.v12i1.62844

Abstract

Analisis regresi merupakan sebuah metode yang mana di analisis suatu hubungan guna menentukan nilai dugaan hingga membentuk sebuah persamaan dari variabel independen ke dependen. Analisis regresi me miliki ketepatan dalam estimasi, namun tidak hanya berhubungan variabel independen terhadap variabel dependen melainkan ada variabel lain masuk kedalam persamaan hingga disebut variabel mediasi. Variabel mediasi merupakan variabel munculnya diantara kedua variabel dependen dan independen dan memediasi hubungan kausal di antara kedua variabel tersebut. Tujuan dari penelitian ini menentukan model persamaan regresi variabel mediasi menggunakan metode kausal step dengan menentukan apakah belanja modal memiliki hubungan antara dana bagi hasil terhadap PDRB per kapita dan menentukan model akhir menggunakan metode kausal step, sehingga variabel M dapat dinyatakan sebagai variabel mediasi sempurna atau mediasi parsial. Persamaan regresi menggunakan metode kausal step adalah: , , . Berdasarkan penelitian ini diperoleh bahwa variabel belanja modal dinyatakan sebagai variabel mediasi parsial menjelaskan bahwa dana bagi hasil masih tetap berpengaruh signifikan terhadap PDRB per kapita ketika belanja modal dimasukkan ke persamaan regresi. Kata Kunci : Variabel Mediasi, Analisis Regresi, Kausal step.
Pendampingan Masyarakat untuk Mendukung Program Posyandu dalam Usaha Penanganan Kasus Stunting di Desa Arang Limbung Neva Satyahadewi; Amriani Amir; Desriani Lestari; Wirda Andani; Ari Hepi Yanti; Herina Marlisa; Esta Br Tarigan
Lumbung Inovasi: Jurnal Pengabdian kepada Masyarakat Vol. 8 No. 1 (2023): Maret
Publisher : Lembaga Penelitian dan Pemberdayaan Masyarakat (LITPAM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/linov.v8i1.1085

Abstract

Stunting adalah terganggunya pertumbuhan anak yang menyebabkan tinggi badan anak lebih pendek daripada usia sebayanya. Stunting dapat menyebabkan tingginya resiko penyakit degeneratif pada anak, dapat mempengaruhi perkembangan psikomotorik dan kemampuan kognitif anak, sehingga menghasilkan sumber daya manusia yang tidak unggul. Rendahnya jumlah kunjungan warga masyarakat  ke posyandu adalah salah satu faktor penyebab terjadinya stunting. Untuk dilakukan kegiatan pengabdian kepada masyarakat (PKM) dalam program Bina  desa oleh tim Fakultas MIPA Universitas Tanjungpura di Desa Arang Limbung. Kegiatan ini  bertujuan untuk mengedukasi dan mendampingi masyarakat Arang Limbung untuk aktif dan berperan serta dalam usaha penanganan stunting melalui optimalisasi kunjungan ke posyandu. Kegiatan ini dilakukan pada bulan September-Desember 2022, dilaksanakan di wilayah kerja Posyandu Arang Jaya, dengan melibatkan keluarga pengunjung tetap posyandu tersebut, yang terdiri dari ibu hamil, ibu menyusui dan anak usia bawah lima tahun (balita) serta golongan usia lanjut.  Dari hasil kegiatan menunjukkan terjadinya peningkatan kesadaran dan kepedulian warga masyarakat untuk menangani stunting melalui kunjungan yang rutin dan mengikuti program yang dilaksanakan di posyandu Arang Jaya meliputi penimbangan berat badan ibu hamil dan balita, imunisasi dasar lengkap pada balita, pemberian makanan tambahan (PTM) bagi ibu hamil dan balita, pengukuran tensi dan pemberian tambah darah bagi wanita hamil, serta pemeriksaan kesehatan secara umum. Community Assistance to Support the Posyandu Program in Efforts to Handle Stunting Cases in Arang Limbung Village Stunting is a child's growth disturbance which causes the child's height to be shorter than his or her age.. Stunting can cause a high risk of degenerative diseases in children, can affect the psychomotor development and cognitive abilities of children, resulting in the production of human resources that are not superior. The low number of community visits to posyandu is one of the factors causing stunting. To carry out community service (PKM) activities in the village development program by the Tanjungpura University Faculty of Mathematics and Natural Sciences team in Arang Limbung Village. This activity aims to educate and assist the Arang Limbung community to be active and participate in stunting management efforts by optimizing visits to posyandu. This activity was carried out in September-December 2022, carried out in the working area of ??the Arang Jaya Posyandu, involving families of regular visitors to the posyandu, consisting of pregnant women, nursing mothers and children under five years old (toddlers) and the elderly. The results of the activity show an increase in awareness and concern for community members to deal with stunting through regular visits and following programs implemented at the Arang Jaya Posyandu including weighing pregnant women and toddlers, complete basic immunization for toddlers, providing supplementary food (PTM) for mothers pregnant and toddlers, measuring blood pressure and giving blood supplements for pregnant women, as well as general health checks.
ANALISIS VALUE AT RISK PORTOFOLIO SAHAM LQ45 DENGAN METODE SIMULASI MONTE CARLO CONTROL VARIATES Westi Widiyatari; Evy Sulistianingsih; Wirda Andani
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 17, No 1 (2023)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v17i1.9536

Abstract

Value at Risk (VaR) with the Monte Carlo (MC) simulation is an estimate of the maximum loss over a given period of time and with a specific degree of confidence. MC VaR uses the Control Variates (CV) technique which is one of the reduction techniques in the MC method to improve the efficiency of VaR estimation. This study also aims to analyze the risk of the LQ45 indexed stock portofolio with Monte Carlo Control Variates (MCCV) VaR. In addition, this study compares MCCV VaR with standar MC VaR. The closing prices of the shares of PT Bank Negara Indonesia Tbk (BBNI) and PT Bank Central Asia Tbk (BBCA) were the source of the data for this study. The 95% confidence level is used for this study to estimate one-day MCCV VaR. The results obtained show that MCCV is able to reduce the variance of the estimate more quickly than the standar MC VaR. Thus, MCCV VaR is more efficient than the standard MC VaR.
PEMODELAN REGRESI LINEAR MENGGUNAKAN METODE THEIL (STUDI KASUS: JUMLAH PENDUDUK MISKIN DAN TINGKAT PENGANGGURAN TERBUKA) Rido Amarrullah; Shantika Martha; Wirda Andani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (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.v12i4.70083

Abstract

Metode Theil adalah salah satu metode regresi nonparametrik yang digunakan saat asumsi kenormalan residual tidak terpenuhi pada model regresi linear sederhana. Penelitian ini bertujuan untuk membentuk model regresi linear sederhana dengan metode Theil dari data dengan residual data tidak berdistribusi normal. Data yang digunakan pada penelitian ini adalah data semesteran jumlah penduduk miskin (Y) dan tingkat pengangguran terbuka (X) di Indonesia Tahun 2012 hingga 2022 sebanyak 21 data. Terlebih dahulu dilakukan analisis regresi antara X dan Y, selanjutnya lakukan pengujian asumsi kenormalan residual data. Jika residual tidak berdistribusi normal, maka untuk mendapatkan model regresi linear sederhana dari data digunakanlah metode Theil. Setelah dilakukan analisis dengan metode Theil didapatlah model regresi linear sederhana Ŷ i = 18932,085 + 1495,988 X i , dengan nilai koefisien determinasi R 2 sebesar 0,493 (49,3%). Dari model yang didapat bisa diambil kesimpulan bahwa terdapat pengaruh positif antara tingkat pengangguran terbuka terhadap jumlah penduduk miskin, sehingga setiap kali tingkat pengangguran terbuka naik, jumlah penduduk miskin juga ikut naik. Sedangkan nilai koefisien determinasi menunjukkan bahwa sebesar 49,3% kemampuan variabel tingkat pengangguran terbuka menjelaskan tentang variabel jumlah penduduk miskin. Sedangkan sisanya sebesar 50,7% dijelaskan oleh variabel-variabel lain diluar penelitian ini.Kata kunci: Metode Theil, Regresi Parametrik dan Nonparametrik
PEMODELAN JUMLAH SISWA PUTUS SEKOLAH MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED NEGATIVE BINOMIAL REGRESSION Eva Selvia; Nufitri Imro’ah; Wirda Andani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (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.v12i4.70078

Abstract

Jumlah siswa putus sekolah (Y) merupakan data cacah sehingga analisis yang tepat untuk memodelkannya adalah dengan regresi Poisson. Namun terdapat asumsi yang harus dipenuhi yaitu equisdispersi atau rata-rata harus sama dengan varians. Pada kenyataannya, terdapat suatu kondisi dimana nilai varians lebih besar dari pada nilai rata-rata atau disebut overdispersi. Salah satu alternatif yang dapat digunakan untuk masalah overdispersi pada data cacah adalah regresi Binomial negatif. Regresi Binomial negatif ini kurang tepat jika digunakan pada data yang mengandung heterogenitas spasial atau keragaman antar wilayah. Pengembangan model regresi yang memperhatikan masalah heterogenitas spasial serta masalah overdispersi pada variabel responnya yaitu Geographically Weighted Negative Binomial Regression (GWNBR). Penelitian ini bertujuan untuk memodelkan serta menentukan faktor apa saja yang mempengaruhi jumlah siswa putus sekolah pada jenjang pendidikan dasar menggunakan metode GWNBR. Hasil penelitian yang diperoleh yaitu terdapat dua kelompok kabupaten/kota berdasarkan variabel yang signifikan. Kelompok pertama dipengaruhi oleh semua variabel prediktor, sedangkan kelompok kedua dipengaruhi oleh variabel rasio siswa terhadap guru, tingkat pengangguran terbuka, dan rata-rata pengeluaran perkapita selama sebulan. Kata Kunci : Putus Sekolah, Overdispersi, Heterogenitas Spasial
PENDUGAAN DATA HILANG MENGGUNAKAN PERBANDINGAN IMPUTASI HOT-DECK DAN K-NEAREST NEIGHBOR Indry Handayany; Dadan Kusnandar; Wirda Andani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (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.v12i4.68323

Abstract

Data hilang digambarkan sebagai keadaan nilai observasi yang kosong atau tidak memiliki nilai sehingga mengakibatkan hilangnya informasi pada sebuah kasus. Data hilang disebabkan kemungkinan pengukuran kurang lengkap, pencarian informasi yang sulit ditemukan, kesalahan atau kelalaian dalam menjalankan prosedur pengumpulan data atau bahkan responden yang menolak untuk menjawab pertanyaan dalam suatu survei. Hal tersebut mengakibatkan berkurangnya informasi penting yang diakibatkan dari data hilang. Oleh karena itu, perlu dilakukan imputasi data hilang untuk penanganan data hilang. Metode imputasi dapat dibedakan menjadi dua jenis, yaitu metode imputasi berbasis statistik dan metode imputasi berbasis machine learning. Metode imputasi Hot-Deck merupakan metode terbaik dalam imputasi berbasis statistik, sedangkan imputasi K-Nearest Neighbor merupakan metode terbaik dalam imputasi berbasis machine learning. Penelitian ini bertujuan menerapkan dan membandingkan hasil akurasi metode imputasi Hot-Deck dan K-Nearest Neighbor pada pendugaan data hilang pada Dapodik SMA Kota/Kab Pontianak dan Kubu Raya tahun 2023. Simulasi data hilang menggunakan mekanisme Missing Completely At Random (MCAR) 5% pada masing-masing variabel. Nilai akurasi imputasi terbaik terdapat di imputasi K-Nearest Neighbor menggunakan parameter k=4 dengan nilai Root Mean Square Error (RMSE) sebesar 5,80 dan Mean Absolute Percentage Error (MAPE) sebesar 10,98%. Kata Kunci: Dapodik, imputasi data, imputasi Hot-Deck, imputasi K-Nearest Neighbor
Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM Rahadi Ramlan; Neva Satyahadewi; Wirda Andani
Jambura Journal of Mathematics Vol 5, No 2: August 2023
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34312/jjom.v5i2.20860

Abstract

Twitter is one of the social media with the most active users, which is 24 million active users. Information published on twitter contains comments from users on an object. Sentiment analysis is used to determine whether the data includes negative comments or positive comments because the comments taken on twitter are textual data. The method used in this sentiment analysis is Support Vector Machine (SVM) about public comments on fuel price increases on twitter. The comment data used was 258 data on September 4, 2022 because on that date it was exactly the day after the fuel price increase. First, preprocessing is done to remove unnecessary words or information. Then the data is divided into training data by 80% and testing data by 20%. The accuracy rate is 82.69%, sensitivity is 100%, and specificity is 79.07%. Then from the results of testing 52 data obtained the results of 43 negative comments and 9 positive comments so that it can be concluded that more people disagree with the increase in fuel prices.
PENERAPAN MODEL GEOMETRIC BROWNIAN MOTION DAN PERHITUNGAN NILAI VALUE AT RISK PADA SAHAM BANK CENTRAL ASIA TBK Fadhilah Rizky Aulia; Evy Sulistianingsih; Wirda Andani
EPSILON: JURNAL MATEMATIKA MURNI DAN TERAPAN Vol 17, No 2 (2023)
Publisher : Mathematics Study Program, Faculty of Mathematics and Natural Sciences, Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/epsilon.v17i2.9537

Abstract

Stock price fluctuations are difficult to predict, resulting in uncertain profits. Therefore, a mathematical model is needed to predict future stock prices, namely the Geometric Brownian Motion (GBM) model based on a stochastic process. Stocks are also accompanied by risks that have potential for loss. The risk can be measured using Value at Risk (VaR) which can estimate the maximum loss that may happen from an investment at a certain level of confidence and period of time. The purpose of this research is to implement the GBM model in predicting stock prices and estimating the maximum loss of stock investment using VaR. This research analyzes the daily closing stock price of PT Bank Central Asia (BBCA) for the period November 1, 2021, to December 31, 2022. The stock price predictions with the GBM model are used to estimate the VaR value. Based on the analysis results, GBM is highly accurate model with an average MAPE value of 5.77% and the smallest MAPE value of 1.45%. The VaR values obtained at the 80%, 90%, 95% and 99% confidence level are 1,17%, 1,74%, 2,19% and 2,86% of the total fund investment for the next one-day period, respectively.
Co-Authors Amriani Amir Ari Hepi Yanti Desriani Lestari Esta Br Tarigan Eva Selvia Evy Sulistianingsih Fadhilah Rizky Aulia Hendra Perdana Herina Marlisa Indry Handayany Muhammad Asyorori Naomi Nessyana Debataraja Neva Satyahadewi Nufitri Imro’ah Nurfitri Imro’ah Rahadi Ramlan Ray Tamtama Rido Amarrullah Setyo Wir Rizki Setyo Wira Rizki Shantika Martha Westi Widiyatari