Followed Journals
Journal you Follow: 0
 
Sign Up to follow journals, search in your chosen journals and, optionally, receive Email Alerts when new issues of your Followed Journals are published.
Already have an account? Sign In to see the journals you follow.
Similar Journals
Journal Cover
Jurnal Fourier
Number of Followers: 1  

  This is an Open Access Journal Open Access journal
ISSN (Print) 2252-763X - ISSN (Online) 2541-5239
Published by UIN Sunan Kalijaga Yogyakarta Homepage  [7 journals]
  • Peramalan Return Saham Subsektor Perbankan Menggunakan Model ARIMA-GARCH

    • Authors: Dila Nur Fadhilah, Kankan Parmikanti, Budi Nurani Ruchjana
      Pages: 1 - 19
      Abstract: Subsektor perbankan berperan penting dalam meningkatkan iklim investasi dan pertumbuhan pasar modal di Indonesia melalui penerbitan dan penjualan saham, yang turut berkontribusi dalam pertumbuhan ekonomi negara. Peramalan return harga saham berfungsi untuk meminimalisir kerugian yang diakibatkan oleh fluktuasi. Namun, fluktuasi ini dapat menyebabkan terjadinya heteroskedastisitas yang tidak dapat ditangani oleh pemodelan time series biasa, seperti Autoregressive Integrated Moving Average (ARIMA) sehingga membutuhkan model Generalized Autoregressive Conditional Heteroskedasticity (GARCH) untuk menangani volatilitas terkait heteroskedastisitas. Oleh karena itu, tujuan penelitian ini adalah mengkaji model gabungan ARIMA dan GARCH berupa ARIMA-GARCH dan menaksir parameter menggunakan metode Maximum Likelihood Estimation (MLE). Model ARIMA-GARCH diterapkan pada data harga penutupan saham harian Bank Rakyat Indonesia (Persero) Tbk (BBRI) pada periode 1 Februari 2019 hingga 2 Januari 2024. Hasil penelitian menunjukkan bahwa model terbaik dalam peramalan return harga saham adalah model ARIMA (2,0,2)-GARCH (1,1) dan menghasilkan nilai Root Mean Square Error (RMSE) sebesar 0,01628. Kemudian, hasil peramalan menunjukkan bahwa volatilitas meningkat dari periode pertama hingga periode ke enam.
      PubDate: 2024-04-30
      DOI: 10.14421/fourier.2024.131.1-19
      Issue No: Vol. 13, No. 1 (2024)
       
  • Sturuktur Graf Fuzzy dan Aplikasinya pada Pengambilan Keputusan dalam
           Identifikasi Layanan Perjalanan

    • Authors: Ilma Nindita Ramadhani, Arif Munandar
      Pages: 20 - 29
      Abstract: Struktur graf fuzzy adalah penggabungan dari struktur graf dan graf fuzzy. Penelitian ini membahas beberapa pengertian dan sifat dari struktur graf fuzzy diantaranya struktur graf fuzzy komplit dan kuat, struktur graf fuzzy terhubung, serta struktur graf fuzzy reguler. Lebih lanjut, dibentuk semi strong min-product dari dua struktur graf fuzzy dan beberapa teoremanya dari semi strong min-product yang dihasilkan. Selanjutnya disajikan aplikasi dari struktur graf fuzzy dalam pengambilan keputusan, yaitu pengambilan keputusan dalam identifikasi layanan perjalanan, yang didasarkan pada tarif harga dari masing-masing agen. Dengan menerapkan algoritma yang telah disusun disusun dapat ditentukan layanan perjalanan dari satu kota ke kota lain, berdasarkan harga tiket terendah. [ A fuzzy graph structure is an extension of graph structure and fuzzy graph. This research discusses several definitions and properties of the fuzzy graph structure including complete and strong fuzzy graph structure, connected fuzzy graph structure, and regular fuzzy graph structure. Furthermore, the semi strong min-product of two fuzzy graph structures can be formed, then some theorems are discussed for semi strong min-product. Furthermore, the application of the fuzzy graph structure in decision making is presented, specially decision making for the identification of travel services, which is based on the price rates of each agent. Through the algorithm, it is possible to determine the travel service from one city to another, based on the lowest ticket price. ]
      PubDate: 2024-04-30
      DOI: 10.14421/fourier.2024.131.20-29
      Issue No: Vol. 13, No. 1 (2024)
       
  • Perbandingan Ekstraksi Fitur Untuk Klasifikasi COVID-19, MERS, dan SARS
           Menggunakan Algoritma Extreme Learning Machine

    • Authors: Khofifah Auliyatuz Zahroh, Dian Candra Rini Novitasari, Lutfi Hakim
      Pages: 30 - 41
      Abstract: Pada tahun 2019, terjadi kemunculan suatu wabah penyakit COVID-19. Wabah penyakit tersebut telah mengguncang dunia sehingga menyebabkan pandemi secara global. Selain COVID-19, terdapat dua wabah penyakit lain juga diakibatkan oleh virus corona yaitu MERS (Middle East Respiratory Syndrome) dan SARS (Severe Acute Respiratory Syndrome) yang sudah menjadi ancaman serius pada beberapa dekade terakhir. Ketiga wabah penyakit tersebut menyebabkan jutaan kasus serta ribuan orang yang meninggal di seluruh dunia. Berdasarkan permasalahan tersebut, perlu adanya penelitian yang dilakukan untuk klasifikasi penyakit COVID-19, MERS, dan SARS berdasarkan hasil pemeriksaan X-ray menggunakan perbandingan ekstraksi fitur GLCM (Gray Level Co-occurrence Matrix) dan GLDM (Gray Level Difference Matrix) serta klasifikasi ELM (Extreme Learning Machine). Pada penelitian ini menggunakan beberapa parameter uji coba diantaranya yaitu arah sudut, jumlah  pada k-fold, serta jumlah hidden node. Hasil terbaik pada penelitian ini diperoleh menggunakan metode ekstraksi fitur GLDM dengan uji coba pada sudut , k-fold 10, serta hidden node 25 yang menghasilkan akurasi, sensitivitas, dan spesifisitas masing-masing sebesar 100% dengan waktu yang dibutuhkan yaitu 0.00042 detik. Sehingga, dapat disimpulkan bahwa hasil ekstraksi fitur GLDM lebih unggul daripada ekstraksi fitur GLCM.
      PubDate: 2024-04-30
      DOI: 10.14421/fourier.2024.131.30-41
      Issue No: Vol. 13, No. 1 (2024)
       
  • Penerapan Algoritma K-Nearest Neighbour Pada Penyakit Jantung

    • Authors: Rohmatul Maula, Saiful Bahri
      Pages: 42 - 51
      Abstract: Jantung adalah organ paling penting yang dimiliki oleh manusia. Apabila terjadi kerusakan yang disebabkan penyempitan pembuluh darah, maka akan menyebabkan penyakit jantung. Penyakit jantung menempati urutan pertama kematian utama di Indonesia. Penelitian ini bertujuan untuk mengklasifikasikan orang yang mempunyai penyakit jantung atau tidak dengan beberapa tahapan pemeriksaan medis. Evaluasi terhadap data yang digunakan pada penelitian ini adalah menggunakan confusion matrix. Penelitian dilakukan dengan menggunakan variabel penelitian sebanyak 13 dan jumlah data sebanyak 1025. Data tersebut kemudian dibagi menjadi data training dan testing dengan perbandingan 80:20. Menggunakan metode K-Neirest Neighbour dapat diperoleh nilai K yang menunjukkan akurasi terbaik dalam pengklasifikasian. Nilai K yang menunjukkan evaluasi terbaik yang diperoleh dalam penelitian ini adalah nilai K = 2 dengan akurasi 89 %, sensitifitas (recall) 82 %, dan spesitifitas 97 %.
      PubDate: 2024-04-30
      DOI: 10.14421/fourier.2024.131.42-51
      Issue No: Vol. 13, No. 1 (2024)
       
  • Analisis Sensitivitas Model Penularan Koinfeksi COVID-19 dan HIV/AIDS

    • Authors: Joko Harianto, Abraham, Westy B. Kawuwung
      Pages: 52 - 64
      Abstract: Penularan koinfeksi COVID-19 dan HIV/AIDS merupakan masalah kesehatan masyarakat yang menjadi pusat perhatian terutama di negara-negara berkembang di dunia. Artikel ini merupakan salah satu kajian untuk mempelajari kejadian penularan koinfeksi COVID-19 dan HIV/AIDS.  Model yang digunakan terdiri dari delapan kompartemen antara lain: rentan, vaksinasi, COVID-19, infeksi COVID-19, infeksi HIV, AIDS, koinfeksi COVID-19 dan HIV, koinfeksi COVID-19 dan AIDS.  Analisis kestabilan titik ekuilibrium model dan kontrol optimalnya telah dibahas sebelumnya. Hasil dari analisis tersebut digunakan sebagai landasan teori untuk melakukan analisis sensitivitas parameter modelnya. Oleh karena itu, tujuan penelitian ini adalah menentukan parameter model yang paling sensitif terhadap kasus penularan koinfeksi COVID-19 dan HIV/AIDS. Metode studi literatur digunakan untuk mendukung analisis sensitivitas parameter model. Simulasi modelnya menggunakan software Maple dengan data sekunder. Parameter laju kontak COVID-19, laju kontak HIV, laju kesembuhan infeksi COVID-19 dan angka kematian akibat AIDS merupakan parameter yang paling sensitif terhadap kasus penularan koinfeksi COVID-19 dan HIV/AIDS. Parameter laju kontak COVID-19 dan laju kontak HIV adalah parameter yang paling sensitif terhadap peningkatan kasus penularan koinfeksi COVID-19 dan HIV/AIDS karena nilai indeks sensitivitasnya tertinggi dibandingkan parameter lainnya. Sedangkan, parameter laju kesembuhan infeksi COVID-19 dan angka kematian akibat AIDS memiliki nilai indeks sensitivitas terendah dibandingkan parameter lainnya. Parameter laju kesembuhan infeksi COVID-19 dan angka kematian akibat AIDS adalah parameter yang paling sensitif terhadap penurunan kasus penularan koinfeksi COVID-19 dan HIV/AIDS.
      PubDate: 2024-04-30
      DOI: 10.14421/fourier.2024.131.52-64
      Issue No: Vol. 13, No. 1 (2024)
       
 
JournalTOCs
School of Mathematical and Computer Sciences
Heriot-Watt University
Edinburgh, EH14 4AS, UK
Email: journaltocs@hw.ac.uk
Tel: +00 44 (0)131 4513762
 


Your IP address: 18.97.9.173
 
Home (Search)
API
About JournalTOCs
News (blog, publications)
JournalTOCs on Twitter   JournalTOCs on Facebook

JournalTOCs © 2009-