Jurnal Fourier https://fourier.or.id/index.php/FOURIER <p>Jurnal Fourier is a Scientific Journal that integrates and develops the science of Mathematics and its learning which is integrated and interconnected with Islamic values published since 2012 with the frequency of published 2 times a year with the main language (Indonesian and English) which the reviewer process according to the discipline (Analysis, Algebra, Applied Mathematics, Statistics, and Mathematics Education).</p> en-US redaksi@fourier.or.id (Chief Editor) support@fourier.or.id (Technical Support) Tue, 30 Apr 2024 00:00:00 +0700 OJS 3.3.0.8 http://blogs.law.harvard.edu/tech/rss 60 Peramalan Return Saham Subsektor Perbankan Menggunakan Model ARIMA-GARCH https://fourier.or.id/index.php/FOURIER/article/view/202 <p>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 <em>return </em>harga saham berfungsi untuk meminimalisir kerugian yang diakibatkan oleh fluktuasi. Namun, fluktuasi ini dapat menyebabkan terjadinya heteroskedastisitas yang tidak dapat ditangani oleh pemodelan <em>time series </em>biasa, seperti <em>Autoregressive Integrated Moving Average </em>(ARIMA) sehingga membutuhkan model <em>Generalized Autoregressive Conditional Heteroskedasticity </em>(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 <em>Maximum Likelihood Estimation </em>(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 <em>return </em>harga saham adalah model ARIMA (2,0,2)-GARCH (1,1) dan menghasilkan nilai <em>Root Mean Square Error </em>(RMSE) sebesar 0,01628. Kemudian, hasil peramalan menunjukkan bahwa volatilitas meningkat dari periode pertama hingga periode ke enam.</p> Dila Nur Fadhilah, Kankan Parmikanti, Budi Nurani Ruchjana Copyright (c) 2024 Dila Nur Fadhilah, Kankan Parmikanti, Budi Nurani Ruchjana http://creativecommons.org/licenses/by-nc-sa/4.0 https://fourier.or.id/index.php/FOURIER/article/view/202 Tue, 30 Apr 2024 00:00:00 +0700 Sturuktur Graf Fuzzy dan Aplikasinya pada Pengambilan Keputusan dalam Identifikasi Layanan Perjalanan https://fourier.or.id/index.php/FOURIER/article/view/205 <p><strong>Struktur graf <em>fuzzy</em> adalah penggabungan dari struktur graf dan graf <em>fuzzy</em>. Penelitian ini membahas beberapa pengertian dan sifat dari struktur graf <em>fuzzy</em> diantaranya struktur graf <em>fuzzy</em> komplit dan kuat, struktur graf<em> fuzzy</em> terhubung, serta struktur graf<em> fuzzy</em> reguler. Lebih lanjut, dibentuk semi strong min-product dari dua struktur graf<em> fuzzy </em>dan beberapa teoremanya dari <em>semi strong min-product</em> yang dihasilkan. Selanjutnya disajikan aplikasi dari struktur graf <em>fuzzy</em> 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.</strong></p> <p><strong>[</strong></p> <p><strong>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.</strong></p> <p><strong>]</strong></p> Ilma Nindita Ramadhani, Arif Munandar Copyright (c) 2024 Ilma Nindita Ramadhani, Arif Munandar http://creativecommons.org/licenses/by-nc-sa/4.0 https://fourier.or.id/index.php/FOURIER/article/view/205 Tue, 30 Apr 2024 00:00:00 +0700 Perbandingan Ekstraksi Fitur Untuk Klasifikasi COVID-19, MERS, dan SARS Menggunakan Algoritma Extreme Learning Machine https://fourier.or.id/index.php/FOURIER/article/view/198 <p><strong>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 <em>corona</em> yaitu MERS (<em>Middle East Respiratory Syndrome</em>) dan SARS (<em>Severe Acute Respiratory Syndrome</em>) 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 <em>X-ray</em> menggunakan perbandingan ekstraksi fitur GLCM (<em>Gray Level Co-occurrence Matrix</em>) dan GLDM (<em>Gray Level Difference Matrix</em>) serta klasifikasi ELM (<em>Extreme Learning Machine</em>). Pada penelitian ini menggunakan beberapa parameter uji coba diantaranya yaitu arah sudut, jumlah </strong> <strong>&nbsp;pada <em>k-fold</em>, serta jumlah <em>hidden node</em>. Hasil terbaik pada penelitian ini diperoleh menggunakan metode ekstraksi fitur GLDM dengan uji coba pada sudut </strong> <strong>, <em>k-fold</em> 10, serta <em>hidden node</em> 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. </strong></p> Khofifah Auliyatuz Zahroh, Dian Candra Rini Novitasari, Lutfi Hakim Copyright (c) 2024 Khofifah Auliyatuz Zahroh, Dian Candra Rini Novitasari, Lutfi Hakim http://creativecommons.org/licenses/by-nc-sa/4.0 https://fourier.or.id/index.php/FOURIER/article/view/198 Tue, 30 Apr 2024 00:00:00 +0700 Penerapan Algoritma K-Nearest Neighbour Pada Penyakit Jantung https://fourier.or.id/index.php/FOURIER/article/view/191 <p><strong>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 <em>training</em> dan <em>testing</em> dengan perbandingan 80:20. Menggunakan metode K-<em>Neirest Neighbour</em> 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 (<em>recall</em>) 82 %, dan spesitifitas 97 %.</strong></p> Rohmatul Maula, Saiful Bahri Copyright (c) 2024 Rohmatul Maula, Saiful Bahri http://creativecommons.org/licenses/by-nc-sa/4.0 https://fourier.or.id/index.php/FOURIER/article/view/191 Tue, 30 Apr 2024 00:00:00 +0700 Analisis Sensitivitas Model Penularan Koinfeksi COVID-19 dan HIV/AIDS https://fourier.or.id/index.php/FOURIER/article/view/206 <p><strong>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.&nbsp; 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. &nbsp;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 </strong><strong>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 </strong><strong>laju kontak COVID-19, laju kontak HIV, laju kesembuhan infeksi COVID-19 dan angka kematian akibat AIDS</strong><strong> merupakan parameter yang paling sensitif terhadap kasus penularan koinfeksi COVID-19 dan HIV/AIDS. Parameter </strong><strong>laju kontak COVID-19 dan laju kontak HIV adalah parameter yang paling sensitif terhadap peningkatan kasus penularan </strong><strong>koinfeksi COVID-19 dan HIV/AIDS</strong><strong> karena nilai indeks sensitivitasnya tertinggi dibandingkan parameter lainnya. Sedangkan, </strong><strong>parameter </strong><strong>laju kesembuhan infeksi COVID-19 dan angka kematian akibat AIDS</strong> <strong>memiliki nilai indeks sensitivitas terendah dibandingkan parameter lainnya. Parameter</strong> <strong>laju kesembuhan infeksi COVID-19 dan angka kematian akibat AIDS</strong><strong> adalah parameter yang paling sensitif terhadap penurunan kasus penularan koinfeksi COVID-19 dan HIV/AIDS. </strong></p> Joko Harianto, Abraham, Westy B. Kawuwung Copyright (c) 2024 Joko Harianto, Abraham, Westy B. Kawuwung http://creativecommons.org/licenses/by-nc-sa/4.0 https://fourier.or.id/index.php/FOURIER/article/view/206 Tue, 30 Apr 2024 00:00:00 +0700