Jurnal Statistika dan Komputasi

Peramalan Jumlah Wisatawan Mancanegara di Provinsi Kalimantan Timur Menggunakan Fuzzy Backpropagation Neural Network

2023-06-06T01:47:43+00:00

Latar Belakang: Pariwisata merupakan salah satu bidang ekonomi yang menjadi sumber penerimaan devisa bagi negara. Banyaknya wisatawan merupakan salah satu faktor yang dapat berpengaruh terhadap perkembangan pariwisata. Sepanjang tahun 2021, jumlah wisatawan mancanegara di Provinsi Kalimantan Timur mengalami penurunan. Penurunan tersebut merupakan dampak dari mewabahnya COVID-19. Peneliti melakukan peramalan jumlah wisatawan mancanegara di Kalimantan Timur menggunakan Fuzzy Backpropagation Neural Network (FBPNN) guna mengantisipasi kenaikan maupun penurunan jumlah wisatawan di masa mendatang. FBPNN adalah metode peramalan Neural Network (NN) yang menggunakan algoritma pembelajaran backpropagation dimana nilai input dan output-nya berupa derajat keanggotaan himpunan fuzzy.

Tujuan: Meramalkan jumlah wisatawan mancanegara di Kalimantan Timur pada bulan Januari 2022 sampai dengan Mei 2022.

Metode: Metode yang digunakan adalah Fuzzy Backpropagation Neural Network (FBPNN).

Hasil: Berdasarkan hasil prediksi FBPNN dengan proporsi 80%:20% untuk data training diperoleh Root Mean Square Error (RMSE) sebesar 113,61 sedangkan untuk RMSE data testing dipeoleh adalah sebesar 108,45.

Kesimpulan: Adapun kesimpulan penelitian yaitu metode Fuzzy Backpropagation Neural Network dapat digunakan untuk meramalkan jumlah wisatawan dengan nilai RMSE yang dihasilkan oleh data testing lebih kecil jika dibandingkan dengan nilai RMSE yang dihasilkan oleh data training.

Application of Double Seasonal Autoregressive Integrated Moving Average (DSARIMA) for Stock Forecasting

2023-06-11T07:52:41+00:00

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.

Analisis Klaster Dalam Pengelompokan Kabupaten/Kota Di Provinsi Jambi Berdasarkan Penyakit Menular Menggunakan Metode K-Means

2023-06-11T08:01:25+00:00

Latar Belakang: Kesehatan merupakan salah satu indikator pada pembangunan manusia, masalah kesehatan di Provinsi Jambi sedang dihadapkan pada beban ganda yang mana masalah penyakit menular masih menjadi masalah yang belum dapat diselesaikan.

Tujuan: Menerapkan analisis kluster metode K-Means untuk mengetahui hasil pengelompokan setiap kabupaten/kota di Provinsi Jambi, sehingga memudahkan Dinas Kesehatan Provinsi Jambi dalam mengevaluasi dan menggambil kebijakan terkait masalah penyakit menular.

Metode: Pengelompokan menggunakan metode yaitu K-Means untuk mengelompokan data. Penelitian ini dilakukan di Provinsi Jambi dengan menggunakan data dari Badan Pusat Statistik Provinsi Jambi dengan data penyakit menular adalah malaria, kusta, pneumonia, IMS dan HIV/AIDS.

Hasil: Diperoleh hasil tiga centroid dengan masing-masing karakteristik yang berbeda yaitu kluster 1 rendah pada penyakit malaria, pneumonia dan HIV/AIDS, Klaster 2 tinggi pada penyakit malaria, pneumonia dan HIV/AIDS, dan kluster 3 sedang pada kusta, penumonia dan HIV/AIDS.

Kesimpulan: Kabupaten/kota di Provinsi Jambi berdasarkan penyakit menular dikelompokan menjadi 3 Klaster yaitu Klaster rendah dengaan anggota Kabupaten Kerinci, Batang Hari, Muaro Jambi, Tanjung Jabung Timur, Tanjung Jabung Barat dan Kota Sungai Penuh. Klaster sedang dengan anggota Kabupaten Merangin, Sarolangun, danTebo. Kemudian klaster tinggi dengan keanggotaan Kabupaten Muaro Bungo dan Kota Jambi.

Penerapan Metode Naive Bayes Classifier Untuk Klasifikasi Indeks Pembangunan Manusia Di Provinsi Jawa Timur

2023-06-13T07:56:50+00:00

Latar Belakang: IPM adalah alat ukur pencapaian kualitas hidup suatu negara yang terdiri atas tiga dimensi, yaitu: kesehatan, pengetahuan, dan hidup layak. Terdapat variasi IPM yang cukup signifikan antara kota dan kabupaten. Untuk mengatasi permasalahan ini, perlu adanya klasifikasi IPM di Jawa Timur sebagai acuan pemerataan di seluruh wilayah Jawa Timur.

Tujuan : Mendapatkan hasil klasifikasi IPM di Jawa Timur menggunakan metode Naive Bayes Classifier (NBC).

Metode : Digunakan metode kuantitatif dengan metode NBC dan software Jupyter Notebook untuk mengklasifikasikan data IPM skala nominal yang didapatkan dari BPS Provinsi Jawa Timur. Faktor-faktor yang dianalisis meliputi Pendapatan Per kapita, Angka Harapan Hidup, Harapan Lama Sekolah, Rata-rata Lama Sekolah, Produk Domestik Regional Bruto, Penduduk Miskin, Jumlah Fasilitas Kesehatan, dan Jumlah Tenaga Kesehatan dengan skala rasio.

Hasil: Metode klasifikasi NBC berhasil dipakai untuk memprediksi IPM di Jawa Timur. Data training dan testing yang optimal dengan pembagian 70% dan 30% menghasilkan akurasi 91,6%. Dari 12 data testing, model dapat memprediksi IPM dengan keakuratan 92% dan sensitivitas yang baik pada kelas Sangat Tinggi dan Tinggi.

Kesimpulan: Disimpulkan bahwa prediksi IPM di Provinsi Jawa Timur cukup akurat dengan persentase keakuratan mencapai 92%. Model juga memiliki nilai recall yang baik pada kelas Sangat Tinggi dan Tinggi serta cukup pada kelas Sedang.

Penerapan Metode Ward Clustering Untuk Pengelompokkan Daerah Rawan Kriminalitas Di Jawa Timur Tahun 2021

2023-06-15T23:35:18+00:00

Latar Belakang: Segala tindakan yang melanggar hukum pidana ialah tindak kejahatan atau Kriminalitas. Tindakan yang memberikan bahaya secara fisik dan harta orang lain ialah karakteristik kiriminalitas, seperti: kekerasan fisik, pelecehan, pembunuhan, perbudakan, dan obat-obatan terlarang atau narkotika, serta penipuan, perampasan hak milik, korupsi, dan penggelapan uang.

Tujuan: Menganalisis pengelompokan wilayah dengan metode Ward clustering terhadap daerah rawan kriminal di Provinsi Jawa Timur tahun 2021.

Metode: Menerapkan metode kuantitatif berupa metode Cluster Hierarki menggunakan analisis Ward untuk data skunder tentang jumlah kriminalitas di Jawa Timur tahun 2021. Data pengamatan diperoleh dari publikasi Badan Pusat Statistik (BPS) Provinsi Jawa Timur 2021.

Hasil: Diperolaeh hasil Cluster 1 beranggotakan 31 Kabupaten/kota yaitu Pacitan, Ponorogo, Trenggalek, Tulungagung, Blitar, Kediri, Malang, Situbondo, Probolinggo, Pasuruan, Sidoarjo, Mojokerto, Jombang, Nganjuk, Madiun, Magetan, Ngawi, Bojonegoro, Tuban, Lamongan, Sampang, Pamekasan, Sumenep, Kota Kediri, Kota Blitar, Kota Probolinggo, Kota Pasuruan, Kota Mojokerto, Kota Madiun, kota Surabaya, dan kota Batu.Cluster 2 beranggotakan 5 kabupaten/kota yaitu Lumajang, Banyuwangi, Bondowoso, Bangkalan, dan Kota Malang.Cluster 3 beranggotakan 2 kabupaten/kota yaitu Jember dan Gresik..

Kesimpulan: Diperoleh 3 cluster kecamatan yang memiliki kemiripan karakteristik dari studi clustering dengan metode Ward untuk kabupaten/kota yang rawan kriminalitas di Jawa Timur Tahun 2021.