Jurnal Statistika dan Komputasi

Pengelompokan Faktor-Faktor yang Mempengaruhi Curah Hujan di Provinsi Sumatera Utara Menggunakan Metode Fuzzy C-Means

2024-05-30T00:34:17+00:00

Latar Belakang: Di Indonesia, kondisi curah hujan dipengaruhi oleh berbagai faktor, termasuk kondisi fisiografis, pola angin, dan perubahan iklim. Kondisi curah hujan di Sumatera Utara pada tahun 2020 bervariasi di berbagai wilayah. Pada tahun 2020 curah hujan di Sumatera Utara berada pada angka 4.380 mm di mana angka tersebut termasuk angka tertinggi dari curah hujan normal yang berada dalam kisaran 1000-3000 mm per tahun.

Tujuan: Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi tingkat curah hujan di Provinsi Sumatera Utara.

Metode: Metode analisis data yang digunakan adalah Fuzzy C-Means. Penelitian ini menggunakan data sekunder yang bersumber dari BPS Sumatera Utara. Data yang diambil berupa data curah hujan, kelembapan udara, kecepatan angin, penyinaran matahari, dan penguapan di beberapa stasiun di Provinsi Sumatera Utara pada tahun 2020.

Hasil: Hasil analisis yang didapat yaitu menetapkan dua cluster pada penelitian ini, stasiun BMKG dapat dikelompokkan menjadi cluster 1 (Deli Serdang, BMKG Wilayah I, Marihat, Pinangsori, dan Gunung Sitoli) dan cluster 2 (Belawan dan Tanjung Morawa). Dengan begitu, metode Fuzzy C-Means Clustering memberikan hasil yang baik dalam mengelompokkan faktor-faktor curah hujan.

Kesimpulan: Penerapan metode Fuzzy C-Means memberikan hasil yang baik dalam mengelompokkan faktor-faktor curah hujan.

Analisis Ketahanan Hidup Pasien COVID-19 Menggunakan Pendekatan Multivariate Adaptive Regression Spline (MARS)

2024-05-30T00:44:58+00:00

Latar Belakang: Tahun 2019 dunia digemparkan dengan terjadinya penyebaran penyakit baru yaitu Coronavirus Disease 19 (COVID-19) yang merupakan penyakit menular disebabkan oleh jenis corona virus bernama Severe Acute Repiratory Syndrome Coronavirus 2 (SARS-CoV-2). Virus ini menyebabkan gangguan pada sistem pernapasan, infeksi paru-paru, pneumonia akut, bahkan kematian, sehingga dilakukan analisis ketahanan hidup pasien COVID-19.

Tujuan: Mendapatkan model dan mengetahui faktor paling mempengaruhi ketahanan hidup pasien COVID-19 di RSD dr. Soebandi Jember berdasarkan variabel prediktor yang digunakan.

Metode: Penelitian ini menggunakan metode pendekatan MARS untuk menganalisis data. Data yang digunakan yaitu data rekam medis pasien COVID-19 tahun 2020 – 2021 di RSD dr. Soebandi Jember.

Hasil: Model MARS terbaik berdasarkan kombinasi Basis Function (BF), Maximum Interaction (MI), dan Minimum Observation (MO) yang bernilai masing-masing 24, 3, dan 0 dengan nilai Generalized Cross Validation (GCV) terkecil yaitu 0,135. Berdasarkan model MARS yang diperoleh, 7 dari 12 variabel prediktor yang digunakan berpengaruh pada ketahanan hidup pasien COVID-19 yaitu usia, jenis kelamin, status gagal napas, status hipertensi, status pneumonia, status koagulopati, dan status penyakit lainnya.

Kesimpulan: Variabel yang paling mempengaruhi ketahanan hidup pasien COVID-19 di RSD dr. Soebandi menggunakan pendekatan MARS berdasarkan variabel prediktor yang digunakan adalah status gagal napas.

Perbandingan Beberapa Metode Univariat Time Series pada Peramalan Curah Hujan

2024-05-30T00:41:23+00:00

Latar Belakang: Peramalan curah hujan sangat penting untuk berbagai bidang seperti pertanian, manajemen sumber daya air, keamanan, transportasi dan perencanaan wilayah kota.

Tujuan: Penelitian ini diarahkan untuk mendapatkan model terbaik dalam peramalan curah hujan di Kota Sampali, Sumatra Utara.

Metode: Metode dalam penelitian ini meliputi Seasonal Autoregressive Integrated Moving Average (SARIMA), Time Series Regression (TSR) dan Triple Exponential Smoothing (TES). Data curah hujan bulanan Kota Sampali mulai Januari 2011 sampai dengan Desember 2022. Ukuran akurasi yang digunakan untuk perbandingan hasil peramalan yang dihasilkan oleh berbagai model dalam penelitian ini adalah Root Mean Absolute Error (RMSE).

Hasil: Curah hujan Kota Sampali memiliki pola musiman sehingga sesuai dengan metode SARIMA, TSR dan TES yang masing-masing dapat mengakomodasi pola musiman. Model terbaik yang dihasilkan dari masing-masing metode SARIMA, TSR dan TES adalah SARIMA(0,0,0)(0,1,1)¹², TSR dengan tujuh variabel yang signifikan dan TES dengan parameter level, tren dan seasonal masing-masing sebesar 0,2, 0,2 dan 0,2..

Kesimpulan: Model terbaik untuk peramalan curah hujan Kota Sampali adalah Triple Exponential Smoothing.

Kata kunci: Peramalan curah hujan, RMSE, SARIMA, Time Series Regression, Triple Exponential Smoothing.

Penerapan Algoritma Self Organizing Maps (SOM) Dan K-Means Untuk Mengelompokkan Akseptor KB Di NTB

2024-05-30T00:59:24+00:00

Latar Belakang: Salah satu permasalahan utama terkait penggunaan KB yaitu berhubungan dengan ketersediaan layanan kesehatan, sehingga untuk memberikan akses yang lebih baik kepada masyarakat terhadap informasi dan layanan dapat dilakuakn analsis clustering yang membantu mengidentifikasi wilayah-wilayah di NTB yang memiliki akses terbatas terhadap layanan kesehatan reproduksi.

Tujuan: Tujuan penelitian ini, pertama adalah untuk mengetahui gambaran umum akseptor keluarga berencana seluruh kecamatan di NTB. Kedua adalah untuk mengetahui hasil cluster akseptor keluarga berencana di kecamatan seluruh NTB 2022 dengan algoritma SOM dan K-means serta mengetahui algoritma terbaik pada data akseptor keluarga berencana di kecamatan seluruh NTB ditinjau dari nilai validasi internal.

Metode: Algoritma clustering yang digunakan pada penelitian ini yaitu SOM dan K-means.

Hasil: Berdasarkan hasil analisis didapatkan bahwa suntik merupakan akseptor tertinggi di NTB sebanyak 299.344. Sedangkan akseptor terendah adalah kondom sebanyak 7.333. Hasil penelitian dengan algoritma SOM memiliki 2 cluster yaitu cluster 1 terdapat 103 kecamatan dan cluster 2 terdapat 14 kecamatan. Algoritma K-means memiliki 2 cluster yaitu cluster 1 terdapat 84 kecamatan dan cluster 2 terdapat 33 kecamatan.

Kesimpulan: Algoritma terbaik untuk pengelompokan akseptor keluarga berencana di kecamatan seluruh Provinsi NTB adalah algoritma SOM.

Prediksi Harga Saham PT.Telekomunikasi Indonesia Menggunakan Metode Transformasi Wavelet Diskrit Daubechies

2024-05-30T00:55:33+00:00

Latar Belakang: Wavelet Daubechies merupakan penyempurnaan dari wavelet Haar yang mempunyai keunggulan dibandingkan wavelet lainnya, sehingga wavelet Daubechies jenis ini sering digunakan untuk transformasi wavelet diskrit (TWD). TWD akan menghasilkan sejumlah koefisien yang diproses dalam estimasi ambang batas untuk menghilangkan noise pada data. Pada proses estimasi ambang batas, terdapat jenis fungsi ambang batas dan parameter yang mempengaruhi kelancaran hasil estimasi.

Tujuan: Memperoleh nilai prediksi harga saham PT Telekomunikasi Indonesia pada tanggal 21 September 2020 sampai dengan 27 Februari 2023 dan mengetahui level terbaiknya.

Metode: Transformasi Wavelet Diskrit Daubechies fungsi hard thresholding pemilihan parameter minimax.

Hasil: Nilai prediksi data saham PT.Telekomunikasi Indonesia sangat akurat, mengikuti pola data sebenarnya dengan nilai mean absolute percentage error (MAPE) kurang dari 2% untuk setiap level (1 – 6).

Kesimpulan: Level pertama merupakan level terbaik untuk melakukan prediksi harga saham PT Telekomunikasi Indonesia menggunakan metode Wavelet Daubechies dengan MAPE terkecil sebesar 0,008013.