Article Per Year (5 Year)
p-Index From 2020 - 2025
0.983
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Pertanian Emerging Statistics and Data Science Journal
Kesumawati, Ayundyah
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Mathematics

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Peramalan Nilai Ekspor Provinsi Kalimantan Timur Menggunakan Metode Double Eksponential Smoothing (DES) Marindra, Afifah; Kesumawati, Ayundyah
Emerging Statistics and Data Science Journal Vol. 1 No. 1 (2023): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol1.iss.1.art1

Abstract

Ekspor merupakan kegiatan perdagangan antar negara dengan cara mengeluarkan barang dari dalam ke luar wilayah pabean Indonesia yang mampu mendorong kualitas perdagangan di Indonesia. Nilai ekspor Provinsi Kalimantan Timur periode Januari-September 2021 mencapai US$ 15,63 miliar atau meningkat 65,15% dibandingkan periode sebelumnya. Nilai ekspor berpengaruh terhadap cadangan devisa dari suatu negara dimana bila ekspor dari suatu negara lebih besar dibanding dengan nilai impornya, maka negara tersebut akan memperoleh keuntungan berupa devisa yang akan disimpan dalam cadangan evisa. Artinya semakin tinggi nilai ekspor maka posisi cadangan devisa juga akan meningkat. Pelaku perekonomian nasional membutuhkan informasi mengenai model dalam meramalkan ekspor di masa mendatang sehingga penulis melakukan penelitian mengenai peramalan terhadap nilai ekspor Provinsi Kalimantan Timur yang dianggap memiliki kontribusi yang signifikan terhadap kegiatan ekspor di Indonesia sebagai penghasil devisa utama bagi Indonesia. Metode statistika dalam penelitian ini adalah Double Exponential Smoothing yang digunakan untuk melakukan peramalan terhadap nilai ekspor Provinsi Kalimantan Timur pada 7 bulan mendatang yaitu pada bulan Desember 2021 hingga Juni 2022 dengan parameter pemulusan nilai level () yaitu sebesar 0.7371267 dan pemulusan nilai trend sebesar 0.06790403 didapatkan tingkat akurasi peramalan menggunakan MSE sebesar 60406.25 dan MAPE sebesar 8.905644%.
Peramalan Jumlah Pekerja Migran Indonesia Menggunakan Metode Triple Exponential Smoothing with Damped Parameter : Peramalan Jumlah Pekerja Migran Indonesia Menggunakan Metode Triple Exponential Smoothing with Damped Parameter Fazira, Nabila Dwi; Kesumawati, Ayundyah
Emerging Statistics and Data Science Journal Vol. 2 No. 2 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.2.art15

Abstract

Pekerja migran Indonesia adalah setiap warga negara Indonesia yang sedang, akan, atau telah bekerja di luar wilayah Indonesia dengan menerima gaji. Indonesia merupakan salah satu negara pengirim pekerja migran terbesar, dimana sebagian besar dari mereka bekerja pada sektor dengan gaji rendah. Namun, dalam beberapa tahun terakhir, terjadi penurunan signifikan dalam jumlah pengiriman pekerja migran Indonesia. Penurunan ini disebabkan oleh pandemi Covid-19 yang menyebabkan peningkatan angka kasus, dan akibatnya pemerintah memberlakukan moratorium pada pengiriman pekerja migran pada tahun 2020. Hal ini mengakibatkan penurunan jumlah pekerja migran Indonesia sebesar 59% dan penurunan remitansi sebesar 17.5% dibandingkan dengan tahun 2019. Penelitian ini bertujuan untuk menilai jumlah pekerja migran Indonesia dari tahun 2023 hingga 2024 sebagai dasar untuk menyusun rencana strategis. Data yang digunakan adalah data sekunder jumlah pekerja migran Indonesia dari tahun 2018 hingga 2022. Metode penelitian yang digunakan adalah Triple Exponential Smoothing with Damped Parameter, yaitu metode untuk meramalkan periode ke depan. Hasil penelitian menunjukkan bahwa model tipe multiplicative adalah yang terbaik. Hasil prediksi menunjukkan jumlah pekerja migran Indonesia pada bulan Januari 2023 sebanyak 25,923, Februari 2023 sebanyak 24,192, Maret 2023 sebanyak 26,427, dan seterusnya. Berdasarkan hasil ini, prediksi menunjukkan bahwa jumlah pekerja migran Indonesia cenderung turun pada tahun 2023 hingga 2024. Model ini baik untuk peramalan karena memiliki nilai MAPE sebesar 20.84% dengan akurasi sebesar 79.16%.
Pengelompokan Lapangan Usaha Berdasarkan Level Skill Menggunakan Multidimensional Scaling dan K-Means Clustering: Pengelompokan Lapangan Usaha Berdasarkan Level Skill Menggunakan Multidimensional Scaling dan K-Means Clustering Aulia Nur Joviandi; Kesumawati, Ayundyah
Emerging Statistics and Data Science Journal Vol. 2 No. 1 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.1.art7

Abstract

Kementerian Ketenagakerjaan atau Kemnaker adalah salah satu kementerian atau penyelenggara urusan administrasi pemerintahan dalam bidang ketenagakerjaan atau tenaga kerja. Seseorang yang bekerja atau mampu melakukan kegiatan guna menghasilkan barang dan/atau jasa baik untuk memenuhi kebutuhan sendiri maupun untuk keperluan kelompok lain disebut tenaga kerja. Penempatan tenaga kerja pada lapangan usaha yang tersedia menjadi salah satu faktor pendukung pembangunan ekonomi yang dilakukan oleh pemerintah.  Sehingga tenaga kerja berkeahlian perlu memperhatikan kelompok lapangan usaha sesuai skill yang dimiliki. Analisis Multidimensional Scalling dan K-Means Clusterring digunakan untuk mengetahui kondisi tenaga kerja berkeahlian di cluster lapangan usaha yang ada. Dari penelitian ini, didapatkan bahwa pengelompokkan menjadi tiga cluster, dengan cluster 1 beranggotakan 13 lapangan usaha, cluster 2 beranggotakan 2 lapangan usaha, dan cluster 3 beranggotakan 2 lapangan usaha.
Perbandingan Analisis K-means dan Hierarchical Clustering dalam Mengelompokkan Kecamatan di Kabupaten Grobogan Berdasarkan Jumlah Titik Kejadian Bencana Alam : Perbandingan Analisis K-means dan Hierarchical Clustering dalam Mengelompokkan Kecamatan di Kabupaten Grobogan Berdasarkan Jumlah Titik Kejadian Bencana Alam Wijayanti, Sakti Wijayanti; Kesumawati, Ayundyah
Emerging Statistics and Data Science Journal Vol. 3 No. 2 (2025): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol3.iss.2.art14

Abstract

Kabupaten Grobogan adalah salah satu kabupaten di Jawa Tengah yang rentan terhadap bencana alam. Tingginya frekuensi bencana alam di Kabupaten Grobogan seperti banjir, kekeringan, kebakaran, tanah longsor, dan angin kencang menjadi masalah yang serius bagi masyarakat. Penelitian ini bertujuan untuk melakukan perbandingan keefektivitasan antara metode k-means dan hierarchical clustering dalam mengelompokkan kecamatan berdasarkan data jumlah titik kejadian bencana alam dan menentukan metode mana yang dinilai lebih baik dalam menganalisis data bencana. Data yang digunakan dalam penelitian ini merupakan data sekunder yang bersumber dari website Sistem Informasi Bencana Alam (SIGANA) Badan Penanggulangan Bencana Daerah Kabupaten Grobogan. Hasil analisis k-means dan hierarchical clustering adalah terbentuknya 3 cluster optimum dengan keterangan 14 kecamatan kategori rendah, 4 kecamatan kategori sedang dan 1 kecamatan kategori tinggi. Berdasarkan validasi cluster internal measure, kedua metode tersebut memperoleh nilai connectivity, dunn index dan silhouette yang sama yaitu nilai connectivity sebesar 7.3115, nilai dunn index sebesar 0.8991, dan nilai silhouette sebesar 0.5932. Sedangkan dalam Selanjutnya dalam validasi cluster dengan stability measure metode k-means menghasilkan nilai APN sebesar 0.0962, AD sebesar 13.6823, ADM sebesar 4.1335, dan FOM sebesar 7.4761. Sedangkan, metode hierarchical clustering menghasilkan nilai APN sebesar 0.0391, AD sebesar 13.4789, ADM sebesar 3.5167, dan FOM sebesar 7.1598. Secara keseluruhan, dapat disimpulkan bahwa metode yang dinilai lebih baik untuk mengelompokkan data jumlah titik kejadian bencana alam di Kabupaten Grobogan tahun 2023 adalah metode hierarchical clustering.
Microwave-assisted extraction and computational modelling of curcumin from turmeric (Curcuma longa) for sunscreen applications Salmahaminati, Salmahaminati; Muchtar, Khopipah; Fajarwati, Febi Indah; Herawati, Mutiara; Kesumawati, Ayundyah
Jurnal Ilmiah Pertanian Vol. 22 No. 2 (2025): Jurnal Ilmiah Pertanian
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/jip.v22i2.22693

Abstract

Excessive exposure to ultraviolet (UV) radiation from sunlight can cause skin damage, including premature aging, sunburn, and increased risk of skin cancer. While synthetic sunscreen agents are widely used, concerns over their long-term safety have driven interest in natural alternatives. In this study, curcumin was extracted from turmeric rhizomes (Curcuma longa) using microwave-assisted extraction (MAE) as a potential natural sunscreen. The highest yield was obtained using ethanol as solvent (5.5%), 100 watts of microwave power (5.7%), and solvent temperature of 50 °C (7.8%). Curcumin presence was confirmed by thin layer chromatography (TLC), with Rf values from 0.63 (methanol) to 0.82 (ethanol). Fourier transform infrared (FTIR) spectroscopy showed functional groups including O–H, C–H, C=C, C=O, and C–O, along with trans-C–H benzoate vibrations. ¹H-NMR spectra supported its presence, with chemical shifts at 3.80–3.92, 6.54–7.18, and 7.31–7.49 ppm. UV-Vis analysis revealed strong absorption in the UV-A region (320–420 nm), and DFT-based computational modelling showed peaks at 276 and 405 nm. These results highlight curcumin’s potential as a photoprotective agent, supporting safer, plant-based sunscreen formulations and offering a sustainable alternative for the cosmetic industry.
Co-Authors Aulia Nur Joviandi Fajarwati, Febi Indah Fazira, Nabila Dwi Marindra, Afifah Muchtar, Khopipah Mutiara Herawati, Mutiara Salmahaminati Salmahaminati, Salmahaminati Wijayanti, Sakti Wijayanti