Article Per Year (5 Year)
p-Index From 2020 - 2025
1.325
P-Index
This Author published in this journals
All Journal Enthusiastic : International Journal of Applied Statistics and Data Science Journal of Applied Statistics, Mathematics, and Data Science JERNIH: Journal of Environmental Engineering and Hygiene
HARIADI, WIGID
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Environmental Science Mathematics

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Pemodelan Autoregressive Integrated Moving Average Ensemble (ARIMA ENSEMBLE) Averaging Method Dalam Peramalan Produksi Padi di Provinsi Jawa Timur Hariadi, Wigid; Sulantari, Sulantari
ESTIMATOR : Journal of Applied Statistics, Mathematics, and Data Science Vol. 2 No. 2 (2024):
Publisher : Program Studi Statistika Universitas PGRI Argopuro Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31537/estimator.v2i2.2158

Abstract

Padi atau beras merupakan makanan pokok paling favorit bagi masyarakat Indonesia. Jawa Timur salah satu provinsi di Indonesia yang merupakan sentra penghasil padi. Mengingat pentingnya produksi padi bagi pemerintah, maka perlu dilakukan analisis untuk memprediksi produksi padi pada tahun-tahun kedepan. Hal ini berguna untuk dalam mengetahui seberapa besar ketahanan pangan di suatu. Untuk melakukan peramalan data, salah satu metode yang dapat digunakan adalah metode ARIMA Ensemble averaging. Metode ini menggunakan proses penggabungan hasil ramalan beberapa model ARIMA untuk membentuk nilai peramalan yang baru. Model ARIMA Ensemble (ARIMA (2,2,0) dan ARIMA(0,2,1)) merupakan model ARIMA Ensemble terbaik dalam meramalkan produksi padi di Provinsi Jawa Timur dengan nilai MSE sebesar 2.613E+12 dan nilai RMSE sebesar 1616476.55. Produksi padi di Provinsi Jawa Timur sejak tahun 2025 sampai tahun 2035 secara berturut-turut diramalkan sebesar: 10.32 juta ton, 10.39 juta ton, 10.45 juta ton, 10.52 juta ton, 10.59 juta ton, 10.65 juta ton, 10.72 juta ton, 10.79 juta ton, 10.87 juta ton, 10.93 juta ton, 10.99 juta ton. Hal ini menyatakan bahwa jika dibandingkan tahun 2023, produksi padi di Jawa Timur pada tahun 2025 akan mengalami kenaikan sebesar 6.29%, dan pada tahun 2035 akan mengalami kenaikan sebesar 13.22%.
Pemodelan Penambahan Hutang Negara Indonesia Berdasarkan Nilai Expor Dengan Analisis Regresi Nonlinier Model Logarithmic dan Model Invers Hariadi, Wigid; Sulantari, Sulantari
ESTIMATOR : Journal of Applied Statistics, Mathematics, and Data Science Vol. 2 No. 1 (2024)
Publisher : Program Studi Statistika Universitas PGRI Argopuro Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31537/estimator.v2i1.2322

Abstract

Indonesia merupakan salah satu negara berkembang. Dalam proses perkembangannya, hingga saat ini negara Indonesia masih mengandalkan hutang sebagai salah satu sumber pendanaan dalam pembangunan. Total hutang negara Indonesia terus mengalami kenaikan. Pada tahun 2014 total hutang negara Indonesia sebesar 2608.78 Trilliun Rupiah, dan pada tahun 2023 total hutang negara Indonesia menajadi sebesar 8041 Trilliun Rupiah. Dalam kurun waktu 9 tahun hutang negara Indonesia mengalami kenaikan sebesar 5432.22 Trilliun Rupiah atau terjadi penambahan hutang sebesar 208.23% dibandingkan total hutang pada tahun 2014. Terdapat banyak faktor yang mempengaruhi besar penambahan hutang negara, salah satunya yakni nilai expor suatu negara. semakin besar nilai expor, maka kemungkinan besar suatu negara mampu untuk berhutang lebih banyak. Analisis regresi nonlinier model Logarithmic dan model Invers merupakan analisis data yang dapat digunakan untuk memodelkan hubungan antara nilai expor dan penambahan hutang negara Indonesia. Setelah dilakukan analisis data, diperoleh hasil bahwa regresi nonlinier model Invers adalah model yang terbaik untuk memodelkan hubungan antara nilai expor dan penambahan hutang negara Indonesia. Dengan nillai R-Square sebesar 0.267 dan nilai MSE sebesar 76270.78. adapun model yang diperoleh yakni : Penambahan Hutang Indoensia = 806.541 + + .
PEMODELAN ANALISIS REGRESI LINIER SEDERHANA DAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DALAM MEMODELKAN LUAS KEBAKARAN HUTAN INDONESIA Sulantari; Hariadi, Wigid; Sulisawati, Dwi Noviani; Purwandari, Anggraini Ratih; Fatimah, Fita
ESTIMATOR : Journal of Applied Statistics, Mathematics, and Data Science Vol. 3 No. 1 (2025):
Publisher : Program Studi Statistika Universitas PGRI Argopuro Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31537/estimator.v3i1.2474

Abstract

Tahun 2022 luas hutan Indonesia sebesar 125,76 hektar atau 62,97% dari luas daratan Indonesia. Hutan memegang peranan penting bagi kahidupan manusia, salah satunya adalah hutan sebagai sumber air. Kebakaran hutan menjadi ancaman yang serius bagi keberlangsungan hutan di Inodonesia. Kebakaran hutan di Indonesia terjadi hampir setiap tahun dengan luas hutan yang terbakar setiap tahunnya berfluktuatif. Kebakaran hutan disebabkan akibat aktivitas manusia dalam pembukaan lahan, musim kemarau, atau faktor lainnya. Hutan yang rusak dapat berdampak kepada banyak hal, salah satunya yakni kodisi sumber air atau kondisi aliran sungai yang dapat ikut menurun secara kualitas atau kuantitasnya. Salah satu mitigasi bencana yang dapat dilakukan dalam fenomena kebakaran hutan adalah dengan melakukan analisis data dalam memodelkan prediksi luas kebakaran hutan di Indonesia. Metode prediksi yang dapat digunakan adalah analisis runtun waktu model ARIMA dan analisis regresi linier. Setelah dilakukan analisis data diperoleh kesimpulan (1) Model ARIMA (3,2,0) dan model regresi linier sederhana dengan variabel independen status el-nino, layak digunakan untuk memodelkan prediksi luas kebakaran hutan di Indonesia. (2) Variabel independen status elnino berpengaruh terhadap luas kebakaran hutan di Indonesia, dengan nilai korelasi ( R ) sebesar 0.462. (3) Tahun 2025 prediksi luas kebakaran hutan Indonesia untuk model ARIMA(3,2,0) adalah sebesar 0.457 juta hektar. (5) Untuk model regresi linier sederhana jika tahun 2025 terjadi el nino, luas kebakaran hutan Indonesia diprediksi sebesar 1.09 juta hektar. (6) Untuk model regresi linier sederhana jika tahun 2025 tidak terjadi el nino, luas kebakaran hutan Indonesia diprediksi sebesar 0.45 juta hektar.
Evaluasi Ketimpangan Distribusi Curah Hujan Antar Kecamatan di Kabupaten Jember Tahun 2021-2023 dan Implikasinya Terhadap Resiko Bencana Hidrometerologi: Evaluation of Inequality in Rainfall Distribution Between Sub-districts in Jember Regency in 2021-2023 and Its Implications for Hydrometeorological Disaster Risk Purwandari, Anggraini Ratih; Krisdhianto, Andhi; Hariadi, Wigid; Aswan, Mohamad Syaifudin
JERNIH : Journal of Environmental Engineering and Hygiene Vol. 3 No. 1 (2025): JERNIH: Journal of Environmental Engineering and Hygiene
Publisher : Universitas PGRI Argopuro Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31537/jernih.v3i1.2453

Abstract

Penelitian ini bertujuan untuk menganalisis distribusi dan ketimpangan curah hujan antar kecamatan di Kabupaten Jember selama periode 2021–2022. Data curah hujan bulanan dari 10 kecamatan dianalisis menggunakan pendekatan statistik deskriptif dan komparatif untuk mengidentifikasi pola spasial-temporal serta disparitas antar wilayah. Hasil penelitian menunjukkan bahwa tahun 2022 lebih basah dengan potensi curah hujan ekstrem lebih tinggi dibandingkan tahun 2021, ditandai dengan kenaikan rentang curah hujan dari 3500 mm (2021) menjadi 4500 mm (2022). Pola musiman konsisten dengan iklim monsun Indonesia, dimana puncak hujan terjadi pada awal tahun (Maret-April) dan akhir tahun (November-Desember), sementara musim kemarau berlangsung pada Juli-September. Namun, distribusi hujan tidak merata antar kecamatan, dengan ketimpangan signifikan antara wilayah terbasah (misalnya Kecamatan Jelbuk dan Sumberbaru) dan terkering (misalnya Kecamatan Wuluhan dan Balung). Ketimpangan ini berdampak langsung pada perencanaan pertanian dan manajemen sumber daya air, terutama dalam mitigasi banjir musim hujan serta kekeringan musim kemarau. Temuan ini merekomendasikan perlunya kebijakan berbasis data untuk optimalisasi distribusi air dan adaptasi sektor pertanian sesuai karakteristik lokal. Ketimpangan ekstrem terjadi pada musim kemarau (Juli-September), menunjukkan kebutuhan manajemen air darurat di wilayah terkering. Pengelolaan sumber daya air dengan baik sebaiknya dilakukan di Kecamatan dengan variasi tinggi seperti Sukowono dan Tempurejo.
Peramalan Tingkat Golput Pada Pilpres Indonesia Th 2024 dengan Metode Exponential Smoothing dan Moving Average Hariadi, Wigid; Sulantari, Sulantari; Sulisawati, Dwi Noviani; Anas, Aswar; Putra, Eric Dwi
ESTIMATOR : Journal of Applied Statistics, Mathematics, and Data Science Vol. 1 No. 2 (2023)
Publisher : Program Studi Statistika Universitas PGRI Argopuro Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31537/estimator.v1i2.1525

Abstract

Indonesia akan melaksanakan pemilu pilpres pada tahu 2024 mendatang. Dimana pada tahun tersbebut masyarakat Indonesia akan menggunakan hak pilihnya dalam memilih Presiden dan Wakil Presiden secara langsung. Namun, ada kekhawatiran yang dialami oleh Pemerintah maupun KPU, yakni tingkat golput yang cukup tinggi. Golput adalah sikap untuk tidak mengunakan hak pilih dalam pemilu. Oleh karena itu, penting untuk melakukan peramalan data tingkat golput masyarakat. Hal ini bertujuan untuk mengetahui prediksi tingkat golput pada pemilu pilpres tahun 2024. Dengan harapan, bagi pihak terkait agar dapat menentukan kebijakan yang terbaik dalam mengatasi angka golput yang cukup tinggi, yakni mencapai 30% pada tahun 2014, dan 18.03% pada tahun 2019. Dalam peramalan data ini, akan digunakan 2 metode, yakni metode exponential smoothing dan metode moving average. Dari kedua metode tersebut, diperoleh hasil bahwa metode exponential smoothing lebih baik dibandingkan metode moving average dalam meramalkan tingkat golput pada pemilu pilpres tahun 2024 mendatang. Dimana model yang diperoleh adalah model single exponential smoothing (? = 0.9). Model ini memberikan nilai MSE sebesar 34.24, MAE sebesar 3.92, dan MAPE sebesar 35.76. Dengan peramalan tingkat golput pada pemilu pilpres tahun 2024 adalah sebesar 19.20%.
Aplication of ARIMA Model for Forecasting Additional Positive Cases of Covid-19 in Jember Regency Hariadi, Wigid; Sulantari, Sulantari
Enthusiastic : International Journal of Applied Statistics and Data Science Volume 1 Issue 1, April 2021
Publisher : Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (365.441 KB) | DOI: 10.20885/enthusiastic.vol1.iss1.art4

Abstract

The autoregressive integrated moving average (ARIMA) model is a popular method for forecasting univariate time series dataset. This method consists of four major stages, namely: identification, parameter assessment, diagnostic examination, and forecasting using the ARIMA model (p, d, q). ARIMA model can be applied in various fields, one of which is medical field. Currently, there had been a daily increase in the number of patients infected with Corona virus. Jember is one of the regencies in East Java with a high number of confirmed patients. On February 5, 2021, it was recorded that 5,872 patients were confirmed positive for Corona, 5,241 patients had been declared cured, and 352 patients were declared dead. Given the high number of confirmed cases of Covid-19 in Jember, the authors would like to conduct a prediction research on the increasing number of confirmed cases of Covid-19 in Jember Regency for the upcoming period using the ARIMA model (p,d,q). The research was conducted in the Jember Regency, East Java. The data were collected from March 28, 2020 to January 30, 2021. The study showed that the ARIMA model (1,2,3) was the best model for predicting the additional positive cases of Covid-19 per week in Jember, with the sum squared resid of 7.9496. The data forecast for the additional positive cases of Covid-19 for the next 6 periods is: 224,56 patients, 247,84 patients, 273,53 patients, 301,89 patients, 333,18 patients, and 367,72 patients. Received February 10, 2021Revised April 8, 2021Accepted April 22, 2021
Co-Authors Aswan, Mohamad Syaifudin Aswar Anas Dwi Agustin Retnowardani Dwi Noviani Sulisawati Fita Fatimah, Fita Krisdhianto, Andhi Masruroh, Zuwidatul Purwandari, Anggraini Ratih Putra, Eric Dwi Sulantari Sulantari, Sulantari