Article Per Year (5 Year)
p-Index From 2021 - 2026
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 4 Documents
Search
Journal : Journal of Applied Statistics, Mathematics, and Data Science

 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.
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%.
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