Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
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
Sulantari, Sulantari
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 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 + + .
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 Aswar Anas Dwi Noviani Sulisawati HARIADI, WIGID Putra, Eric Dwi