Dwiatmono Agus Widodo
Institut Teknologi Sepuluh Nopember

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

Found 5 Documents
Search

Analisis Intervensi untuk Evaluasi Pengaruh Bencana Lumpur Lapindo dan Kebijakan Pembukaan Arteri Porong Terhadap Volume Kendaraan di Jalan Tol Waru-Gempol Ratna Pratiwi; Dwiatmono Agus Widodo; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 3, No 2 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (446.241 KB) | DOI: 10.12962/j23373520.v3i2.8107

Abstract

Jalan tol Surabaya-Gempol merupakan salah satu jalur transportasi yang sangat vital bagi kehidupan perekonomian di Jawa Timur. Sebuah fenomena semburan lumpur panas Lapindo Brantas di kecamatan Porong menyebabkan ruas jalan tol Porong tergenang dan harus ditutup. Untuk mengatasi kemacetan yang diakibatkan oleh peristiwa tersebut, PT. Jasa Marga meresmikan pembukaan jalan arteri Porong. Untuk mengevaluasi dampak dari peristiwa tersebut dilakukan pemodelan terhadap volume kendaraan di jalan tol Waru-Gempol menggunakan model intervensi. Berdasarkan model dari data volume kendaraan dari bulan Januari 2003 sampai dengan Desember 2013, ada empat kejadian yang berpengaruh terhadap volume kendaraan, yaitu kenaikan harga BBM, bencana lumpur Lapindo, jebolnya tanggul lumpur dan pembukaan arteri Porong. Hasil analisis menunjukkan bahwa empat kejadian tersebut memberikan dampak pada beberapa gerbang tol dan golongan kendaraan tertentu. Besarnya peramalan volume kendaraan di jalan tol Waru-Gempol untuk satu tahun kedepan adalah 29.782.711 kendaraan. Sehingga prediksi pendapatan untuk periode satu tahun kedepan adalah Rp. 156.214.426.500.
Data Mining Peramalan Konsumsi Listrik dengan Pendekatan Cluster Time Series sebagai Preprocessing Mohammad Alfan Alfian Riyadi; Kartika Fithriasari; Dwiatmono Agus Widodo
Jurnal Sains dan Seni ITS Vol 5, No 1 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (723.577 KB) | DOI: 10.12962/j23373520.v5i1.14714

Abstract

Kondisi big data dan data time series memiliki permasalahan tersendiri didalam mengolah suatu data. Terle-bih lagi data tersebut juga multivariabel. Salah satu permasa-lahan yang terjadi adalah ketika proses identifikasi model yang sesuai untuk tiap series. Beberapa metode time series seperti ARIMA dan ANN membutuhkan proses identifikasi untuk menentukan orde ARIMA dan input ANN yang akan digunakan. Melakukan identifikasi satu per satu tiap series tidak mungkin dilakukan. Untuk itu perlu dilakukan prepro-cessing data salah satunya dengan menggunakan cluster. Metode ukuran kesamaan dalam cluster time series salah satunya adalah autocorrelation based distance.  Dari masing-masing cluster yang dihasilkan dipilih salah satu anggota untuk dilakukan permodelan. Diharapkan model yang dihasil-kan mewakili anggota cluster secara keseluruhan. Metode peramalan yang digunakan pada penelitian kali ini adalah ARIMA dan ANN dengan studi kasus data benchmark konsumsi listrik di Portugal. Hasil yang diperoleh adalah dihasilkan sebanyak tujuh cluster dengan anggota cluster terbanyak pada cluster ke empat yakni sebanyak 120 client. Selanjutnya model peramalan dengan menggunakan ANN lebih baik dibandingkan ARIMA. Diperoleh sebanyak 259 dari 348 client yang menyatakan bahwa permodelan dengan menggunakan ANN lebih baik dibandingkan ARIMA
Pemodelan Faktor- Faktor yang Memengaruhi Kematian Ibu di Kota Surabaya Berdasarkan Antenatal Care Menggunakan Regresi Binomial Negatif Novarani Putri Saraswati; Dwiatmono Agus Widodo; Kartika Fithriasari
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (740.481 KB) | DOI: 10.12962/j23373520.v5i2.16577

Abstract

Data dari Dinas Kesehatan Provinsi Jawa Timur tahun 2014 menunjukkan bahwa Kota Surabaya merupakan daerah dengan kasus kematian ibu tertinggi di Jawa Timur tahun 2014 yaitu sebanyak 39 kasus. Data penelitian ini merupakan data count yang diperoleh dari Dinas Kesehatan Kota Surabaya. Pola persebaran data jumlah kasus kematian ibu di Kota Surabaya mengikuti distribusi Poisson dengan mean sebesar 1,258. Pemodelan pada data count yang berdistribusi Poisson sering menggunakan metode regresi Poisson dengan asumsi equidispersion yakni kesamaan mean dan variansi. Akan tetapi dalam penelitian ini dilakukan pemodelan menggunakan regresi Binomial Negatif untuk menganalisis faktor- faktor yang memengaruhi kematian ibu karena terjadi kasus overdispersion yakni nilai varians lebih besar daripada mean. Hasil penelitian diperoleh bahwa terdapat dua variabel yang signifikan yaitu presentase cakupan TT5 dan penanganan komplikasi obstetri. Selanjutnya pemodelan dari kedua variabel yang signifikan tersebut diperoleh nilai AIC sebesar 96,488. Tambaksari merupakan kecamatan yang memiliki jumlah kasus kematian ibu tertinggi di Kota Surabaya tahun 2014.
Analisis Clustering Perusahaan Sub Sektor Perbankan berdasarkan Rasio Keuangan CAMELS Tahun 2014 menggunakan Metode Fuzzy C-Means dan Fuzzy Gustafson Kessel Nur Afifah Amalia; Dwiatmono Agus Widodo; Pratnya Paramitha Oktaviana
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (699.279 KB) | DOI: 10.12962/j23373520.v5i2.16651

Abstract

Sub sektor perbankan merupakan salah satu sub sektor keuangan yang memiliki kontribusi cukup tinggi dalam hal penginvestasian saham. Kondisi saham yang tidak menentu setiap tahunnya, membuat para investor kesulitan untuk memilih saham mana yang akan dipilih. Hal ini menyebabkan setiap bank harus mampu memperlihatkan suatu kinerja yang baik dan maksimal dimata para investor saham. Kondisi prospektif tidaknya suatu saham dapat di-lakukan dengan melihat hasil laporan keuangan dari setiap perusahaan dan menganalisisnya lebih lanjut melalui rasio keuangan CAMELS. Setelah didapatkan data rasio keuangan, seorang investor sebaiknya melakukan pengelompokkan perusahaan berdasarkan rasio keuangan tersebut agar inves-tasi yang dilakukan memberikan keuntungan yang maksimal. Selama ini, metode pengelompokkan yang sering digunakan berupa metode hirarki. Oleh karena itu, peneliti tertarik untuk mengelompokkan rasio keuangan menggunakan metode non hirarki yaitu Fuzzy C-Means dan Fuzzy Gustafson Kessel. Pada penelitian ini diperoleh kondisi optimum untuk kedua metode berdasarkan nilai Index XB sebanyak 2 cluster dengan metode terbaik adalah metode Fuzzy Gustafson Kessel berdasarkan nilai icdrate terkecil yaitu sebesar 0,7232. Hasil karakteristik berupa statistika deskriptif menghasilkan bahwa ada perbedaan nilai median di setiap cluster pada masing-masing rasio keuangan dengan rata-rata nilai median tertinggi terjadi pada hasil pengelompokkan di cluster ke 2 dan ukuran penyebaran data terbesar terjadi pada cluster ke 1. Berdasarkan jumlah cluster optimum dan metode terbaik, maka hasil pengujian MANOVA menghasilkan bahwa tidak ada perbedaan karakteristik antar cluster terhadap respon.
Pemodelan dan Pemetaan Kasus Jumlah Penduduk Miskin di Provinsi Jambi pada Tahun 2014 dengan Menggunakan Geographically Weighted Negative Binomial Regression (GWNBR) Irdo Jasmadi; Dwiatmono Agus Widodo; Pratnya Paramitha Oktaviana
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (658.937 KB) | DOI: 10.12962/j23373520.v5i2.16704

Abstract

Kemiskinan merupakan suatu keadaan yang sering dihubungkan dengan kebutuhan, kesulitan dan kekurangan di berbagai keadaan hidup. Jumlah penduduk miskin di Provinsi Jambi masih dikategorikan tinggi. Penelitian ini ingin mendapatkan model berdasarkan Kabupaten/Kota di Provinsi Jambi menggunakan metode Geographically Weighted Negative Binomial Regression (GWNBR). Hasil pemodelan dengan metode GWNBR menunjukkan bahwa faktor-faktor yang mempengaruhi jumlah penduduk miskin yang terjadi secara global di seluruh Kabupaten/Kota di Provinsi Jambi meliputi Produk Domestik Regional Bruto Atas Dasar Harga Berlaku per kapita, Kepadatan penduduk, Persentase rumah tangga yang menempati rumah dengan status tidak milik sendiri, dan Jumlah fasilitas kesehatan.