Claim Missing Document
Check
Articles

Found 36 Documents
Search

THERMAL STRESS PROJECTION BASED ON TEMPERATURE-HUMIDITY INDEX (THI) UNDER CLIMATE CHANGE SCENARIO Iis Widya Harmoko; Rochdi Wasono; Tiani Wahyu Utami; Fatkhurokhman Fauzi; Iqbal Kharisudin
Jurnal Meteorologi dan Geofisika Vol. 24 No. 1 (2023)
Publisher : Pusat Penelitian dan Pengembangan BMKG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31172/jmg.v24i1.867

Abstract

The degradation of green open spaces and the phenomenon of deforestation in Indonesia has increased discomfort in the region. Furthermore, if allowed to continue, the increase in temperature caused by greenhouse gases worsens the situation. Increased temperature and reduced air humidity are related to thermal stress, affecting human comfort and health. Thermal stress is measured based on the Temperature Humidity Index (THI), which calculates temperature and relative humidity variables. This study analyses THI projections under climate change scenarios RCP4.5 and RCP8.5. This study uses statistical downscaling and bias correction of Quantile Delta Mapping (QDM) to equalize the local climate. This study is divided into four 20-year periods from 2021 to 2100 to evaluate THI changes in future projections. Based on the study results, it is known that from 2041-2060, several big cities in Indonesia experienced an increase in THI and were included in the category of 50% of the population feeling uncomfortable. THI increased in the third and fourth periods. Areas that experienced a significant increase in THI were urban areas that lacked green open land and were densely populated. Surabaya City and Madura Island are the areas with the highest THI index.
Peramalan Harga Emas Menggunakan Pendekatan Long-Short Term Memory (LSTM) Fauzi, Fatkhurokhman; Aulia, Syifa; Syaifullah, Ahmad Reyhan; Utami, Tiani Wahyu
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.78332

Abstract

Inventasi menjadi salah satu pilihan masyarakat untuk mengelola kelebihan dana agar nilainya meningkat dikemudian hari. Emas menjadi salah satu komoditi yang sering dijadikan instrumen investasi favorit. Harga emas yang fluktuatif menimbulkan efek kerugian bagi investor. Peramalan harga emas dimasa yang akan datang menjadi penting untuk meminimalisir resiko kerugian. Pendekatan machine learning lebih baik dibandingkan inferensial seperti Autoregressive Integrated Moving Average (ARIMA) dalam meramalkan data yang fluktuatif. Metode dengan pendekatan machine learning seperti Long-Short Term Memory (LSTM) memiliki performasi yang baik pada data yang fluktuatif. Metode LSTM digunakan untuk untuk meramalkan harga emas. Penelitian ini membagi data training dan data testing sebesar 80% dan 20%. Metode evaluasi model Mean Absolute Percentage Error (MAPE) digunakan untuk melihat kebaikan model. Penelitian ini menerapkan enam scenario tunning parameter. Parameter terbaik metode LSTM yaitu learning rate 0,01, neuron 10, dan Epoch 100 dengan nilai MAPE sebesar 3,499%. Hasil MAPE pada data training dan data testing tidak menunjukan terjadinya overfitting atau underfitting pada metode LSTM terbaik. Hasil peramalan tiga puluh periode cenderung fluktuatif, terjadi kenaikan yang signifikan pada periode ke dua puluh empat ke dua puluh lima.
STOCK PRICE FORECASTING OF PT. BANK CENTRAL ASIA USING HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE-NEURAL NETWORK (ARIMA-NN) METHOD Azizah, Apipah Nur; Fauzi, Fatkhurokhman; Arum, Prizka Rismawati
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 12, No 1 (2024): Jurnal Statistika Universitass Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jsunimus.12.1.2024.48-59

Abstract

PT. Bank Central Asia is a private company that has superior shares in the Lq45 category but has share prices that fluctuate every period. So forecasting is needed to predict stock prices in the next period. These fluctuations can cause linear and nonlinear relationships in historical stock price data. This research uses the Hybrid ARIMA-NN approach, where the ARIMA model is able to overcome data non-stationarity while the Neural Network is used to capture nonlinear patterns that cannot be explained by the ARIMA model by using the residuals as NN input, the hybrid model can increase forecasting accuracy. The data used is weekly data on closing stock prices for the period January 2019 to June 2024. Prediction measurements use Mean Absolute Percentage Error. The research results show that forecasting with Hybrid ARIMA(2,1,2)-NN(1-5-1) obtained a MAPE value of 3.99% smaller than the ARIMA(2,1,2) a MAPE value of 4.13%, that the accuracy of the forecasting model is good.
Analisis Sentimen Opini Masyarakat Terhadap Stunting Pasca Debat Cawapres Pertama 2024 Dengan Algoritma Bootstrap Aggregating Naïve Bayes Yuliardi, Fahrul Raditiar; Fauzi, Fatkhurokhman; Utami, Tiani Wahyu
Prosiding Seminar Nasional Unimus Vol 7 (2024): Transformasi Teknologi Menuju Indonesia Sehat dan Pencapaian Sustainable Development G
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Stunting adalah kondisi gagal tumbuh pada anak-anak yang disebabkan oleh kekurangan gizi, kurangnyapengetahuan mengenai stunting, serta faktor ekonomi dan akses terhadap makanan bergizi. Debat calonwakil presiden pertama tahun 2024 menarik perhatian publik dan menjadi topik yang banyak dibicarakandi media sosial, termasuk X. Penelitian ini menggunakan metode Bootstrap Aggregating (Bagging) padaalgoritma Naïve Bayes untuk menganalisis sentimen opini masyarakat yang diekspresikan melalui tweetterkait stunting. Metode ini dipilih karena kemampuannya dalam meningkatkan akurasi klasifikasi denganmengatasi masalah ketidakseimbangan kelas dalam data sentimen. Hasil confusion matrix menunjukkanbahwa metode yang digunakan mampu mengklasifikasikan sentimen dengan akurasi sebesar 96%,precision 95%, recall 98%, dan F1-score 96%. Metode ini menunjukkan bahwa Bootstrap AggregatingNaïve Bayes efektif dalam mengklasifikasikan sentimen masyarakat mengenai stunting, terutama dalamkonteks respons terhadap pernyataan dan diskusi yang muncul setelah debat cawapres. Mayoritas sentimenyang dianalisis adalah positif, hal ini menunjukan dukungan dan harapan masyarakat untuk meningkatkankesehatan dan kesejahteraan anak-anak.  Penelitian ini memberikan wawasan tentang bagaimana debatcawapres 2024 dapat mempengaruhi persepsi masyarakat terhadap kebijakan pemerintah Indonesia. Kata Kunci : Analisis Sentimen, Bootstrap Aggregating, Naive Bayes, Debat Calon Wakil Presiden,Stunting.
Metode Bidirectional Long Short-Term Memory (BiLSTM) Untuk Memprediksi Harga Saham BBRI Dengan Optimasi Nesterov Adaptive Moment (Nadam) Permatasari, Shella Heidy; Nur, Indah Manfaati; Fauzi, Fatkhurokhman
Prosiding Seminar Nasional Unimus Vol 7 (2024): Transformasi Teknologi Menuju Indonesia Sehat dan Pencapaian Sustainable Development G
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prediksi harga saham merupakan salah satu bidang yang sangat menantang dan memiliki dampak signifikandalam dunia keuangan. Penelitian ini menggunakan metode Bidirectional Long Short-Term Memory(BiLSTM) yang dioptimasi dengan Nesterov Adaptive Moment (Nadam) untuk memprediksi harga sahamharian PT Bank Rakyat Indonesia (BBRI). Metode BiLSTM merupakan variasi dari metode Long ShortTerm Memory (LSTM) yang memecahkan ketergantungan jangka pajang LSTM dengan RNN (RecurrentNeural Network). BiLSTM ini memiliki kemampuan untuk menangkap pola temporal dari masa lalu danmasa depan sehingga efektif dalam analisis deret waktu. Sedangkan, optimasi Nadam digunakan untukmeningkatkan kecepatan konvergensi dan akurasi prediksi dengan memanfaatkan kelebihan darimomentum Nesterov dan adaptivitas Adam. Metode BiLSTM yang dioptimalkan dengan optimasi Nadamtersebut menghasilkan model prediksi harga saham harian terbaik dengan konfigurasi optimal 30 neuronper lapisan tersembunyi, batch size 256, dan 500 epoch. Konfigurasi ini efektif dalam menangkap polafluktuasi harga saham harian dengan MSE 0,000415. Pada evaluasi kinerja model dengan MAPE, diperolehnilai MAPE 1,7511% pada data training serta 1,5432% pada data testing, yang menunjukkan bahwa modeltersebut akurat dengan tingkat kesalahan prediksi di bawah 10%. Hasil prediksi menunjukkan kenaikanstabil setiap hari dengan harga saham terendah 4496,028 pada 1 Juni 2024 dan tertinggi 4819,317 pada 29Juni 2024. Kata Kunci : BiLSTM, Nesterov Adam, Prediksi, Saham
Pelatihan Pertanian Modern untuk Meningkatkan Regenerasi Petani Muda di Desa Sidorejo Demak Fadillah, Muhammad Reza; Fauzi, Fatkhurokhman; Haris, M. Al; Multiyaningrum, Riska; Pandiriyan, Muhammad Tegar; Amrullah, Setiawan; Putri, Melfia Verahma; Nur, Rachmat Kahfiwan; Ramadhan, Abimanyu Arya; Khikman, Muhammad Alvaro; Widiyanti, Karin Dita; Watur, Annisa Cahyaningrum; Fabiola, Gwenda; Syaharani, Nabbila Dyah; Putra, Septian Malik; Ninu, Maria Febronia; Barlian, Seftia Amelia Rizki
Prosiding Seminar Nasional Unimus Vol 7 (2024): Transformasi Teknologi Menuju Indonesia Sehat dan Pencapaian Sustainable Development G
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Desa Sidorejo, Kecamatan Karangawen, Kabupaten Demak, merupakan daerah agraris dengan mayoritaspenduduk bermata pencaharian sebagai petani. Dalam upaya meningkatkan regenerasi petani muda danmemperkenalkan teknologi pertanian modern, Tim Pengabdian Himpunan Mahasiswa StatistikaUniversitas Muhammadiyah Semarang melaksanakan pelatihan penggunaan alat transplanter dan powerthresher. Kegiatan ini diawali dengan koordinasi bersama pemerintah desa dan Dinas Pertanian setempat,diikuti dengan pembuatan materi pelatihan yang divalidasi oleh Balai Penyuluhan Pertanian. Sebanyak 20petani muda berusia 15 hingga 35 tahun dilibatkan dalam pelatihan ini. Hasil evaluasi menunjukkanpeningkatan signifikan dalam pengetahuan dan keterampilan peserta, meskipun tantangan keberlanjutanprogram tetap perlu diperhatikan. Pelatihan ini diharapkan dapat mendorong pertanian berkelanjutan dankesejahteraan ekonomi masyarakat. Kata Kunci : Pemberdayaan Masyarakat, Pertanian Modern, Regenerasi Petani Muda, Transplanter, PowerThresher.
Segmentasi Provinsi Berdasarkan Indikator Sanitasi Total Berbasis Masyarakat di Indonesia: Pendekatan Hierarchical Clustering Agglomerative Syahrani, Nabbila Dyah; Rahmawati, Gita; Izzah, Nasyiatul; Sanmas, Safril Ahmadi; Rahmah, Alfidha; Fauzi, Fatkhurokhman
Prosiding Seminar Nasional Unimus Vol 7 (2024): Transformasi Teknologi Menuju Indonesia Sehat dan Pencapaian Sustainable Development G
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sanitasi yang buruk menjadi salah satu faktor penyebab beban penyakit global, dengan sekitar 1,4 jutakematian setiap tahunnya disebabkan oleh faktor lingkungan, termasuk sanitasi yang tidak aman. Padatahun 2023, sebanyak 4,2 miliar orang di dunia tidak memiliki akses sanitasi yang dikelola dengan aman,yang dapat menyebabkan berbagai masalah kesehatan seperti malnutrisi dan kematian. Di Indonesia,program Sanitasi Total Berbasis Masyarakat (STBM) dikembangkan oleh Kementerian Kesehatan untukmeningkatkan perilaku higienis melalui pemberdayaan masyarakat. STBM terdiri dari lima pilar: StopBuang Air Besar Sembarangan (SBS), Cuci Tangan Pakai Sabun (CTPS), Pengelolaan Sampah RumahTangga (PSRT), Pengelolaan Air Minum dan Makanan Rumah Tangga (PAMMRT), serta Pengelolaan AirLimbah Domestik Rumah Tangga (PALDRT). Namun, implementasi program ini di berbagai daerah diIndonesia masih bervariasi, dengan beberapa daerah belum menerapkan STBM secara optimal. Oleh karenaitu, diperlukan pemetaan daerah-daerah yang membutuhkan intervensi lebih lanjut. Penelitian inimenggunakan metode Hierarchical Clustering untuk mengelompokkan provinsi-provinsi di Indonesiaberdasarkan data capaian STBM tahun 2023. Penelitian ini menghasilkan empat cluster denganmenggunakan Agglomerative Average Linkage sebagai metode terbaik. Hasil clustering menunjukkanCluster 1 memiliki kondisi sanitasi terburuk, Cluster 2 memiliki pencapaian terbaik, sementara Cluster 3dan Cluster 4 berada di antara keduanya, dengan beberapa aspek memerlukan perbaikan. Diperoleh nilaievaluasi hasil clustering menggunakan silhouette coefficient sebesar 0,5027.  Kata Kunci : Hierarchical Clustering, STBM, Akses Sanitasi
Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket: Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket Putri Ayu Firnanda; Litasya Shofwatillah; Fauziah Rahma; Fatkhurokhman Fauzi
Emerging Statistics and Data Science Journal Vol. 3 No. 1 (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.1.art2

Abstract

Penelitian ini bertujuan untuk mendapatkan model klasifikasi terbaik antara model algoritma Decision Tree dan Random Forest untuk melihat apakah sebuah produk laris atau tidak laris berdasarkan data dari Supermarket ASDA. Kedua metode tersebut menggunakan teknik klasifikasi pohon keputusan dengan pendekatan top-down untuk memecah masalah menjadi keputusan yang sederhana. Metode Random Forest merupakan pengembagan dari Decision Tree dengan menggunakan ensemble untuk meningkatkan akurasi dan mengurangi resiko overfitting. Sebagai sebuah bisnis retail, Supermarket ASDA memerlukan informasi-informasi tersebut untuk melihat pola konsumsi pelanggan sehingga dapat digunakan dalam membuat strategi dan keputusan yang tepat. Sumber data penelitian meliputi data penjualan dari Supermarket ASDA yang terdiri dari variabel harga, harga per unit, nama produk, tanggal, kategori dan kepemilikan merek untuk melatih model klasifikasi. Penelitian ini akan melibatkan pengujian kedua model pada dataset untuk mengukur kemampuan prediksi model dalam memprediksi produk yang laris dan tidak laris.Berdasarkan hasil penelitian, model algoritma Random Forest memiliki performa lebih baik dari model algoritma Decision Tree baik pada pemodelan dasar maupun setelah dilakukan hyperparameter tuning dengan presentasi akurasi sebesar 99%. Hasil dari matrik evaluasi (precision, recall, F1-Score) model algoritma Random Forest juga menunjukkan nilai yang lebih tinggi sehingga menjadikan model algoritma Random Forest lebih akurat dalam mengklasifikasikan penjualan laris dan tidak laris di Supermarket ASDA.
FORECASTING NICKEL PRICES WITH THE AUTOMATIC CLUSTERING FUZZY TIME SERIES MARKOV APPROACH Haris, M. Al; Sari, Wulan; Fauzi, Fatkhurokhman; Sam'an, Muhammad
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 2 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss2pp1237-1250

Abstract

Nickel was a critical raw material used in a wide range of industries. The price movement of nickel tends to fluctuate and remain uncertain due to market conditions varying over time. Therefore, forecasting nickel prices was essential to understanding future price movements. In this study, we applied the automatic clustering fuzzy time series Markov chain method. The automatic clustering algorithm generates multiple intervals and fuzzy relations. Subsequently, forecasting was based on these fuzzy relations and a Markov chain transition probability matrix involving three stages to enhance forecast accuracy. We use monthly closing futures nickel price data from January 2009 to May 2024. The accuracy of the forecasting model was measured using the mean absolute percentage error (MAPE). The analysis showed that implementing the automatic clustering fuzzy time series Markov chain method results in excellent forecasting accuracy, with a MAPE value of 1.76% (equivalent to 98.24% accuracy). The predicted nickel price for June 2024 was US$ 19,608.5.
SPATIAL DURBIN MODEL OF UNEMPLOYMENT RATE IN CENTRAL JAVA fauzi, Fatkhurokhman Fauzi; Gabriella Hilary Wenur; Rochdi Wasono
Parameter: Journal of Statistics Vol. 3 No. 1 (2023)
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tadulako

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22487/27765660.2023.v3.i1.16423

Abstract

Unemployment is a labor problem that is often faced by developing countries like Indonesia. The number of unemployed in Indonesia has fluctuated from year to year, including in Central Java Province. One of the efforts made to overcome this problem is to know the factors that influence unemployment. The region effect greatly affects the open unemployment rate. Modeling involving area effects is very precise, one of which is the Spatial Durbin Model (SDM). In this study, modeling of the open unemployment rate was carried out using a spatial approach in each district/city in Central Java. The models used in this study are Ordinary Last Square (OLS), Spatial Auto Regressive (SAR), Spatial Error Models (SEM), Spatial Durbin Model (SDM), Spatial Error Durbin Model (SDEM). The five methods were evaluated using the Akaike Information Criteria (AIC). The spatial weighting used in this study is Queen Contiguity. Based on the smallest AIC value (115.42), the best method in this study is HR. Meanwhile, the significant factors are the percentage of labor force participation rate (X1), the number of poor people (X4), the lag of economic growth, the lag of poverty, and the lag of the district/city minimum wage
Co-Authors - Tarsan Achmad Fauzan Agung Subakti Nuzulullail Ahmad Amrullah B Alfidha Rahmah Alifia Puspita Sari Alwan Fadlurohman Amri, Saeful Amrullah, Setiawan Anawai Basman, Aprilla Anggun Erya Santika Anisa Ma'u Luthfi Anita Retno Indriani Arafat, Amaliah Sholeha Ardelita Ika Fadhlillah Ardiansyah, Muhammad Rifqy Aulia, Syifa Azizah, Apipah Nur Bagus Sartono Barlian, Seftia Amelia Rizki Burhanuddin Izzul Salam Dannu Purwanto Dewi Ratnasari Wijaya Dwi Agustina Eko Yuliyanto, Eko Eny Winaryati Erika Siva Aulia Erlinda, Relly Fabiola, Gwenda Fadillah, Muhammad Reza Fatikha Adha Fahreza Fauziah Rahma Gabriella Hilary Wenur Hanif Nur Ibrahim Haris, M Al Haris, M. Al Hasbi Assidiqi Iis Widya Harmoko Iis Widya Harmoko Iis Widya Harmoko, Iis Widya Indah Manfaati Nur Indah Manfaati Nur Indra Firmansyah Iqbal Kharisudin Izzah, Nasyiatul Junaidi, Muhammad Rifki Khikman, Muhammad Alvaro Laila Khoirun Nisa Lestari, Febi Anggun Lia Aryanti Sholekhah Litasya Shofwatillah M. Al Haris Moh Yamin Darsyah Moh. Yamin Darsyah Multiyaningrum, Riska Nida Faoziatun Khusna Ninu, Maria Febronia Nugrahanto, Rifqi Nur, Rachmat Kahfiwan Oktavia Sri Banowati Pandiriyan, Muhammad Tegar Permatasari, Shella Heidy Prizka Rismawati Arum Putra, Septian Malik Putri Ayu Firnanda Putri, Agata Dwi Putri Putri, Melfia Verahma Qonita Syalsabilla Handayani Rahma Nurmalita Rahmah, Alfidha Rahman , Budiono Rahman, Budiono Rahmawati, Gita Ramadhan, Abimanyu Arya Rhendy K P Widiyanto Rizma Novinda Puteri Rochdi Wasono RR. Ella Evrita Hestiandari Safril Ahmadi Sanmas Salmaa Fauziah Sam'an, Muhammad Sanmas, Safril Ahmadi Sarah, Albertus Dion Septi Winda Utami Setiayani, Wiwik Shinta Amaria Soffi Amalia Nur Kholifah Syaharani, Nabbila Dyah Syahrani, Nabbila Dyah Syaifullah, Ahmad Reyhan Syifa Aulia Tari Fitri Ningsih Tiani Wahu Utami Tiani Wahyu Utami Watur, Annisa Cahyaningrum Widiyanti, Karin Dita Wiwit Putri Nur Izzaturrohmah Wulan Sari, Wulan Yan Nazala Bisoumi Yuliardi, Fahrul Raditiar Yuni Nurkuntari