Claim Missing Document
Check
Articles

Found 31 Documents
Search

PERAMALAN INDEKS HARGA KONSUMEN KABUPATEN BANYUMAS DENGAN METODE SARIMA Arini Rizky Wahyuningtyas; Wahyu Putri Pratiwii; Rochdi Wasono; Tiani Wahyu Utami
Jurnal Litbang Edusaintech Vol. 3 No. 1 (2022): Volume 3 No 1 2022
Publisher : Litbang PWM Jawa Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51402/jle.v3i1.77

Abstract

The CPI is used as an indicator to determine the inflation rate that can describe economic developments in a region. Uncontrolled inflation will have a direct impact on economic conditions. Therefore, it is necessary to have a method to predict the CPI so that the government can determine the right policy so that the economic condition of the community becomes more stable and improves. In this study, CPI forecasting in Banyumas Regency will be carried out using the SARIMA method. The purpose of this study is to predict the CPI in the future. This study uses CPI data from Banyumas Regency from January 2014 to August 2021 with 92 data. The results show that the SARIMA (1,1,1)(0,1,1)12 model is the right model for forecasting the CPI in Banyumass Regency. Forecasting the CPI for Banyumas Regency for the next 12 months using the SARIMA (1,1,1)(0,1,1)12 method shows a trend pattern that tends to increase or inflation will not be so high.
IMPLEMENTASI SPECTRAL CLUSTERING ALGORITHM UNTUK PENGELOMPOKAN SASARAN VAKSINASI COVID-19 DI INDONESIA Millenia Winadya Putri; Indah Manfaati Nur; Rochdi Wasono
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 10, No 1 (2022): Jurnal Statistika Universitas 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.10.1.2022.26-31

Abstract

Pandemi COVID-19 dalam kurun waktu dua tahun berhasil menginfeksi jutaan orang di seluruh dunia dan menyebabkan banyak kematian. Guna menghentikan penyebaran virus, pemerintah melakukan tindakan yaitu menerapkan protokol kesehatan dan mewajibkan vaksinasi kepada masyarakat. Namun, kegiatan vaksinasi masih lamban untuk mencapai target. Maka dari itu, dalam penelitian ini akan dilakukan suatu pengelompokan untuk mengetahui tingkat persebaran vaksinasi di Indonesia menurut provinsi dengan data jumlah vaksinasi per-kategori masyarakat pada tanggal 1 Februari 2022. Salah satu algoritma pengelompokan dalam Data Mining yaitu Spectral Clustering. Pengelompokan spektral merupakan teknik yang mengikuti pendekatan konektivitas, dimana metode ini mengklasifikasikan titik-titik yang terhubung atau berbatasan langsung. Penelitian ini menghasilkan 3 klaster untuk masing-masing kategori, yaitu klaster daerah-daerah yang memiliki tingkat persebaran vaksinasi tinggi, sedang, dan rendah. Evaluasi klaster diukur menggunakan Davies-Bouldin Index (DBI) dengan rata-rata nilai DBI tiap kategori yaitu 1,01422.
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
Spatial Temporal Density-Based Spatial Clustering Applications With Noise (ST-DBSCAN) Untuk Pengelompokan Titik Kebakaran Hutan dan Lahan di Provinsi Riau Pada Tahun 2021 Nila Amelinda Putri; Tiani Wahyu Utami; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Kebakaran hutan dan lahan sering terjadi pada masa kemarau yang menimbulkan dampak buruk bagi lingkungan. Kejadian tersebut umumnya terjadi di Indonesia salah satunya di Provinsi Riau. Untuk mengatasi hal tersebut, perlu adanya pengelompokkan titik panas untuk mengetahui daerah yang rawan terjadi kebakaranhutan dan lahan menggunakan teknik clustering. Metode clustering yang biasa digunakan yaitu Spatial emporal Density-Based Spatial Clustering Of Applications With Noise (ST-DBSCAN). Data yang digunakan berupa data titik panas pada periode Januari 2021 hingga Desember 2021 di Provinsi Riau. Penelitian ini menggunakan parameter jarak spasial (Eps1= 0,025), parameter jarak temporal (Eps2= 30) dan jumlah minimal anggota cluster (MinPts= 2), menghasilkan total cluster 484 dengan 6 cluster besar dan 866 noise. Pusat titik kebakaran hutan banyak ditemukan di Kabupaten Pelalawan dan Kabupaten Bengkalis. Tipe pola satiotemporalyang paling banyak ditemukan adalah tipe irregular. Nilai silhouette coefficientspasial sebesar 0,1282 dan nilai silhouette coefficient temporal sebesar -0,8298.Kata Kunci: Clustering, Kebakaran Hutan dan Lahan, Silhouette Coefficient, Spatial Temporal Density Based Spatial Clustering Of Applications With Noise (ST-DBSCAN)
Pengelompokan Daerah Rawan Bencana di Pulau Sumatera dengan Metode Density Based Spatial Clustering of Applications with Noise (DBSCAN) Aulia Fadhli Boer; M. Al Haris; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Pulau Sumatera adalah anggota busur kepulauan sunda yang mencakup kepulauan Andaman-Nicobar sampaiBanda. Pulau Sumatera menjadi salah satu daerah tektonik aktif. Aktivitas lempeng membentuk sebuahhimpunan pegunungan yang membentang dari utara hingga selatan Sumatera. Dengan topografi yang terdiridari pegunungan, perbukitan, serta pergerakan lempeng dan iklim yang basah, memungkinkan terjadinyaberbagai bencana alam. Density-Based Spatial Clustering of Applications with Noise (DBSCAN) adalah suatualgoritma yang termasuk pada golongan density-based clustering, yakni proses pembentukan cluster yangdilakukan berdasarkan tingkat kerapatan objek dalam dataset. Kelebihan algoritma DBSCAN terletak padakemampuannya menangkap outlier atau noise dan tidak perlu mengetahui jumlah cluster yang terbentuk.Tujuan penelitian ini adalah untuk mengkaji karakteristik bencana alam yang terjadi di Pulau Sumatera.Berdasarkan hasil analisis penerapan algoritma DBSCAN pada data kejadian bencana alam di kabupaten/kotadi Pulau Sumatera, diperoleh 2 cluster dengan parameter MinPts sebanyak 4 dan Eps sebesar 0,18 merupakancluster yang optimal untuk mengelompokkan. Hal tersebut disandarkan pada cluster tersebut menghasilkancoefficient silhouette dengan nilai sebesar 0,46.Kata Kunci : Bencana alam, DBSCAN, pulau Sumatera, silhouette coefficient.
Pengelompokkan dan Pemetaan Wilayah Kecamatan di Kabupaten Kendal Berdasarkan Potensi Sektor Pertanian dengan Pendekatan Complete Linkage Hierarchical Clustering Chendy Nofiantika Rosulya Putri; Eka Kurniawati; Indah Manfaati Nur; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 4 (2021): Inovasi Riset dan Pengabdian Masyarakat Post Pandemi Covid-19 Menuju Indonesia Tangguh
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Sektor pertanian mempunyai peranan yang cukup penting dalam perekonomian nasional. Hal inidapat dibuktikan dari kontribusi sektor pertanian nasional terhadap Produk Domestik Bruto (PDB).Kabupaten Kendal merupakan kabupaten di Provinsi Jawa Tengah yang sebagian besar wilayahnyamerupakan daerah pertanian. Data yang digunakan adalah hasil produksi sektor pertanian pada 20kecamatan di Kabupaten Kendal tahun 2020 yang terdiri dari 10 variabel. Analisis klaster dapatdigunakan mengetahui potensi pertanian dari wilayah kecamatan di Kabupaten Kendal adalah denganmengelompokkan wilayah yang memiliki karakteristik hampir sama. Tujuannya adalah mendapatkanhasil pengelompokkan yang optimal dan mengevaluasi karakteristik dari kelompok yang terbentuk.Berdasarkan hasil analisis, diperoleh pengelompokkan wilayah kecamatan di Kabupaten Kendal yangoptimum berdasarkan kriteria nilai statistik Pseudo-F dengan menggunakan metode CompleteLinkage dengan kelompok yang terbentuk sebanyak 2 kelompok. Kelompok 1 terdiri dari 19kecamatan, sedangkan kelompok 2 hanya terdiri dari 1 kecamatan. Evaluasi karakteristik dari masingmasingkelompok yang terbentuk menggunakan 4 variabel yang signifikan yaitu produksi bawangmerah, mangga, ikan lele, dan ikan tawes.  Kata Kunci : Analisis Klaster, Complete Linkage, Pemetaan, Sektor Pertanian
Generalized Space Time Autoregressive Modeling With Variable Exogenous (Gstar-X) (Case Study: Inflation In Six Cities Of Central Java) Alwan Fadlurohman; Tiani Wahyu Utami; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 3 (2020): Optimalisasi Hasil Penelitian dan Pengabdian Masyarakat Menuju Kemandirian di Tengah P
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Inflasi adalah kecenderungan naiknya harga barang dan jasa yang berlangsung secara terus menerus. Inflasi merupakan data time series bulanan yang diduga juga dipengaruhi oleh unsur antar lokasi. Pemodelan untuk peramalan inflasi yang melibatkan unsur waktu dan lokasi (spatio temporal) dapat menggunakan metode Generalized Space Time Autoregressive (GSTAR). Untuk menambah akurasi dalam peramalan, model GSTAR dikembangkan menjadi model GSTARX dengan melibatkan variabel eksogen. Variabel eksogen yang digunakan dalam pemodelan GSTARX untuk peramalan Inflasi ini adalah variasi kalender idul fitri yaitu inflasi pada bulan di hari raya idul fitri. Studi kasus dalam pemodelan GSTARX ini diterapkan untuk peramalan inflasi enam kota Survei Biaya Hidup (SBH) di Jawa Tengah yaitu Cilacap, Purwokerto, Semarang, Kudus, Magelang dan Surakarta. Tujuan penelitian ini adalah ingin mendapatkan model GSTARX yang terbaik untuk pemodelan inflasi enam kota SBH diJawa Tengah. Didapatkan 2 (dua) model GSTARX dengan nilai RMSE masing-masing adalah model dengan bobot lokasi seragam memiliki nilai RMSE sebesar 0,6108, model dengan bobot lokasi invers jarak memiliki nilai RMSE sebesar 0,6124. Dapat disimpulkan bahwa model GSTARX menggunakan bobot lokasi seragam adalah model terbaik. Kata Kunci : GSTAR, GSTARX, Inflasi, Jawa Tengah, Survei Biaya Hidup.
Model Terbaik Uji Multikolinearitas untuk Analisis Faktor-Faktor yang Mempengaruhi Produksi Padi di Kabupaten Blora Tahun 2020 Isna Nur Azizah; Prizka Rismawati Arum; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 4 (2021): Inovasi Riset dan Pengabdian Masyarakat Post Pandemi Covid-19 Menuju Indonesia Tangguh
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Indonesia dikenal sebagai negara agraris dengan lahan pertanian yang sangat luas serta mayoritasmasyarakatnya bekerja pada sektor pertanian. Sektor ini berperan dalam peningkatan kesejahteraanmasyarakat sekaligus menjadi sektor vital bagi Indonesia karena salah satu hasil produksinya bergunauntuk memenuhi bahan pangan penduduk, yaitu padi. Kabupaten Blora menjadi daerah yangmenjadikan sektor pertanian sebagai sektor penting karena berkontribusi besar pada PDRB diKabupaten Blora. Sayangnya, dalam bebrapa tahun terakhir, terjadi penurunan kontribusi tanamanpangan yang cukup signifikan. Oleh karena itu, diperlukan analisis faktor-faktor yang mungkinmempengaruhi banyaknya produksi beras di setiap kecamatan Kabupaten Blora menggunakananalisis regresi dengan metode kuadrat terkecil. Salah satu asumsi yang harus dipenuhi metode iniadalah tidak terjadinya mulikolinearitas. Berdasarkan hasil dan pembahasan, model terbaik ujimultikolinearitas untuk analisis faktor-faktor yang mempengaruhi produksi padi di Kabupaten Bloratahun 2020 adalah ????1 + ????3 + ????4 + ????5 + ????6 + ????7. Hal ini menunjukkan bahwa variabel luas panen,luas lahan pada ketinggian 41-100 mdpl, luas lahan dengan tekstur tanah sedang, hari hujan, curahhujan, dan jenis pengairan, dapat digunakan untuk uji analisis faktor selajutnya. Kata Kunci : Padi, Bahan Pangan, Ordinary Least Square, Multikolinearitas, Kabupaten Blora.
Pemodelan Geographically Weighted Poisson Regression (GWPR) Dengan Pembobot Fixed Bisquare Kernel Dan Adaptive Bisquare Kernel Pada Kasus DBD Di Riau Dominikus Leki Sogen; Prizka Rismawati Arum; Rochdi Wasono
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Riau merupakan salah satu provinsi yang terdampak kejadian DBD dengan tingkat kematian akibat DBDtergolong tinggi. Kejadian DBD ini merupakan salah satu masalah penyakit yang bisa tertular. Dalam menelitikejadian DBD, diperlukan suatu metode statistika yang digunakan untuk melihat pengaruh faktor-faktorterhadap kejadian DBD yakni analisis regresi. Salah satu analisis regresinya adalah regresi poisson yang manamerupakan salah satu model regresi dengan varibel responnya berbentuk data cacah dan berdistribusi poisson.Pada data angka kesakitan Demam Berdarah Dengue (DBD) di Provinsi Riau, data berbentuk cacah danmemenuhi asumsi distribusi poisson. Pada penelitian ini juga terdapat aspek spasial yang menunjukankarakteristik lokal wilayah. Oleh karena itu, pada penelitian ini, peneliti menggunakan metode statistikaGeographically Weighted Poisson Regression (GWPR) dengan pembobot yakni Fixed bisquare kernel danAdaptive bisquare kernel.   Tujuan dari penelitian ini adalah mendapatkan model di setiap wilayahkabupaten/kota dan model yang terbaik dalam meneliti kejadian DBD. Hasil yang didapatkan, faktor jumlahpenduduk miskin, kepadatan penduduk dan persentase rumah tangga dengan akses sanitasi layakmempengaruhi kejadian DBD dengan secara beragam di tiap wilayah, dan juga model terbaik yang didapatkanialah model Geographically Weighted Poisson Regression  (GWPR) dengan pembobot Fixed bisquare kerneldengan nilai AIC terkecil yakni 31.056 Kata Kunci : Angka Kesakitan DBD, Geographically Weighted Poisson Regression (GWPR), Regresi Poisson   
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.