Article Per Year (5 Year)
p-Index From 2021 - 2026
2.024
P-Index
This Author published in this journals
All Journal Jambura Journal of Mathematics Al-Khwarizmi: Jurnal Pendidikan Matematika dan Ilmu Pengetahuan Alam JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) ESTIMASI: Journal of Statistics and Its Application MATHunesa: Jurnal Ilmiah Matematika Indonesian Journal of Statistics and Its Applications
Sitti Sahriman
Statistics Department, Faculty Of Mathematics And Natural Sciences, Hasanuddin University
Humanities Computer Science & IT Education Engineering Mathematics Public Health Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
PEMODELAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN KERNEL ADAPTIVE BISQUARE PADA ANGKA KEMATIAN BALITA DI INDONESIA Laura Wunarso; Sitti Sahriman; Nasrah Sirajang; Zhulmuhqsith Busrah; Girbsan Ananta Patabang
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p1-10

Abstract

Angka Kematian Balita (AKB) merupakan indikator utama yang mencerminkan kualitas sistem kesehatan serta tingkat kesejahteraan masyarakat. Variasi kondisi demografis, sosial, dan lingkungan menyebabkan pola AKB berbeda antarwilayah sehingga analisis yang mempertimbangkan aspek spasial menjadi penting. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi AKB dengan menggunakan Mixed Geographically Weighted Regression (MGWR). Data yang digunakan mencakup 34 provinsi di Indonesia pada tahun 2020. Variabel dependen dalam penelitian ini adalah AKB, sedangkan variabel independen terdiri atas rata-rata lama sekolah, persentase perempuan pernah kawin usia 15–49 tahun yang melahirkan anak pertama sebelum usia 20 tahun, persentase rumah tangga yang menggunakan bahan bakar utama arang atau kayu untuk memasak, serta persentase penduduk miskin. Pemilihan bandwidth optimum menghasilkan kernel adaptive bisquare yang digunakan dalam pembentukan model MGWR. Hasil analisis menunjukkan bahwa rata-rata lama sekolah dan penggunaan bahan bakar kayu atau arang berperan sebagai parameter global yang berpengaruh signifikan terhadap AKB. Sementara itu, persentase perempuan yang melahirkan sebelum usia 20 tahun dan persentase penduduk miskin bertindak sebagai parameter lokal dengan tingkat pengaruh berbeda antarprovinsi. Perbandingan nilai AICc dan R-Squared mengindikasikan MGWR memiliki performa terbaik (AICc = 191.82; R-Squared = 0.91), dibandingkan dengan Regresi Linear Berganda (AICc = 212.80; R-Squared = 0.76) dan GWR (AICc = 197.90; R-Squared = 0.91). Temuan ini menegaskan bahwa pendekatan spasial memberikan pemahaman lebih komprehensif mengenai determinan AKB dan dapat menjadi dasar dalam merumuskan intervensi kesehatan yang lebih tepat sasaran sesuai karakteristik wilayah.
PERBANDINGAN METODE HOLT-WINTERS ADITIF DAN MULTIPLIKATIF DENGAN OPTIMASI GENETIC ALGORITHM PADA PERAMALAN PRODUKSI KOPI INDONESIA TAHUN 2023 Syahza Mahza; Sitti Sahriman
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p38-47

Abstract

Abstrak Latar Belakang. Produksi kopi Indonesia menunjukkan pola musiman yang dipengaruhi kondisi iklim sehingga fluktuasinya cukup besar setiap tahun. Ketidakpastian ini menuntut metode peramalan yang akurat untuk mendukung pengambilan keputusan terkait produksi dan distribusi. Metode Triple Exponential Smoothing Holt-Winters mampu menangkap pola tren dan musiman, tetapi penentuan parameter pemulusannya sering dilakukan secara trial and error sehingga akurasinya kurang optimal. Tujuan. Penelitian ini bertujuan memperoleh parameter optimal α, β, dan γ menggunakan Genetic Algorithm (GA) serta membandingkan performa pendekatan aditif dan multiplikatif untuk menentukan metode yang paling sesuai dalam peramalan produksi kopi Indonesia. Metode. Data produksi kopi Indonesia periode 2016–2023 dari Badan Pusat Statistik (BPS) dianalisis menggunakan Holt-Winters aditif dan multiplikatif, kemudian parameter pemulusan dioptimasi menggunakan Genetic Algorithm untuk meningkatkan akurasi. Hasil. Identifikasi pola menunjukkan bahwa data memiliki karakter musiman multiplikatif. Sebelum optimasi, pendekatan multiplikatif menghasilkan MAPE sebesar 62,23% (korelasi 0,9740), lebih baik dibandingkan aditif dengan MAPE 95,00%. Setelah optimasi GA, diperoleh parameter terbaik α 0,0230; β 0,2851; dan γ 0,9175, yang menurunkan MAPE pendekatan multiplikatif menjadi 0,5024% dan aditif menjadi 12,2092%, dengan korelasi keduanya mencapai 0,9997. Kesimpulan. Pendekatan multiplikatif Holt-Winters merupakan metode yang paling sesuai untuk pola musiman produksi kopi Indonesia. Optimasi Genetic Algorithm terbukti mampu meningkatkan akurasi peramalan secara signifikan pada kedua pendekatan, dengan performa terbaik ditunjukkan oleh Holt-Winters multiplikatif hasil optimasi. Kata Kunci: Holt-Winters, Genetic Algorithm, peramalan, produksi kopi, optimasi parameter. Abstract Background. Coffee is one of the leading plantation commodities in Indonesia. Its production exhibits a strong seasonal pattern influenced by climatic factors, resulting in substantial fluctuations from year to year. This uncertainty creates a need for accurate forecasting methods to support decision-making in production and distribution. The Triple Exponential Smoothing Holt-Winters method is capable of capturing trend and seasonal components; however, its smoothing parameters are often determined through trial and error, which may lead to suboptimal accuracy. To address this issue, an optimization approach based on the Genetic Algorithm (GA) is employed to obtain more precise and efficient parameter estimates. Objective. To obtain the optimal smoothing parameters α, β, and γ using the Genetic Algorithm and to determine whether the additive or multiplicative Holt-Winters approach performs better for forecasting Indonesia’s coffee production. Methods. The study used monthly Indonesian coffee production data from 2016–2023 sourced from Statistics Indonesia (BPS). Holt-Winters forecasting was evaluated using both additive and multiplicative forms, followed by parameter optimization using the Genetic Algorithm. Results. The multiplicative approach reflected the seasonal pattern more accurately, yielding an initial MAPE of 62.23% with a correlation of 0.9740. After optimization, the GA produced optimal parameters α = 0.0230, β = 0.2851, and γ = 0.9175. These parameters significantly improved model performance, reducing MAPE to 0.5024% and increasing correlation to 0.9997, indicating highly precise forecasting results. Conclusion. The multiplicative Holt-Winters method optimized with the Genetic Algorithm is the most appropriate and accurate approach for modeling Indonesia’s coffee production pattern. Keywords: Holt-Winters, Genetic Algorithm, coffee production forecasting, time series, parameter optimization.
Co-Authors Afifah Afifah Ainun Mawaddah Abdal Alfiana Wahyuni Anisa Anisa Anisa Anisa Anisa Kalondeng Anna Islamiyati Anna Islamiyati Bunga Aprilia Dewi Upa Edy Saputra Rusdi Girbsan Ananta Patabang Herdiani, Erna Tri I Gusti Agung Komang Diafari Djuni Hartawan Irma Andriani Jusmawati Massalesse Jusmawati Massalesse Kasbawati Kasbawati La Podje Talangko Laura Wunarso Muhammad Idman Muralia Hustim Naimah Aris Najhah Aris Nasrah Sirajang Nasrah Sirajang Nur Erawaty Nurdin Nurdin Okta Nofri Raupong, Raupong Ririn Arianti Rizki Adiputra Sakinah Oktoni Sri Astuti Thamrin Syahza Mahza Vieri Koerniawan Zhulmuhqsith Busrah