Claim Missing Document
Check
Articles

Found 40 Documents
Search

Peramalan Nilai Ekspor Migas di Indonesia dengan Model Long Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU) Prissy Nusaiba Yulisa; M. Al Haris; Prizka Rismawati Arum
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 16 No 1 (2023): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol16.no1.a6121

Abstract

Ekspor migas merupakan komoditas yang berperan penting dalam perekonomian negara dan pengelolaannya harus dimaksimalkan demi kemakmuran dan kesejahteraan rakyat. Namun realitanya, dalam kurun waktu 10 tahun terakhir, neraca perdagangan ekspor migas di Indonesia mengalami defisit sehingga berdampak pada pengeluaran negara lebih besar daripada pemasukan. Penelitian ini difokuskan pada peramalan yang dapat dijadikan sebagai bahan masukan bagi pemerintah dalam merencanakan arah kebijakan terkait ekspor migas pada masa mendatang. Metode peramalan yang digunakan dalam penelitian ini adalah Long Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dengan optimasi Nesterov Adam (Nadam). LSTM mampu mengatasi masalah ketergantungan jangka panjang, sehingga dapat mengenali pola data dengan baik dan GRU merupakan variasi lain dari LSTM yang memiliki komputasi lebih sederhana. Sedangkan Nadam berperan dalam mempercepat proses training dan menurunkan nilai error. Berdasarkan hasil penelitian, diperoleh akurasi tertinggi dalam prediksi nilai ekspor migas menggunakan model terbaik LSTM dengan optimasi Nadam pada percobaan menggunakan nilai parameter α 0.001, jumlah neuron 20, epoch 100, dan nilai MAPE 12.8% dengan akurasi 87.2%.
Analisis Faktor-Faktor Yang Mempengaruhi Indeks Pembangunan Manusia Berdasarkan Kabupaten/Kota Di Jawa Tengah Yulia Fitri; Prizka Rismawati Arum
J STATISTIKA: Jurnal Imiah Teori dan Aplikasi Statistika Vol 16 No 1 (2023): Jurnal Ilmiah Teori dan Aplikasi Statistika
Publisher : Faculty of Science and Technology, Univ. PGRI Adi Buana Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36456/jstat.vol16.no1.a7079

Abstract

Pembangunan merupakan indikator yang penting disuatu negara terutama negara berkembang seperti Indonesia. Pembangunan manusia merupakan salah satu upaya yang dilakukan oleh pemerintah guna mewujudkan masyarakat yang Makmur dan sejahtera. Salah satu cara untuk mengukur kesejahteraan suatu daerah yaitu dengan mengukur Indeks Pembangunan Manusia (IPM) daerah tersebut. Dimensi dari IPM sendiri yaitu umur Panjang dan hidup sehat, Pendidikan, dan kehidupan yang layak. Data yang digunakan pada penelitian ini yaitu data sekunder yang bersumber dari Badan Pusat Statistik berupa data Indeks Pembangunan Manusia di kabupaten/kota di Jawa Tengah. Melihat pentingnya IPM pada suatu daerah khusunya Jawa Tengah, maka perlu dilakukannya analisis mengenai faktor-faktor yang mempengaruhi IPM. Analisis regresi linier berganda merupakan salah satu metode penelitian yang dapat diterapkan dalam penelitian ini karena metode regresi adalah teknik analisis statistik yang digunakan untuk menentukan bagaimana dua atau lebih variabel berinteraksi. Sehingga, analisis regresi linear berganda dapat digunakan untuk melihat faktor-faktor yang mempengaruhi IPM kabupaten/kota di Jawa Tengah pada tahun 2022. Dari hasil penelitian, diketahui bahwa variabel harapan hidup, harapan lama sekolah, rata-rata lama sekolah, dan pengeluaran perkapita berpengaruh signifikan terhadap indeks pembangunan manusia pada tahun 2022. Hasil pengujian koefisien determinasi atau R-Square didapatkan nilai sebesar 99,9%.
Pemodelan Bivariate Generalized Poisson Regression pada Kasus Angka Kematian di Provinsi Jawa Tengah Dwi Rahmadini; Indah Manfaati Nur; Prizka Rismawati Arum
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

Regresi Poisson merupakan metode regresi digunakan untuk memodelkan hubungan anatara variabel dependentbertipe diskrit yang berupa data count. Data count variabel dependent sering mengalami masalah overdispersiatau underdispersi, hal ini tidak sesuai dengan regresi Poisson yang mengasumsikan nilai rata-rata sama dengannilai varians (equidispersi). Salah satu model yang dapat menangani masalah tersebut adalah BivariateGeneralized Poisson Regression yang menjelaskan hubungan antara dua variabel dependent yaitu angkakematian ibu dan angka kematian bayi terhadap beberapa variabel independent. Data diduga mempunyaiketerkaitan satu sama lain, yaitu selama masa kehamilan janin akan bergantung pada asupan gizi yang diberikanoleh ibu. Sehingga diperlukan penelitian untuk mengetahui faktor-faktor yang berpengaruh terhadap jumlahkematian ibu dan kematian bayi di Provinsi Jawa Tengah tahun 2021. Penaksir parameter dilakukan denganmetode Maximum Likelihood Estimation (MLE) dan pengujian hipotesis menggunakan metode MaximumLikelihood Ratio Test (MLRT). Pemilihan model terbaik menggunakan nilai AIC terkecil. Hasil penelitianmenunjukkan nilai AIC yang diperoleh angka kematian ibu sebesar 300,825 dan faktor-faktor yang berpengaruhadalah persentase persalinan oleh tenaga kesehatan. Sedangkan nilai AIC angka kematian bayi sebesar391,3643 dan faktor-faktor yang berpengaruh secara signifikan adalah persentase perempuan nikah di bawahusia 17 tahun.Kata Kunci: AIC, Angka Kematian, Bivariate Generalized Poisson Regression, Overdispersi.
Pemodelan Spatial Seemingly Unrelated Regression (S-SUR) Pada Produk Domestik Regional Bruto Sektor Unggulan Di Indonesia Kurnia Nur Annisa; Indah Manfaati Nur; Prizka Rismawati Arum
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

Pembangunan ekonomi merupakan sebuah usaha untuk meningkatkan taraf hidup masyarakat. Indikator pentinguntuk mengetahui tingkat perkembangan perekonomian suatu wilayah dalam periode tertentu adalah ProdukDomestik Regional Bruto (PDRB) yang didorong melalui sektor unggulannya. Metode Seemingly UnrelatedRegression (SUR) merupakan metode bagian dari ilmu Ekonometrika yang tepat diterapkan pada pemodelan PDRBsektor unggulan ditinjau dari aspek ekonomi. Penerapan metode SUR hanya dapat membentuk model persamaantetapi tidak dapat mengakomodasi efek spasial yang terjadi di antara masing-masing wilayah di Indonesia. Sehinggapenggunaan pemodelan SUR dengan memperhatikan aspek spasial memegang peranan penting dalam pemodelansuatu PDRB di Indonesia. Tujuan dari penelitian ini adalah untuk menentukan model terbaik yang terbentuk daridata Produk Domestik Bruto (PDRB) sektor unggulan di Indonesia tahun 2018. Pebobot yang digunakan dalammodel SUR Spasial dengan menggunakan matriks pembobot Queen Contiguity. Metode SUR dengan efek spatiallag atau SUR-SLM menghasilkan model terbaik dengan nilai R-Squared yang tinggi. Kata Kunci : Indonesia, Produk Domestik Regional Bruto, SUR, SUR-SLM, Queen Contiguity.
PERAMALAN WISATAWAN MANCANEGARA BERKUNJUNG KE BALI MENGGUNAKAN SINGULAR SPECTRUM ANALYSIS (SSA) Dheanyta Alif Shafira; Tiani Wahyu Utami; Prizka Rismawati Arum
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

Wisatawan mancanegara adalah setiap orang yang mengunjungi suatu negara di luar tempat tinggalnya. Data tentang wisatawan mancanegara merupakan data time series yang dapat digunakan untuk melakukan peramalan. Metode yang digunakan dalam meramalkan data wisatawan mancanegara yaitu Singular Spectrum Analysis (SSA). Studi kasus dalam penerapan SSA digunakan untuk meramalkan jumlah kunjungan wisatawan mancanegara ke Bali. Kelebihan SSA adalah mendapatkan nilai error yang jauh lebih kecil dan mendapatkan hasil yang lebih stabil.Tujuan dari peramalan ini yaitu untuk mendapatkan hasil peramalan menggunakan algoritma metode Singular Spectrum Analysis (SSA) dalam peramalan jumlah wisatawan mancanegara berkunjung ke Bali. Pengukuran akurasi peramalan menggunakan Mean Absolute Percentage Error (MAPE) . Didapatkan nilai MAPE sebesar 10.79% dengan hasil ramalan cenderung naik setiap bulan.     Kata Kunci : Bali, SSA, Wisatawan Mancanegara
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   
Pemodelan Spatial Autoregressive Quantile Regression (SARQR) Menggunakan Pembobot Queen Contiguity Pada Kasus Stunting Balita di Indonesia Evida Oktaviana; Prizka Rismawati Arum; M. Al Haris
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

SDGs memiliki target dalam penurunan persentase angka stunting yang termasuk menghilangkan kelaparandan segala bentuk malnutrisi. Stunting merupakan masalah gizi kronis pada balita yang ditandai dengan tinggibadan yang lebih pendek dibandingkan dengan anak seusianya. Perlu adanya perhatian khusus bagi pemerintahdalam mengurangi angka stunting dengan mengetahui faktor-faktor yang mempengaruhi kejadian stunting diIndonesia. Analisis yang dapat digunakan untuk mengetahui hubungan antar variabel dependen dengan variabelindependen yaitu analisis regresi linear. Apabila dalam pengamatan mempunyai efek spasial, maka metodeanalisis yang digunakan adalah analisis regresi spasial. Dalam kasus tertentu, pengujian efek spasial denganmelibatkan outlier pada data penelitian dapat menyebabkan suatu metode gagal dalam menangani efek spasialtersebut. Maka, untuk mengatasi adanya outlier dan ketergantungan pada spasial metode yang dapat digunakanadalah Spatial Autoregressive Quantile Regression (SARQR). Metode SARQR adalah pengembangan darimetode SAR di mana terdapat berbagai level kuantil pada model. Penelitian ini berfokus memodelkan faktor-faktor yang mempengaruhi kasus stunting pada balita di Indonesia. Model terbaik yang dihasilkan adalah modelSARQR pada kuantil 0.75 dengan nilai AIC sebesar 51.76. Hasil penelitian menunjukkan bahwa faktor yangmempengaruhi kasus stunting di Indonesia adalah persentase imunisasi dasar lengkap, persentase bayi beratbadan lahir rendah, dan persentase perempuan yang pernah kawin di bawah umur 18 tahun.Kata Kunci : Outlier, Spatial Autoregressive Quantile Regression, Stunting.
Metode Markov Switching Autoregressive (MSAR) untuk Peramalan Indeks Saham Syariah Indonesia (ISSI) Agi Khoerunnisa; Indah Manfaati Nur; Prizka Rismawati Arum
Prosiding Seminar Nasional Unimus Vol 5 (2022): Inovasi Riset dan Pengabdian Masyarakat Guna Menunjang Pencapaian Sustainable Developm
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Model Markov Switching Autoregressive (MSAR) adalah salah satu model deret waktu nonlinier yang memodelkan data deret waktu yang mengalami perubahan fluktuasi yang terjadi pada data. Indeks Saham Syariah Indonesia (ISSI) merupakan indeks saham syariah yang beranggotakan seluruh saham syariah. Data yang digunakan adalah data bulanan harga penutupan Indeks Saham Syariah Indonesia (ISSI) periode Juni 2011 sampai Mei 2022 yang bersumber dari Bursa Efek Indonesia (BEI). Pemodelan MSAR diperoleh sebanyak 10 model yang dibagi menjadi 2 yaitu model dengan 2 state dan model dengan 3 state. Selain itu, Model MSAR mempunyai variabel state dan nilai peluang matriks transisi yang dihitung dengan menggunakan metode Maximum Likelihood estimation (MLE). Estimasi parameter dilakukan pada seluruh model dan nilai Bayesian Information Criterion (BIC) minimum menyatakan model terbaik. Adapun model MSAR terbaik yang didapatkan adalah model MS(2)AR(2) dengan nilai BIC sebesar -395,8. Model dan hasil peramalan diperoleh kondisi state 1 (peningkatan) dan state 2 (penurunan). Analisis hasil peramalan untuk 12 bulan ke depan bahwa data Indeks Saham Syariah Indonesia pada pertengahan tahun 2022 mengalami trend naik dan fluktuasi pada awal tahun 2023. Keakuratan hasil peramalan dihitung dengan Mean AbsolutePercentence Error (MAPE) yang diperoleh sebesar 23% yang berarti kriteria hasil peramalan cukup baik.Kata Kunci : BIC, ISSI, MLE, MSAR
Permodelan Jumlah Kasus Tuberkulosis Di Kabupaten Purbalingga Tahun 2022 Menggunakan Regresi Binomial Negatif: Modeling the Number of Tuberculosis Cases in Purbalingga Regency in 2022 Using Negative Binomial Regression Prizka Rismawati Arum; Indah Manfaati Nur; Amalia Jihan Syafiqoh; Hanief Rizky Utami
Journal of Data Insights Vol 1 No 2 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i2.273

Abstract

Menurut data dari Dinkes Purbalingga pada bulan Mei 2022 ditemukan 422 kasus TBC dan 9 diantaranya menderita TBC Multi Drug Resistant (MDR) atau kebal obat. Untuk kasus TBC MDR saat ini menjadi perhatian kusus pemerintah, hal ini karena masa penyembuhannya membutuhkan waktu yang lebih lama. Penyakit TB Paru merupakan salah satu penyebab kematian utama di Indonesia dan dunia. Selain menyerang Paru, Tuberculosis dapat menyerang organ tubuh yang lain. Jumlah orang terduga Tuberkulosis tahun 2022 sebanyak 11.324 dan orang terduga tuberkulosis yang mendapatkan pelayanan kesehatan sesuai standar sebanyak 12.072 (106,6%). Oleh karena itu, perlu dilakukan upaya untuk memodelkan jumlah kasus TBC di Kabupaten Purbalingga agar dapat memberikan informasi yang berguna dalam upaya pencegahan dan pengendalian penyakit TBC.Model regresi Poisson sering ditemukan pelanggaran asumsi overdispersi dengan memodelkan faktor-faktor yang berpengaruh terhadap kasus tuberculosis. Alternatif model yang dapat dilakukan untuk mengatasi pelanggaran asumsi overdispersi adalah Model Regresi Binomial Negatif. Berdasarkan nilai AIC diperoleh hasil pemodelan terbaik menggunakan regresi binomial negatif dengan nilai AIC sebesar 191.96 yang lebih kecil dari metode regresi Poisson.Berdasarkan uji parsial dihasilkan bahwa variabel yang berpengaruh terhadap jumlah kasus tuberculosis di Kabupaten Purbalingga adalah X2 yaitu jumlah puskesmas.